专场：智能时代的质效度量与提升实践
近十年，各IT企业都在积极的推进研发数字化，「效能度量」已经成为研发基础设施建设的必要环节之一。随着近几年的深入开展，各企业也都遇到了相似的难题，包括，如何建立体系化“研发效能指标体系”？如何让数据有效的诊断出效能问题，驱动研发团队持续提效，实现从度量→洞察的飞跃？在大模型时代，如何进一步引入LLM技术赋能效能度量，实现智能化诊断和辅助决策？本专场会和各效能专家、企业效能度量负责人共同探索这些问题，并分享实战案例，携手共同驱动效能度量领域的实践效果，逐步从度量到洞察再向智能化演进。
专场出品人：单虓晗
字节跳动 研发效能资深架构师 软件工程、研发效能专家
华为工作8年，做过一线研发、部门负责人、软件工程专家，主导网络操作系统、终端EMUI等千人级研发团队的研发模式&工具的规划设计、落地实施。
蚂蚁集团工作3年，任效能架构师，主导蚂蚁研发数字化建设，首创研发洞察体系。现就职于字节跳动，任资深研发效能架构师，负责公司级研发效能提升工作，及效能实践体系、研发大数据体系建设与落地 (DevMind)。
蚂蚁集团工作3年，任效能架构师，主导蚂蚁研发数字化建设，首创研发洞察体系。现就职于字节跳动，任资深研发效能架构师，负责公司级研发效能提升工作，及效能实践体系、研发大数据体系建设与落地 (DevMind)。
库宇
中邮消费金融 高级科技工程师
先后就职于腾讯、YY、中邮消金等，10年以上研发/部门/项目管理/效能提升一线经验，目前负责组织级的效能提升规划及关键能力的构建及落地工作，包括0-1搭建组织级BizDevOps质效价值流体系、效能度量体系、效能实践等。通过合理的有效建模、数据预判、改进解决方案、匹配管理手段，真正做到让数据说话，帮助团队快速暴露效率问题；24年通过推动管理措施、工程实践措施等的落地，整体实现部门需求吞吐规模同比提升16.82%、研发交付周期同比提升15.78%、缺陷密度同比降低18.29%，在几个维度均实现2位数的增长。
待定
待定
AI赋能场景化的效能度量实践
研发效能度量在业内已进入深入区，但如何更有效的进行效能度量分析仍是个棘手问题；此外，叠加AI智能化的浪潮，各家公司都在思考如何更好的结合AI改进现有的方式方法；本次分享将结合自身在企业中的落地实践，总结经验教训，以及如何结合AI赋能效能度量分析、利用数字员工实现资源调配的实践，希望对大家有所启发和帮助。
内容大纲
1. 传统效能度量面临的挑战
1.1 指标繁杂，缺乏重点
1.2 数据分散且复杂，难以整合和分析
1.3 度量标准不统一：不同团队的度量需求颗粒度差异大，难以形成统一标准
1.4 度量结果难以落地：度量结果多停留在数据层面，团队认可度低，缺乏有效的改进措施
1.5 不同管理视角的挑战，度量结果因人而异，难以形成统一结论
2. 场景化的效能度量实践
2.1 建立度量标准实践
2.1.1 统一需求规模标准：面对行业需求规模难以统一的难题，参照国标《软件工程软件开发成本度量规范》
内容大纲
1. 传统效能度量面临的挑战
1.1 指标繁杂，缺乏重点
1.2 数据分散且复杂，难以整合和分析
1.3 度量标准不统一：不同团队的度量需求颗粒度差异大，难以形成统一标准
1.4 度量结果难以落地：度量结果多停留在数据层面，团队认可度低，缺乏有效的改进措施
1.5 不同管理视角的挑战，度量结果因人而异，难以形成统一结论
2. 场景化的效能度量实践
2.1 建立度量标准实践
2.1.1 统一需求规模标准：面对行业需求规模难以统一的难题，参照国标《软件工程软件开发成本度量规范》
(GB/T36964-2018)，引入国际标准功能点估算法
2.1.2 功能点评估标准调优：针对原评估体系中部分因子有较大主观性的问题，结合自身历史数据提出升级调优的2种功能点评估标准实践；并通过组织内推广运行，显著提升了功能点评估的客观性和准确性
2.2 基于角色的场景运营实践
2.2.1 建立北极星指标并达成共识：通过宣贯和引导，提升团队对效能度量的认同感
2.2.2 驱动改进的稳定性度量：通过设立基线、设定目标、故障复盘等措施，降低故障率和提效
2.2.3 建立效能分析模型
扩展“效能“到“效益”，建立开发/测试资源配比及效率分析模型
丰富模型指标:提升度量指标的完整性，逐步从结果度量过渡到过程度量，提升牵引力
3. AI赋能的效能度量实践
3.1 实践1：数字员工赋能资源调配
1) 痛点：每个团队都强调自身满负荷，资源争抢严重
2) 建立资源动态调配机制：度量各团队的生产率水平，优化资源合理配置
3) 资源调度AI助手：由数字员工完成常态化的资源调配，分析团队的能力和工作负荷，无需人工介入，提升效能
4) 异常监控AI助手：利用AI进行多维指标的自动分析、数据合理性校验和异常指标智能预警
5) 外包资源管理AI助手：由数字员工智能分析各团队新增外包申请的合理性及紧迫性
3.2 实践2：AI驱动的效能洞察
1) 痛点：传统的效能数据分析和决策支持依赖人工，效率较低:
2) 实践：在效能分析中引入大模型，自动生成效能洞察分析，挖掘潜在风险并提供改进建议
3) 关键点：构建提示词(prompt)模板库，调优AI输出结果
3.3 实践3：AI辅助功能点评估及检查
1) 痛点：功能点评估需依赖开发人员评估，耗时费力
2) 实践：引入智能化手段，对于相同规模的需求，借助新增代码行数、系统复杂度、有效排期时长、有效测试案例数、接口变动数量等因子，通过线性回归算法进行评估功能点评估合理性的检查
2.1.2 功能点评估标准调优：针对原评估体系中部分因子有较大主观性的问题，结合自身历史数据提出升级调优的2种功能点评估标准实践；并通过组织内推广运行，显著提升了功能点评估的客观性和准确性
2.2 基于角色的场景运营实践
2.2.1 建立北极星指标并达成共识：通过宣贯和引导，提升团队对效能度量的认同感
2.2.2 驱动改进的稳定性度量：通过设立基线、设定目标、故障复盘等措施，降低故障率和提效
2.2.3 建立效能分析模型
扩展“效能“到“效益”，建立开发/测试资源配比及效率分析模型
丰富模型指标:提升度量指标的完整性，逐步从结果度量过渡到过程度量，提升牵引力
3. AI赋能的效能度量实践
3.1 实践1：数字员工赋能资源调配
1) 痛点：每个团队都强调自身满负荷，资源争抢严重
2) 建立资源动态调配机制：度量各团队的生产率水平，优化资源合理配置
3) 资源调度AI助手：由数字员工完成常态化的资源调配，分析团队的能力和工作负荷，无需人工介入，提升效能
4) 异常监控AI助手：利用AI进行多维指标的自动分析、数据合理性校验和异常指标智能预警
5) 外包资源管理AI助手：由数字员工智能分析各团队新增外包申请的合理性及紧迫性
3.2 实践2：AI驱动的效能洞察
1) 痛点：传统的效能数据分析和决策支持依赖人工，效率较低:
2) 实践：在效能分析中引入大模型，自动生成效能洞察分析，挖掘潜在风险并提供改进建议
3) 关键点：构建提示词(prompt)模板库，调优AI输出结果
3.3 实践3：AI辅助功能点评估及检查
1) 痛点：功能点评估需依赖开发人员评估，耗时费力
2) 实践：引入智能化手段，对于相同规模的需求，借助新增代码行数、系统复杂度、有效排期时长、有效测试案例数、接口变动数量等因子，通过线性回归算法进行评估功能点评估合理性的检查
3.4 实践4：效能问答数字人
建立效能知识库，结合AI智能应答，便于用户实时查询
4. 成果展示及未来展望
4.1 成果展示：24年度整体实现部门需求吞吐规模同比提升16.82%、研发交付周期同比提升15.78%、缺陷密度同比降低18.29%，在几个维度均实现2位数的增长
4.2 未来展望
建立效能知识库，结合AI智能应答，便于用户实时查询
4. 成果展示及未来展望
4.1 成果展示：24年度整体实现部门需求吞吐规模同比提升16.82%、研发交付周期同比提升15.78%、缺陷密度同比降低18.29%，在几个维度均实现2位数的增长
4.2 未来展望
1) 智能化的功能点评估：不需人工评估，基于需求文档、详设文档，由AI自动生成功能点评估，人工介入轻量级校准
2) 效能度量的生态化建设：度量平台与DevOps工具链深度融合，形成闭环的效能提升体系
4.3 体会与建议
1) 做好效能度量的一些心得体会总结
2) AI4SE(AI for Software Engineering)的发展趋势
听众收益
1. 统一拉齐需求规模颗粒度的方法实践
2. 研发效能度量体系，指标矩阵全视图
3. 效能度量指标使用的设计思路、实际运用案例
4. 效能度量场景化的运营实践及踩坑经验
5. AI赋能的效能度量分析及数字员工实践
2) 效能度量的生态化建设：度量平台与DevOps工具链深度融合，形成闭环的效能提升体系
4.3 体会与建议
1) 做好效能度量的一些心得体会总结
2) AI4SE(AI for Software Engineering)的发展趋势
听众收益
1. 统一拉齐需求规模颗粒度的方法实践
2. 研发效能度量体系，指标矩阵全视图
3. 效能度量指标使用的设计思路、实际运用案例
4. 效能度量场景化的运营实践及踩坑经验
5. AI赋能的效能度量分析及数字员工实践
单虓晗
字节跳动 研发效能资深架构师
研发效能资深专家
华为8年，做过一线研发、部门负责人、软件工程专家，主导网络操作系统、终端EMUI等千人级研发团队的研发模式&工具的规划设计、落地实施。
蚂蚁集团3年，主导蚂蚁研发数字化建设（首创研发洞察体系）。
现就职于字节跳动，任研发效能资深架构师，负责公司级研发效能提升工作， 主要包括：效能度量体系的建设与推广（DevMind）、效能平台与实践的优化与推广、重点业务线效能提升。
《软件研发效能提升实践》联合作者。
擅长领域：高可靠性&分布式软件架构设计；研发项目&团队管理；研发模式&工程技术设计与落地；研发工具链建设与推广；度量&大数据&AI技术。
华为8年，做过一线研发、部门负责人、软件工程专家，主导网络操作系统、终端EMUI等千人级研发团队的研发模式&工具的规划设计、落地实施。
蚂蚁集团3年，主导蚂蚁研发数字化建设（首创研发洞察体系）。
现就职于字节跳动，任研发效能资深架构师，负责公司级研发效能提升工作， 主要包括：效能度量体系的建设与推广（DevMind）、效能平台与实践的优化与推广、重点业务线效能提升。
《软件研发效能提升实践》联合作者。
擅长领域：高可靠性&分布式软件架构设计；研发项目&团队管理；研发模式&工程技术设计与落地；研发工具链建设与推广；度量&大数据&AI技术。
待定
待定
字节跳动 研发效能提升之道：标准化 → 数字化 → 智能化之路
以“效能黄金三角”（效能平台、效能度量、效能实践）为框架，系统性的分享字节跳动的研发效能提升实践。先从基建的角度，分享效能平台、实践、度量的演进路径与实施方案；再从应用的角度，分享研效基础设施在公司、业务线、团队、个人四个层面的具体实践和案例。既有宏观视角的专业方法与实施策略，又有微观视角的具体实践与实际案例，希望可以为大家呈现万人级公司的效能提升工作开展的全过程。最后，再分享在AI时代，研效工作的两大开展方向与思考。
内容大纲
1. 理念&方法：什么是研发效能？如何提升？
2. 实践与案例：
2.1 建设「效能基础设施」，平台 → 实践 → 度量
2.2 应用「效能基础设施」，分层分级提效
3. 未来与展望：平台工程、LLM X 研发效能
4. 原理与思考：组织级效能提升的困境与破局
听众收益
1. 了解万人级互联网企业的效能基础设施的建设方法与经验
2. 了解如何在万人级企业内，为不同规模的业务线、团队，规模化的开展效能提升实践
3. 了解字节跳动的研发效能领域在LLM方向的探索思路与经验
倪炎伟
华为 高级软件工程专家
华为软件工程团队高级软件工程专家，目前主要负责华为云软件工程能力的研究、规划、落地、评估与改进，综合提升华为云软件研发工程能力，包括研发质量、流程、效率、工具及标准规范等，确保华为云软件工程能力的持续演进，支撑业务高速发展。
待定
待定
基于第一性原理洞察AI如何助力研发效能提升
随着市场竞争的不断加剧，业界各个IT企业面临的更加严峻的挑战，此时各企业研发纷纷重视研发团队的研发效能，业界也纷纷推出各种研发效能度量平台和方法论，企图通过研发效能度量来提升团队研发效率。然而，影响研发效率的因素非常多，仅靠量化指标往往达不到预期目标。本专题试图从研发效率的本质出发，在业界当前技术发展水平的基础之上，精准定位研发效率存在的根本原因，然后结合大模型，给出智能化时代提升研发效率的最佳解决方案。
内容大纲
1. AI辅助研发效能之殇
1.1 AI辅助研发成果很丰富，结果...
1.2 说不清的效率提升
1.3 研发低效几个原因
2. 低效信息沟通
2.1 信息损耗
2.2 沟通者信息诉求
2.3 沟通者距离与群体规模
2.4 沟通目标及信息载体
3. 软件、软件信息与研发效率
3.1 世界第一款软件
3.2 软件发展史是一部提效史
3.3 面向对象与沟通效率
3.4 软件架构与沟通效率
3.5 项目管理与沟通效率
3.6 敏捷/DevOps与沟通效率
3.7 云计算与沟通效率
3.8 最佳实践与沟通效率
4. 研发效率提升之提升沟通效率
4.1 效率提升的一般方法
4.2 效率提升的下一步
4.3 企业研发协同与信息流
4.4 企业沟通现状
4.5 沟通效率提升之道法术器(4P)
5. AI如何通过改进沟通提升研发效率
5.1 从信息角度理解大模型
5.2 大模型从信息沟通角度如何帮助研发提效
5.3 大模型研发提效案例：漏洞修复
5.4 大模型研发提效案例：数字化管理
内容大纲
1. AI辅助研发效能之殇
1.1 AI辅助研发成果很丰富，结果...
1.2 说不清的效率提升
1.3 研发低效几个原因
2. 低效信息沟通
2.1 信息损耗
2.2 沟通者信息诉求
2.3 沟通者距离与群体规模
2.4 沟通目标及信息载体
3. 软件、软件信息与研发效率
3.1 世界第一款软件
3.2 软件发展史是一部提效史
3.3 面向对象与沟通效率
3.4 软件架构与沟通效率
3.5 项目管理与沟通效率
3.6 敏捷/DevOps与沟通效率
3.7 云计算与沟通效率
3.8 最佳实践与沟通效率
4. 研发效率提升之提升沟通效率
4.1 效率提升的一般方法
4.2 效率提升的下一步
4.3 企业研发协同与信息流
4.4 企业沟通现状
4.5 沟通效率提升之道法术器(4P)
5. AI如何通过改进沟通提升研发效率
5.1 从信息角度理解大模型
5.2 大模型从信息沟通角度如何帮助研发提效
5.3 大模型研发提效案例：漏洞修复
5.4 大模型研发提效案例：数字化管理
关注QECon公众号
关注QECon视频号
议题投稿
lijie@qecon.net
票务联系
159-0126-5561 小娟
媒体合作
135-1619-6409 皮皮
商务合作
151-2264-3988 木子
购票咨询
15901265561 小娟
