查看原文
其他

质量运营在美团点评智能支付业务测试中的初步实践

勋伟 美团技术团队 2019-04-21


总第244篇

2018年 第36篇

背景

毋庸置疑,质量是决定产品能否成功、企业能否持续发展的关键因素之一。对于“质量时代”下的互联网企业,如何在快速迭代的节奏中兼顾质量,真正落地“人人重视质量、人人创造质量、人人享受质量”,这是对QA的要求,也是整个产品技术团队面临的重要挑战。

质量运营,是将运营的思路注入到质量评估与改进工作中,它着眼于产品的全生命周期,以质量为中心,以数据为驱动,通过建设持续迭代的质量保障体系,最终提升交付质量。本文将聚焦研发过程中的提测阶段,以改进提测质量为例,从方案制定、策略应用、效果评估等几个方面,介绍质量运营在智能支付业务中的初步应用。

挑战

美团点评智能支付承担了整个公司所有线下交易,当前日交易量已经突破1000万单,是公司继外卖和摩拜之后,又一个千万级日订单的业务。业务高速增长、团队快速扩张的情况下,质量问题极易被放大化,如果不能及时得到处理,后续解决成本会越来越高。

存在的痛点

刚参与智能支付业务测试时遇到的几个问题,如下:

  1. 缺陷严重级别高,提测打回时常发生  
    如:核心功能未实现或实现与需求不符。

  2. 缺陷数量多,定位、修复、回归耗时长  
    如:越在上游引入的缺陷,修复的成本就越高,潜在的风险也越大。

  3. 各类低级缺陷,团队彼此间的信任度降低  
    如:文案错误、变量引用错误等编码大意导致的低级缺陷。

解决的难点

在尝试去改善时发现难以推动的几个问题,如下:

  1. 对暴露出的质量问题,如何更直观的在认知上达成一致?  
    如:收到过很多类似的问题反馈:“xx的缺陷太多了,质量意识差”、“xx项目存在很大问题,需要尽快改进”,即使是基于事实得出的判断,这种偏主观的表达方式,对问题达成一致的认知带来很大的困难。

  2. 对已公认的质量问题,如何更快速的进行分析和定位?  
    如:缺陷发生在测试阶段,但缺陷的引入可能是在需求阶段、设计阶段、开发阶段;某个时间段内的异常质量数据,可能是A项目或B项目,可能是C团队或D团队。问题类型细分、数据钻取能力等等,在问题的快速分析和定位中至关重要。

  3. 对已定位的质量问题,如何找到可以落地的改进措施?  
    如:项目总结中常常会见到类似这样的描述:“加强自测”、“严格遵守项目流程”、“文档需要写的更详细些”,这种偏“形容词”的改进措施,很难实际操作,这也是整个质量改进过程中最大的一个难点。

思路

质量改进是一个持续迭代的过程,不可急于求成。按照质量运营的方法,基本思路为:分析痛点,找到抓手,持续运营,形成闭环。    基于提测阶段的质量问题特征,从痛点和难点中寻找突破点。大致思路为:

  1. 目标应达成一致:质量改进的目标是QA的KPI,并应该与关键干系人在愿景、目标上达成一致。

  2. 问题的客观呈现:提取核心度量指标,通过有效数据和典型案例说话。

  3. 数据的灵活钻取:尽可能全的提供各种维度的数据,并分层级展示。

  4. 改进措施可落地:对措施的多方Review、流程标准化到工具化的演进。

解决方案

解决方案的重中之重,是务必遵循PDCA来实现运转方式的闭环。具体如下:

确定问题与方向

通过痛点描述可知,缺陷是反映智能支付业务当前提测质量的最显著特征。提测质量的进一步分析,可通过缺陷的数量、缺陷的严重程度、缺陷的生成原因三个方向来展开。

缺陷数量


缺陷数量具体说明
缺陷总数指定统计规则下缺陷的数量,仅包含项目过程中提交的缺陷

缺陷的严重程度

严重级别具体说明使用范围
致命-Blocker影响核心功能的缺陷缺陷导致核心业务流程不可用,或产生较大影响
严重-Critical造成较大影响的功能性缺陷缺陷导致核心业务流程受影响,或导致非核心业务流程不可用
一般-Major影响较小的功能性缺陷缺陷导致非核心业务流程受影响,或导致用户体验类的问题
提示-Minor非功能性缺陷如:不影响正常功能的UI错误、无重大歧义的提示错误等
建议-Trivial优化建议非严格意义上的缺陷,一些可优化的点

缺陷的生成原因

生成原因具体说明
实现与文档不符RD实现与需求文档描述不一致
需求缺陷需求文档中缺少相应描述;需求变更
技术方案考虑不足前后端接口定义不一致;对边界、异常场景考虑不全等
环境问题被测服务不稳定;服务器或测试设备配置等引起的问题
第三方依赖依赖的外部系统引入的问题,如用户中心等
兼容性不同设备上出现的功能或展示异常类的问题
性能问题服务端性能:响应时间过长、CPU过高、GC频繁、没有分页、没有缓存等;
客户端功耗:包大小、冷启动时间、流量、内存泄漏OOM、加载时间、耗电量
安全问题XSS注入,SQL注入等
Bugfix引入由于修改Bug引入的缺陷
不是缺陷无效Bug;不能复现

度量指标及标准

针对缺陷的三个分析方向,提取出可度量的指标、定义合理的标准值,并与整个团队达成一致。

指标提取策略

  1. 典型性

  • 找最想要解决的问题。不追求全面,只针对Top问题提取指标,如:生成原因里最应该避免的是哪些。    

  • 找最能反映问题的指标。如:缺陷数量有众多度量指标(新增数量、人均数量等等),为排除工作量影响,我们选择用千行代码缺陷率这个指标。

  • 有效性

    • 除非对绝对数量有明确要求,否则尽量使用百分比作为度量指标。

    • 指标数据的计算方式,要求简单易懂,并务必得到相关人的认可。

    标准制定策略

    1. 基于公司统一要求  
      如:Sonar千行代码严重问题数,统一标准为低于0.1。

    2. 基于公司各业务现状  
      如:缺陷相关指标按照公司各业务部门排行,取Top5的值作为标准线。

    3. 基于自身业务阶段持续调整  
      如:随着智能支付业务质量的持续改进,定义更严格的质量标准。

    最终定义的指标与标准

    度量指标指标说明标准值
    千行代码缺陷率(缺陷总数/代码行数)* 1000移动端:< 0.45
    前端:< 0.2
    后端:<  0.15
    Sonar千行代码严重问题数(Sonar严重问题数/代码行数)* 1000Blocker:0
    总数:< 0.1
    严重缺陷占比严重缺陷总数/缺陷总数< 3.5%
    需求缺陷占比需求缺陷总数/缺陷总数< 10%
    实现与文档不符缺陷占比实现与文档不符缺陷总数/缺陷总数< 10%

    获取数据并展示

    基于Metrics(美团点评工程质量中心提供的度量平台),能够快速的获取数据并展示。但要注意,部分指标的计算需要对Metrics提供的数据进行二次处理,以保证数据的精准性。如:在计算千行代码缺陷率时,需要排除掉开发自测缺陷等。

    对于数据的展示形式,除了利用Metrics提供的各种图表外,最为关键的是要实现数据与问题(相关缺陷)的可关联,以便进行下一步分析。如下图所示(通过超链接方式进行关联):

    制定计划并改进

    改进措施的制定和实施是整个质量改进过程中的重中之重。基于经验,给出三个策略。

    自上而下与自下而上相结合

    • 自上而下:通过有效数据、典型案例,建设可信任的结果评估体系;以此为基础,利用每一个问题数据,在Leader层强化质量意识,借鉴向上管理的思路,实现质量改进的向下驱动。

    • 自下而上:通过案例复盘、数据钻取,对问题进行明确定位,让问题方基于工具即可将问题下沉到具体项目或具体角色,进而推进可落地的过程改进,并持续利用结果评估体系衡量改进效果,实现质量改进的向上闭环。

    多维度的数据聚合与分析相结合

    • 周维度数据聚合:对周数据中的异常进行分析,并排除掉因周期偏短导致的数据噪点,重在对问题进行风险预警。

    • 月维度数据聚合:对月数据中的异常进行分析,并结合数据的变化趋势,重在对问题进行确认和改进。周维度和月维度相结合,构成了质量管理中的问题发现与改进周期。

    • 季度维度数据聚合:对季度数据的分析,重在得出对质量目标的完成度并给出质量评分,并对过程中的问题进行回顾和总结,构成了质量管理中的考核周期。

    流程的标准化与工具化相结合

    • 在改进提测质量的初期阶段,对于流程的优化经常出现在各个项目总结的改进措施中,但大多是通过意识、模板或者口头提醒来实现,这无疑增加了流程的接入成本、执行难度,进而降低了流程的约束力。

    • 借鉴在制造业中常见的一种解决思路——“防呆措施”,在流程标准化之后,应尽可能将其工具化,提升流程的生命力。

    • 防呆措施的目的之一是防止不符合流程的产出物交付到下游。

    • 将防呆措施应用到提测流程,即应实现各项准入标准的自动化检查,类似如下提测时校验:

    回顾与反馈

    主要从时间维度、项目维度两方面开展。

    1. 各类周会、双周会、季度总结,对质量数据进行Review。

    2. 项目维度  
      重在项目复盘。复盘可以看成PDCA环和环之间的连接,有了它,PDCA才能环环相扣、周而复始。

    迭代与推广

    若改善有效,则进行推广。若改善无效,则分析原因,修改计划,重新启动另一轮PDCA。

    1. 指标与标准的持续迭代  
      如:过程中对Sonar千行严重问题数的标准由0.1提升到0。

    2. 度量模型与方法工具的推广  
      如:质量报表、Sonar在PR时触发检查不通过不允许Merge、提测准入自动化等等在其他业务的推广。

    效果

    对于效果的评估,主要从三方面进行说明。

    1. 质量数据的关注度

    2. 质量指标的达成度

    3. 过程质量改进对迭代效率的提升效果

    质量数据关注度

    主要体现在团队各方对质量报表的使用率。以下三张图分别为:智能支付QA、智能支付RD、智能支付RD Leader对质量报表的使用率走势。

    对质量指标的达成情况进行说明,其中:初始值为16年Q4的情况。

    质量指标达成度

    度量指标初始值标准值目标完成度
    千行代码缺陷率移动端:0.7
    前端:0.25
    后端:0.3
    移动端:< 0.45
    前端:< 0.2
    后端:< 0.15
    整体达标,但存在个别方向缺陷率较高
    Sonar千行代码严重问题数Blocker > 0
    总数:0.2
    Blocker:0
    总数:< 0.1
    达标
    严重缺陷占比14%左右< 3.5%达标
    需求缺陷占比18%左右< 10%达标
    实现与文档不符缺陷占比< 10%< 10%达标,但有升高趋势,接近标准值

    近几个Q的变化趋势,如下:

    迭代效率提升效果

    以客户端方向为例(之前过程质量存在较严重的问题),说明过程质量改进对迭代效率的提升效果。

    总结

    经过一段时间的摸索和实践,我们在提测质量上有了较明显的提升,过程中积累的方法、流程和工具也在推广使用。但提测质量只是全生命周期质量运营的一小部分,对于高速发展的智能支付业务,不仅要求整个质量保证体系的迭代优化,更要求全体成员不断提升质量思维、持续追求极致质量,进而形成一种质量文化,真正实现“人人重视质量、人人创造质量、人人享受质量”。

    作者简介

    勋伟,美团点评高级测试开发工程师,金融服务平台智能支付业务测试负责人,2015年加入美团点评。

    ----------  END  ----------

    招聘信息


    如果你想学习互联网金融的技术体系,亲历互联网金融业务的爆发式增长,如果你想和我们一起,保证业务产品的高质量,欢迎加入美团金融工程质量组。有兴趣的同学可以发送简历到:fanxunwei#meituan.com。


    也许你还想看:


    美团点评智能支付核心交易系统的可用性实践

    DataMan:美团旅行数据质量监管平台实践



      您可能也对以下帖子感兴趣

      文章有问题?点此查看未经处理的缓存