0、引言
“效率”作为得物技术部的关键词之一,大家在研发效能、会议效率、协作效率、办公效率等方面一直进行着持续地探索。在实际落地的过程中,为了更好地评估应用效果,往往需要将定性描述转换为可量化的数据指标。这些数据指标可以帮助我们了解研发过程中的变化和趋势。但是你真的能“读懂”这一堆冷冰冰的数字吗? 在看到这些数据指标时,我们往往很容易陷入一个误区:只关注具体的数字,而忽视了数据采集和分析解读的过程。这意味着即使我们对这些指标进行了定期监控,我们仍然不能真正了解研发过程中的状况和障碍。 因此,如何正确地解读这些数据指标变得尤为重要。为了有效解读数据,我们需要了解数据来源和分析过程,以及数据指标与业务实际情况之间的关系。只有这样,我们才能更好地理解我们所面临的问题和挑战,并且采取适当的措施来加以解决。
1、研发数据从哪里来
第一阶段:人肉统计
当我们从0到1定义一个新流程、新数据指标时,通常是处于探索验证的阶段,这个时候通常不会耗费过多人力来搭建线上化的系统,导致数据采集的过程十分痛苦,文档、表格、甚至群聊等五花八门的数据来源,不少同学应该有亲身体会。
第二阶段:分散、未经处理的系统数据
技术部全链路的研发过程数据往往分散在多个内部系统中,当你需要分析某个数据的时候,可能会涉及到不同系统之间的交互,而各个系统由于数据维度、统计口径的不同,必须先梳理清楚数据背后对应的逻辑,其次再进行数据清洗、关联业务线/部门等统计维度,最终形成可用的数据源。除此之外,一旦涉及到某个系统的改造/数据加工,想要获取到可用的数据更是难上加难。
第三阶段:流程不规范,导致数据不可用
这是系统建设中最常见的问题,由于系统沉淀的数据强依赖用户操作,如果在流程中没有规范化的操作方法及卡点管控,就有可能造成数据不可用。最典型的例子就是项目管理软件中需求/任务的状态流转,会出现任务长时间处于未开始状态、长时间滞留在进行中、任务完成但是消耗的工时为0等各种异常场景。
第四阶段:成熟阶段
工具一体化,流程规范化,数据标准化。效能度量和项目管理人士心驰神往的阶段,这个阶段要流程有流程、要系统有系统、要数据有数据,无需耗费大量

最低0.47元/天 解锁文章
159

被折叠的 条评论
为什么被折叠?



