PingCode Insight 正式发布，让研发效能可量化、可分析、可提升

子产品 Insight 的发布，标志着 PingCode 正式进入数据化时代。自此，PingCode 在自动化、数据化、智能化的道路上又迈出坚实一步。

在数字化的时代，研发效能已经成为一家 科技 公司的核心竞争力。

在软件研发领域，效能提升的方法论和实践一直在快速发展。比如，我们熟知的敏捷开发方法已经诞生了二十年，DevOps 也已经发展了十多年，在很多行业、很多企业都对其进行了引入和落地。

但是，我们经常遇到的一种现象是：

当一个组织/团队在消耗了大量的"变革"时间、花费了大量的人力和资金后，却无法有效回答一些看似非常基本的问题。比如：

“我们的研发效能到底怎么样？可否量化？”

“我们比所在行业平均水平如何？我们的研发能力跟同行相比更好还是更差？”

“研发效能的瓶颈点和问题是什么？”

“在采纳了敏捷或 DevOps 实践之后，有没有效果？有没有实质上的提升？”

“我们接下来提升的方向在哪？如何实现持续改进？”  

这就是为什么我们希望进行研发效能度量。

研发效能度量的目标是让效能可量化、可分析、可提升，通过数据驱动的方式更加理性地评估和持续改进，而不要总是凭直觉感性地说出“我觉得..."。 

研发效能度量的出发点虽然很好，但是如何正确度量却是一个有难度的技术活儿。

研发效能度量要成功落地需要一个相对完善的体系，其中包含数据采集、度量指标设计、度量模型构建等多个方面。而实际情况是，大家都面临着数据的采集过程复杂成本高、缺乏系统性的思考与设计、偏离了效能度量的正确方向等难题。

而今天，PingCode 效能度量子产品 Insight 正式发布。

自此，PingCode 将帮助企业构建自动采集研发全生命周期效能数据的能力、建立起效能度量和改进的 MARI 闭环，降低度量成本，以开箱即用的方式促进研发效能度量的成功落地。

01 构建自动采集   研发全生命周期效能数据的能力

团队在软件研发中会使用各种各样的工具，而这些工具之间往往相互割裂，造成原始效能数据分散。

所以团队如果要度量效能，就需要从系统中导出数据到 Excel 表格，然后进行各种筛选、关联、透视和加工，最终形成度量报表。

但这一过程不仅提高了度量成本，同时还可能由于大量的人工干预行为导致数据的失真。

PingCode 产品矩阵覆盖了研发管理全生命周期，子产品中产生的过程数据将会自动收集到 Insight 中，并加以提炼形成企业度量所需的各种实时数据报表。

 

同时 PingCode 还将提供 Marketplace 和 REST API，帮助研发团队把其他工具中的数据收集到 PingCode，这些数据将和 PingCode 自身产品中产生的数据加以汇总融合，从而提供更多维度的效能度量数据。

02 建立效能度量和改进的 MARI 闭环

2.1设计效能度量指标体系

整个研发管理链条中，本质上是两条工作流。

一条是管理侧以需求特性的全生命周期为核心的需求价值流，涵盖需求收集、规划、开发、测试到上线环节；

一条是工程侧以代码提交为线索的研发工作流，涵盖启动开发、开发中、开发完成、持续集成、持续部署到线上发布环节。

这就要求我们在效能度量的指标体系设计中，充分考虑这两条流之间信息的流转与状态的同步，从而设计出一套覆盖端到端交付的效能度量体系。

根据效能度量的目标，为了帮助企业/组织获得高效率、高质量的持续交付有效业务价值的能力，PingCode Insight 设计了如下三个效能度量指标体系：

交付效率：目标是促进端到端及早的交付，用最短的时间顺畅地交付用户价值；

交付质量：目标是促进端到端高质量交付，避免不必要的错误故障和返工；

交付能力：目标是建设卓越的工程能力，实现持续交付；

实现了端到端交付的效能度量体系的覆盖。

Insight 中非常丰富的度量报表：

2.2建立效能度量分析模型

效能度量分析模型是我们效能分析过程中，由于不同的项目类型或者是改进需求而产生的指标数据组合形式。

也就是说，我们可能有非常多的指标数据，但出于不同的分析目的，会选取的数据指标也不一样。比如燃尽图、速率图、标准差吞吐量、累积流程图、控制图、在制品限制图，几个指标组合在一起就是一个常用进度评估模型。

通过这个模型我们可以获取背景信息和上下文，知道任务何时完成，预测问题，对问题复盘与回顾。 

用户借助 PingCode Insight 可以非常便捷搭建和使用各种效能度量分析模型。 Insight 中的效能度量报表都以效能仪表盘的形式展示，每个团队都可以根据不同的分析需求来搭建分析模型，并将该仪表盘保存以达到开箱即用的效果。

同时在每个效能仪表盘上支持添加不同的指标分析，也可以针对每个效能仪表盘设定不同的可见性权限，以满足团队不同角色所关注的效能度量指标。

2.3回顾与改进

当通过上面建立的不同指标模型，分析诊断出问题后，将进入到MARI 闭环中最核心的一环——改进。

因为度量不能仅仅停留在数字层面，而是需要在层层深入挖掘出根本原因后，使度量带动思考和行动，建立持续改进的闭环。

大部分团队在这一阶段经常遇到的问题是：大家都知道了问题在哪，也制定了改进目标/措施，但并没有人员去负责监督改进的结果，最后只流于形式。

PingCode 的产品矩阵能够有效帮助企业实现效能改进的闭环管理：

Insight 实现效能的度量和分析；

得出的改进措施借助 PingCode Project 中的安排专人负责、跟踪进度，从而让每一个改进措施都有结果。

随着度量体系逐渐成熟，企业/效能委员会可能会把重心放到效能分析和效能提升的实践分享上来，从而在公司内发挥更大价值。在这一阶段 PingCode Wiki 能够帮助他们形成效能度量指导手册、效能提升案例库和专项解决方案知识库，沉淀过程资产，让效能的度量、改进和提升成为日常工作的一部分。

03 通过自 动化   流程规范化降低度量带来的额外成本

研发效能的度量不是免费的，为了做到准确、有效的度量，各种成本加在一起很高。

比如我们经常会去度量团队的需求交付周期及其在设计、开发、测试、部署等每个阶段的时间消耗和占比。这样一个看似简单的度量需求，其实背后要做很多事情。

度量的准确性依赖流程的规范性，需要明确研发流程、制定相应规范，并确保相关的活动都在系统中进行及时、完整的记录。

为了能在减少研发中各角色时间和精力投入的基础上，提升效能度量的准确性，我们可以借助PingCode 产品矩阵的能力加以实现。比如：

PingCode Flow 自动化的能力减少工程师繁琐的重复性和事务性手动操作，如在多个子产品之间进行状态更新同步等，从而自动完成状态的流转和信息的同步。

PingCode Project 、PingCode Testhub、PingCode Ship 搭建出一套标准化、规范化的研发工作流，并加以固化；

PingCode Wiki 制定和沉淀企业内的技术规范和流程制度；

通过自动化的状态流转以及标准化的工作流搭建，系统中研发过程数据得以更为准确的记录，也在较低成本的情况下给度量提供了有效的研发基础数据。