当前位置：网站首页>研发团队数字化转型实践

研发团队数字化转型实践

2022-08-01 22:56:00 【思码逸研发效能】

本文正文内容共计1711字，建议阅读时间：4分钟。

‍

阅读本文你将收获：

1、为什么要做研发数字化？

2、研发数字化的具体实践;

3、研发数字化面临哪些挑战?

‍

01 为什么要做研发数字化

‍

1.1组织与个人的关系

个体在组织中生命周期：试用期、在职期、离职解约期。

研发过程也具有启动阶段、规划阶段、执行&监控阶段、运营阶段的生命周期，如下图所示：

1.2不同的角色对于数据的需求

在工作场景中，团队 leader 常常面对一些这样的问题：“这个候选人是不是面霸？”、“张三和李四表现都不错，这次晋升应该给谁提名？”、“最近团队客诉很高，线上故障明显多了，是什么导致的？”等问题；员工个人则可能面对“我这一年到底成长没成长？”、“又到了年终总结，我今年做了多少个项目？支持了多少个需求上线”等问题。

可见，不同角色在工作场景中面对的问题也是不同的，对于数据也有着不同的需求侧重。

1.3 研发数字化的意义

研发数字化具有多个层面、多个维度的意义。

对于个体而言，成长更加可视；

对于团队而言，产出更加量化；

从过程看，研发过程更加透明；

从结果看，结果更加客观。

02 关于研发数字化的实践

2.1 第一步：找到关键 MOT

在研发过程中，我们可以从研发生命周期中整理出一些关键的 MOT（Moment of Truth），把这些 MOT 列出来，研发同学的数字感就可以很清晰。比如，上线需求次数、立项通过次数等都是关键的 MOT 点。

在人才发展的过程中，友好的面试、顺利的转正答辩、有很好的前辈传授经验、完成第一次汇报、晋升提名等等，这些关键点都会让人产生非常深刻的记忆，也就是关键的 MOT 点。

2.2 第二步：数字化管理

找到关键 MOT 点后，我们需要将其进一步扩展。我们需要将这些指标进行量化，定义指标、明确哪些指标可以量化，进行数字化的目标管理。

下图是研发过程的数字化矩阵，横轴是价值流中的一系列关键 MOT 点，纵向是总结出的几个度量维度。建议在每一个横向或纵向都找到2-3个北极星指标，作为关键的数据抓手。

下图则是人才发展的数字化矩阵：从试用期到正式期再到离职期，在个人成长、工程产出、学习与影响力等方面，也可以进行量化。

2.3 第三步：建设效能度量平台

在之前梳理的基础上，为研发团队提供一站式的软件工程数据分析平台，助力效能提升。

团队中各个角色的需求不同，平台也能够提供不同的数据视图：

管理者要全面洞察研发过程与成果，有效提升企业生产力；
研发经理要持续追踪技术债堆积与工程师表现；
产品经理/项目经理要充分理解团队工作步调，敏锐洞察盲点与瓶颈；
工程师要保质保量实现需求，个人提升与团队进化并肩。

2.4 第四步：问题诊断

度量不是终点，而是发现问题的起点。

数据规模化，确立数据行进模式

伴随企业增长，产研数据趋势相对稳定，形成可追踪监控的行进模式；结合历史数据去评估研发状态是否异常，趋势方差外的偏值可作为问题线索。

基于数据进行趋势预警

项目/迭代：进度趋势预警

需求/缺陷：累计爆发预警

人力/资源：负荷闲忙预警

2.5第五步：辅助决策

运用好数据，才让度量数据起到辅助决策的作用。

在识别出需要额外关注的关键点后，我们需要告知相关 leader 其负责团队/项目的当前水平、较优秀的实践和待改善部分，辅助其做出决策。

03 研发数字化的挑战

3.1 目标与标准的设定

研发数字化与绩效的挂钩是一把双刃剑，一方面管理者可以以更客观量化的方式去评估团队，但确实会与一线研发人员形成博弈，造成工具失效。

此外，每个团队的特征和阶段是不同的，必然需要不同的度量标准，组织可以给定一个基线，由团队结合实际目标去决策具体标准。

最后很重要的一点：度量不是终点，不要为了度量而度量。因为使用工具研发复杂性反而上升了，得不偿失。

3.2 运营与推广

在数字化平台的实现过程中，我们遇到了以下四个问题：

数据不全：工具不统一、部分团队不填数据、不愿意填数据，导致数据失真
数据不准：乱填数据
数据泛滥：数字堆砌，不知道如何应用数据
数据不关注：排行榜 + 绩效

要解决这些问题，首先需要明确数字化建设必然会面对阻力，因此管理者必须足够重视，自上而下去推动，并明确数字化是为了帮助团队更好地自我认知，打消团队顾虑；团队之间必须达成共识，拉齐标准。其次，管理者要抓大放小，集中资源去提升几个北极星指标，以速赢去争取团队的更多支持。最后，团队级别的排行榜能提高团队 leader 对数据的关注度，让一线团队获益并认可，数字化才能自发继续推进。