最近和同事针对分中心要求的研发测试过程所能度量的指标进行了讨论，借着72小时定律输出下对测试度量的思考，和大家一起探讨下
度量是对产品研发过程、产品质量进行相关数据收集并分析的持续量化过程，目的是为了优化过程，提高质量，促进项目成功；
按照质量改进的模型来拆分下度量过程：定义度量指标-》收集指标数据-》分析数据-》改进-》控制
1、定义度量指标、数据收集
按当前所在项目的度量对象来区分：
产品质量，以产品属性、要求为对象来度量；比如：故障率、结果产出
根据当前所在项目的测试交付阶段来细分，以迭代为周期收集
测试交付阶段
度量指标
数据收集
数据评测
敏捷特性交付
测试设计条目数
自动收集
日均产出
测试自动化脚本数
自动收集
增长率
集成测试故障单
自动化收集
日均产出数
特性故障泄露率
手工收集
降低率
敏捷验收交付
验收特性个数
自动收集
增长率
验收测试故障个数
自动收集
增长率
验收偏移率
手工收集
降低率
系统测试交付
系统测试故障个数
自动收集
日均产出数
测试需求覆盖数
手工收集
增长率
版本故障泄露率
手工收集
降低率
测试管理，以测试本身为对象来度量，比如：按时交付率、交付周期
同样以当前所在项目的测试交付阶段来细分，以迭代为周期收集
测试交付阶段
度量指标
数据收集
数据评测
特性测试交付
特性全Feature Done占比
手工收集
增长率
敏捷验收交付
验收交付周期
自动收集
减少时长
系统测试交付
整版本测试交付周期
自动收集
减少时长
2、数据分析
采集的度量数据，通过一定的指标来判断数据的合理性，以此推断出交付成果、测试质量、测试完整性、测试效率等
当前项目暂时还没有对每项的严格的量化指标；主要是以迭代为单位对比判断指标的合理性；比如：
交付成果：同等人力情况下，迭代的交付成果（测试设计、自动化数、故障数）情况，提升or下降
测试质量：测试设计命中故障率、需求发现故障数……
测试完整性：测试覆盖需求的百分比等
测试效率：同等任务量情况下，版本交付周期变化情况
3、改进+控制
分析后的数据形成相关的报告，和迭代复盘结合完成相关的改进；对应各项的异常数据指标，开会讨论出改进举措；定期跟踪、落地闭环
谢谢你能坚持看到这啊，每一份在看都是鼓励
