聊聊研发效能治理方案的理论框架（上篇）

最近几年，国内业界越来越常提及“研发效能”这个词，追其根源大部分是始于“DevOps”运动的活跃。
知道 DevOps 发展历史的，基本都了解 DevOps 是受敏捷的影响，是敏捷原则在软件研发到运维运营层面的延伸。
很多云厂商在推广自己 DevOps 平台服务的时候，也会提及对“研发效能”的大幅度影响，比如 AWS 对 DevOps 的描述：

DevOps is the combination of cultural philosophies, practices, and tools that increases an organization’s ability to deliver applications and services at high velocity: evolving and improving products at a faster pace than organizations using traditional software development and infrastructure management processes. This speed enables organizations to better serve their customers and compete more effectively in the market.

那么，研发效能 == DevOps 吗？
答案自然是否定 。
研发效能 明显是“问题域”。
DevOps 是一种解决方案，且是一种已经被验证、非常成熟的、可以提升软件研发效能的解决方案。
但就像人感冒发烧一样，吃 A 药可以痊愈，吃 B 药也可以痊愈，打针也可以痊愈，甚至有时候发现吃药效果不理想，最后还是去打了针。
研发效能低，就像人感冒发烧一样，是个 “问题” 。DevOps, 是解决这个问题的一种 “药”。

因此，弄清楚了问题域和解空间的关系之后，我们来看看研发效能和它的解空间，并且主要聊一聊解空间（研发效能治理）。

1. 研发效能的定义

研发效能，即持续快速交付价值的能力。
将其拆解一下：研发效能 = 效率 + 质量+ 有效价值，还有这三项可重复和稳定发生的持续性。

展开来讲，就是

• 要在保证系统可靠性、不降低交付质量的情况下，尽量缩短从业务构想到功能上线的时间 （质量 + 效率）
• 从而使“最小化可行需求”能快速被验证，确保有效价值，减少浪费 （有效价值）
• 且整个过程效果可重复发生（持续性）

2. 研发效能的治理

有了定义之后，就来看看如何对研发效能进行治理。
根据市面上大部分公司的软件工程能力状况，针对研发效能治理，这里提炼了一条“研发效能治理成熟度模型”。

研发效能治理成熟度.png

从左至右，研发效能治理分为5个阶段，每个阶段也必须包含它左边所有阶段的成果。
举个例子：某IT部门采购了一个 DevOps 平台服务，但日常仅仅当做 CI/CD流水线 甚至是“发布工具”来使用，对效能治理没什么概念，这时候该IT部门的治理成熟度自然是低的，可能只在“度量和评估”的位置。

接着，展开来看看效能治理成熟度每一个阶段。

2.1. 度量和评估

管理学之父彼得德鲁克曾经说过：“如果你无法度量它，就无法管理它”。
对管理如此，对效能治理亦是如此。因此，度量和评估，对于研发效能的治理必不可少。

那么，再来看看为何把“度量和评估”放在治理的第一步呢：

• 首先，想要对研发效能进行治理，必须知道当前效能处于一个什么阶段，对现状有了度量评估和自我认知之后，才能明确之后治理的方向和力度。
• 同时，度量和评估模型在持续治理的过程中，可以阶段性地重复使用，用以呈现治理成果的效果和进行快速反馈。

因此，度量和评估，作为研发效能治理的第一步不可或缺。

接着，来看看如何做度量和评估？
从 “健康度指标” 和 “局部诊断性指标” 分两层来看。

健康度指标

首先，借鉴于DORA(DevOps研究和评估组织) 的2021年报告中的Four Key Metrics，将其作为研发效能的4个关键 健康度指标:

four key metrics.png

• 研发效率：
  • 部署频率
  • 前置时间（Lead time）
• 研发质量：
  • 故障恢复时间 （MTTR）
  • 部署失败率

特别注意：区别于 DevOps 只关注于“从代码提交到功能发布”这个区间的前置时间，研发效能中的“前置时间”延伸了覆盖范围 —— 从业务构想到功能发布，涉及研发运营的整个研发周期。
其他三项，与 DevOps 报告相同。

至于，研发效能中的有效价值，其与业务关系紧密，度量数据模型需要根据具体业务来设计，因此目前仅给予该项 健康度评估模型：

Measurement involves collecting factual information about the value of a deployed feature and evaluating it against the original hypothesis statement.
Rate your team's ability to collect objective information about the actual value realized by deployed features so that it can inform strategic financial decisions.
Sit (1-2): We don’t define or measure the value of Features.
Crawl (3-4): We’ve defined what "value" is but don’t know how to measure it.
Walk (5-6): We capture qualitative feedback from the business about the value of our Features.
Run (7-8): We capture qualitative and quantitative feedback from the business and our monitoring systems about the value of our features.
Fly (9-10): We aggregate the quantitative and qualitative feedback to objectively validate the original hypothesis and inform pivot-or-persevere decisions.

看到这里，是不是有点眼熟，如果原本预想的解决方案是 “DevOps一体化” 的话，加上有效价值的度量，是不是方案就要考虑"BizDevOps"?! 是不是仅仅一个DevOps的方案就不够匹配了？（重新再正视一下问题域和解空间的区别 :P）

局部诊断性指标

也许有人会觉得，对比下其他类型的度量和评估报告上繁多的指标量，上面这几个指标未免有些简陋。
比如，连常见的评估应用架构维度的指标都没有。
其实，应用架构指标是有的，但并不属于效能“健康度指标”，而是“局部诊断性指标”。

• 当发现健康度不理想，需要分析、定位和形成改进建议时，这时就要借助于局部诊断性指标。
• 当实施了改进建议，对局部指标进行了优化，最终效果又会传导到健康度指标上。
  如果局部指标改进了，但健康度未提升，这时可能需要回过头来分析和反思一下：是诊断和改进建议的问题，还是本身局部指标需要调整。

局部诊断性指标示例.png

有了这两层指标，整个研发效能的度量和评估模型才大体完整。
而在整个研发的过程中，可以常常阶段性的使用模型进行度量和评估一下，比如每次发布周期完成 或者 每次sprint完成的时候等等。
使用指标值的时候，也需要注意：指标值本身并不重要，重要的是通过数据驱动出洞见。而在持续改进的过程中，数据趋势比数据值更重要。

趋势图.png

个站原文
《下篇》讲接着聊剩下的4个成熟度阶段。