越來越多的企業開始重視組織中臺的建設，而效能又是未來數年內企業不得不面臨的難題：如何評價組織的績效？如何對比技能的差距？如何衡量協同的效率？如何遠程化地跟蹤日常進度？

研發效能數據中臺，將是未來技術組織重要的數據資產，用于快速盤點現狀、趨勢、目標差距并共享基于數據的共識。本文總結近年來構建研發效能數據平臺的實踐思想，以供參考。

01 研發效能數據中臺的定義？與DevOps平臺有何不同？

眼下，眾多與研發相關的平臺都被冠以“效能平臺”，包括項目管理類、研發管理類、測試集成類、構建部署類……也有一些全包含的大而全的“研發效能”平臺，以阿里云DevOps企業研發效能整體架構圖為例：

效能的定義到底是什么？我們看看管理效能：管理效率、效果、效益的綜合反映；工業中的能效管理：對用能系統的采集、顯示、分析、診斷、控制和優化管理。效能，是作為某種結果的衡量尺度。而以上眾多的“研發效能平臺”，更準確地說，是研發基礎設施平臺

DevOps平臺是持續集成、持續測試面向持續部署的延伸，它意在平滑開發面向生產部署的環節，縮短部署前置時間，也并非衡量研發產出結果的”效能平臺“。

02 搭建研發效能數據中臺，需要解決哪些挑戰？

當技術組織有了“衡量尺度”的需求時，效能平臺就應運而生。但是，每個團隊、產品都有其特點，很難用統一的評價標準說服團隊接受。以持續集成成熟度為例，自動化測試評分一項，打出來后就有很多團隊表示“不服”：

• 比如有的團隊說，我們的測試執行時長是高了些，但那是因為我們測試做的充分，測試覆蓋率高啊，能和那些只有少量自動化測試的團隊比？
• 還有的團隊說，我們的測試失敗率是很高，但是我們是掛在流水線上跑的啊，如果我們也像別的團隊一樣，每次檢查就先在本地跑通了再掛上去，為了評分而測試有意義嗎？

對效能本身而言，應用開發型團隊，和數據類團隊也不一樣。應用開發追求的是盡可能及時、快速地發布上線，而數據類團隊需要對上下游進行精細的接口設計、驗證和業務確認，重在數據的準確性和可靠性，如都采用流動效率進行評估，數據類團隊在效率上就比較吃虧。

這些問題就在于衡量尺度，即評價標準的不充分。背后的思想是，到底要做中臺服務化，還是中臺管控化？

服務化，就是向使用者提供服務，甚至由消費者驅動，中臺響應支持。

管控化，就是向使用者透明規則，使其遵循要求，否則就無法使用。

而作為數據中臺，應該如何作出技術決策？一種好的技術思想就是分層。

03 設計研發效能數據中臺的策略

分層策略幫助你將基礎數據、分析模型與評估決策分開：

• 基礎數據層：中臺管控為主，展開頂層設計，形成一系列定性與定量的描述。確保對現有研發過程、結果、工具鏈的采集完整性與及時性。
• 分析模型層：采用標準的統計分析算法對原始數據進行處理，然后形成效能分析的維度指標與模型。
• 評估決策層：中臺服務為主，與各技術團隊充分討論評估的標準、細節，并根據使用的反饋，持續地迭代這些決策支持功能。

制定了設計思路之后，就可以對平臺架構及核心流程進行整體設計，以下是我們的產品參考。

04 什么是模型？如何設計出一個好的效能模型？

何為模型？在傳統的數據庫設計領域，模型通常指的是對客觀世界實體的一系列屬性關系的描述，在數據中臺時代，概念比較容易被混淆。

統計學上的模型，是指使用圖表、文字、數字、符號，以及數學表達式等對客觀現象的描述。對數據中臺而言，模型可特指對一個具體問題解決時，反映自變量與因變量之間的關系的程序算法實現。

比如說，代碼提交量、提交頻率與部署頻率之間是否有某種關聯？

部署頻率與客戶滿意度之間又是否存在著某種關聯？

代碼質量的好壞與團隊穩定性是否存在著神秘聯系？這都是“模型”可以回答的問題。

我們的建議是：在一開始，完全基于數據而非某種管理思想進行模型設計。

一個“好”的模型，僅需要從數據上回答其關聯影響程度，并基于更廣泛的數據進行驗證即可。

這種設計方法的好處是，可以在數據中臺的設計期間，規避不同管理模式、思維的沖突，快速交付。

其次，模型只聚焦于描述數據變量間的關系，符合單一職責和組件化設計思想，在上層可進行更多的組合和封裝。

這個思路和基于范式的數據庫設計異曲同工。在一開始，你只需要考慮范式要求，如果試圖用一張表解決某個具體的應用場景的所有問題，你將會得到一張又大又丑陋又不實用的表，模型也一樣，一開始就試圖解決所有的效能問題，你也將得到一個又大又丑陋又不實用的模型。

05 持續迭代和演進組織的決策思想

任何解決方案和決策都是基于某種場景和目的。首次發布的決策支持，可能過半年就不再適用，這會讓管理人員、質量分析人員泄氣：效能數據中臺到底有什么用？

和自動化測試一樣，并非寫一套測試然后就一勞永逸，指望它能自動化地測試未來所有的版本。

數據，帶給我們的是一種思想，我們需要掌握這門未來的武器。

在未來，我們會越來越需要在不確定的情況下，作出有效的選擇。數據可以幫助我們發現事實依據，使選擇更有說服力。

在未來，組織會變得越來越復雜，我們日常的工作，可能僅能接觸到冰山一角。數據可以幫助我們快速縱覽全貌，避開主觀偏誤。

在未來，市場的響應可能會越來越快，與其進行流程的等待，數據與模型，能夠更及時地輔助系統主動響應，幫助我們更靈敏地應對變化。

未來唯一確定的，就是不確定性。

在不確定性的世界里，數據，可以讓我們做得更好，也變得更好。

免責聲明：文中阿里云效能平臺圖片來自于阿里云網絡公開資料，版權與著作權歸屬于原作者所有，如有侵權，請聯系后臺進行刪除。

#專欄作家#

陳加興，微信公眾號：加興曰，人人都是產品經理專欄作家。場量科技創始人，資深敏捷精益專家，精益企業認證產品概念領導者。

本文原創發布于人人都是產品經理。未經許可，禁止轉載

題圖來自Unsplash，基于CC0協議