课程简介
课程聚焦在研发效能度量领域，通过对行业内相关方法框架、成功/失败案例的分析，结合讲师近期在大型公司中进行的集团级度量体系和平台建设的实践经验，总结出了一套被证明切实可行的、以度量为抓手洞察软件交付价值流的产出和瓶颈，有针对性地促进企业研发效能提升的体系和方法。分享中会涉及微软、Faceboook、百度、阿里、腾讯相关案例，并对某万人研发规模公司研发效能度量体系建设过程进行详细剖析，最后会给出经验总结和避坑指南，相信对听众系统性理解该领域、助力效能度量在各自公司的落地有较大帮助。
目标收益
理解研发效能度量体系化方法和业界实践，助力效能度量和改进在各自公司落地
培训对象
研发总监、PMO、项目经理、研发效能/工程效率改进人员、敏捷/DevOps实践者
课程大纲
| 研发效能度量的挑战和误区 |
1. 数字化时代对研发效能的挑战 * 没有度量就无法改进 2. 研发效能度量的误区 * 面向局部而非全局 * 面向过程而非结果 * KPI化，度量什么就会得到什么 |
| 业界研发效能度量案例 |
3. 某千亿市值公司研发效能度量失败案例 4. 业界主流大型公司研发效能度量的做法 * Facebook、微软的案例 * 百度、阿里、腾讯等公司的案例 * 某大型银行的案例 * 研发效能度量原则提炼 |
|
研发效能度量实战 ——某万人研发规模公司落地实施案例 |
5. 研发效能度量体系模型 * DevOps工具链网络 * 价值流交付模型 * 效能度量分析框架 6. 效能度量指标全景图 6.1 交付结果指标：目标是让结果【看得见】 * 度量类别：交付周期、流速度、流负载、流效率、质量 * 度量指标集：关键指标介绍 6.2 交付过程指标：目标是让过程【可改进】 * 度量类别：需求、开发、测试、发布、运维 * 度量指标集：重点指标介绍 6.3 业务结果指标：目标是让交付过程与业务结果【建立映射】 * 度量类别：收益、成本、NPS * 度量指标集：重点指标介绍 7. 研发效能度量平台建设 7.1 产品架构的演进 * 度量平台的产品架构图 * 从MVP到标准化，再到配置定制化的演进路线 7.2 技术架构的演进 * 度量平台的技术架构图 * 从定制化接口，到微代码自主接入的演讲路线 8. 研发效能洞察和提升案例分析 * 效能趋势图分析，效能改进投入决策点 * 效能逐层下钻分析，洞察团队交付瓶颈 * 效能部门分布分析，寻找需要改进的团队 * 流负载和流效率分析，寻找效能改进抓手 * 团队累积流图分析，寻找可能改进空间 * 跨研发领域综合分析，交付效率和技术债务的相互权衡 9. 经验总结，避坑指南 * 度量不是免费的，如何平衡成本与收益，通过自动化降低度量带来的额外成本 * 避免平均值陷阱，均值、中位数、85%分位数，以及各级下钻 * 不追求完美，迅速迭代，如何按场景适配 * 度量不是为了控制，而是驱动改进，如何避免指标失真 |
|
研发效能度量的挑战和误区 1. 数字化时代对研发效能的挑战 * 没有度量就无法改进 2. 研发效能度量的误区 * 面向局部而非全局 * 面向过程而非结果 * KPI化，度量什么就会得到什么 |
|
业界研发效能度量案例 3. 某千亿市值公司研发效能度量失败案例 4. 业界主流大型公司研发效能度量的做法 * Facebook、微软的案例 * 百度、阿里、腾讯等公司的案例 * 某大型银行的案例 * 研发效能度量原则提炼 |
|
研发效能度量实战 ——某万人研发规模公司落地实施案例 5. 研发效能度量体系模型 * DevOps工具链网络 * 价值流交付模型 * 效能度量分析框架 6. 效能度量指标全景图 6.1 交付结果指标：目标是让结果【看得见】 * 度量类别：交付周期、流速度、流负载、流效率、质量 * 度量指标集：关键指标介绍 6.2 交付过程指标：目标是让过程【可改进】 * 度量类别：需求、开发、测试、发布、运维 * 度量指标集：重点指标介绍 6.3 业务结果指标：目标是让交付过程与业务结果【建立映射】 * 度量类别：收益、成本、NPS * 度量指标集：重点指标介绍 7. 研发效能度量平台建设 7.1 产品架构的演进 * 度量平台的产品架构图 * 从MVP到标准化，再到配置定制化的演进路线 7.2 技术架构的演进 * 度量平台的技术架构图 * 从定制化接口，到微代码自主接入的演讲路线 8. 研发效能洞察和提升案例分析 * 效能趋势图分析，效能改进投入决策点 * 效能逐层下钻分析，洞察团队交付瓶颈 * 效能部门分布分析，寻找需要改进的团队 * 流负载和流效率分析，寻找效能改进抓手 * 团队累积流图分析，寻找可能改进空间 * 跨研发领域综合分析，交付效率和技术债务的相互权衡 9. 经验总结，避坑指南 * 度量不是免费的，如何平衡成本与收益，通过自动化降低度量带来的额外成本 * 避免平均值陷阱，均值、中位数、85%分位数，以及各级下钻 * 不追求完美，迅速迭代，如何按场景适配 * 度量不是为了控制，而是驱动改进，如何避免指标失真 |
近期公开课推荐
