曙海教學優勢
曙海培訓的課程培養了大批受企業歡迎的工程師。大批企業和曙海
建立了良好的合作關系。曙海培訓的課程在業內有著響亮的知名度。
本課程，秉承二十一年積累的教學品質，以項目實現為導向,老師將會與您分享設計的全流程以及工具的綜合使用經驗、技巧。
??課程內容：
o?利用SEAi需求分析法形成需求層次與框架
§?簡單識別場景Scenario
§?簡單識別實體Entity
§?簡單識別行為 Action（Api）
·?練習：建立一個一人年需求的場景S-實體E-行為A層次
o?基于需求規模
§?基于SEAi需求框架自動計算功能點（Function?Point）
·?早期規模估算：功能點FP?= 實體*35
·?迭代規模估算：功能點FP?= 行為*5.4
·?練習：針對上述需求建立軟件功能點規模（用于以下的效能分分析）
o?需求質量的量化評價
§?場景描述模糊詞率 = 模糊詞文字數 / 需求文字數（此數據應清零）
§?實體行為比例 = 實體數：實體數 = 1:6.5（需求分析結束時應介于1:5~6.5之間）
§?實例化率 = 行為數：需求實例數 = 1:6.5（需求分析結束時應介于1:5~6.5之間）
o?需求實例化（概述，在測試部分展開）
o?建立需求完成標準（開發準入標準）
§?DOR（Definition?Of?Ready）需求就緒并可進行排期、開發的標準
??課程內容：
o?單元測試
§?單元測試方法及其工作量
o?靜態代碼掃描
§?編碼規范與代碼審查
§?Sonar問題（語法問題）
·?如何降低Sonar遺留問題
·?已有項目的Sonar問題清理策略
§?MEI問題（MEI=維護擴展指數）
·?現場演示：使用AdaCode分析和改善維護擴展問題
·?如何提升維護擴展性
o?基于代碼的測試覆蓋率
§?代碼覆蓋率與分支覆蓋率
§?如何提升改嗎的測試覆蓋率
o?代碼質量的量化評價
§?靜態問題率 = 靜態問題數 / KLOC（盡量清零）
§?維護擴展指數?MEI?> 90（由工具自動掃描，重構項目），
§?代碼覆蓋率 ≈?90%
§?分支覆蓋率 ≈?70%
o?建立編碼完成標準（測試準入標準）
??課程內容
o?用戶故事地圖
§?最初的用戶故事地圖
§?用戶故事地圖2.0
§?使用SEAi的用戶故事地圖
§?使用兩種策略建立最小可用產品
§?使用用戶故事地圖同步開發與測試對交付功能的認知
o?開發與測試的看板協同
§?開發-測試協同看板
§?跨團隊依賴的跟蹤
o?識別需求實例 Instance?（驗收測試用例）
§?練習：使用Entity-Action-Instance建立測試用例框架
o?測試過程的量化管理
§?接口測試覆蓋率 = 已測接口 / 總接口 = 100%
§?功能點測試覆蓋密度 = 測試用例數 TC / 功能點規模 FP?= 1.2TC/FP（國際數據）
·?樸素的測試覆蓋密度管理
§?功能點測試缺陷密度 = 測試缺陷數 TD?/ 功能點規模 FP?= 0.24TD/FP（中國2021數據）
o?常見自動化測試
§?接口測試
§?界面測試
o?自動化測試核心度量
§?自動化測試代碼的效率 = 測試代碼 / 測試用例數 ≈?3.4~5 LLOC/ATC
§?自動化測試生產率 ?= 自動化測試用例ATC?/ ?測試人天TMD
·?閾值：7 ATC?/ 測試人天 TMD（全年統計）
??課程內容
o?從敏捷開發到敏捷業務
§?以最小可用產品MVP代替Sprint?Backlog
§?以DevOpsBan代替普通Kanban
§?以DevOps的可變周期迭代（適應MVP的可變規模）代替Scrum的固定周期
o?CI持續集成
§?持續集成流程與工具
§?為何持續集成可以提升生產率與質量？
o?CD持續發布
§?灰度發布
§?為何灰度發布可以降低質量成本？
o?DevOps核心度量
§?開發周期 = 需求自進入開發到完成開發的周期
§?需求交付周期 = 需求自提出到交付的周期
§?缺陷響應周期 = 缺陷自提出到交付的周期
?
??課程內容：
o?REPMM鏈條
§?R需求分析（量化規模）
§?E估算
§?P計劃
§?M跟蹤與控制
§?M度量分析
o?Benchmarking方法
§?基本概念
§?公開的度量數值P10~P90
??課程內容
o?度量的2個時機
o?選擇不可控因素為標準度量項
o?Dev研發效能五大開發度量指標（FP=功能點數）
§?生產率 =?FP/人天
§?編碼消耗率 =?邏輯代碼行 /?FP
§?測試用例密度 =?測試用例數 /?FP
§?測試缺陷密度 =?測試缺陷數 /?FP
§?發布缺陷密度 =?發布缺陷數 /?FP
o?Ops運維效能三大發布度量指標
§?開發周期（保健因素）
§?需求交付周期（保健因素）
§?缺陷修復時間（激勵因素）
o?基礎度量數據的定義與采集方法
§?功能點數
§?人天數計算方法
§?測試用例計數方法
§?測試缺陷計數方法
§?發布缺陷數計數方法
§?練習：聯系隔壁團隊，使用課上提到的方法，獲取其產品當前的全套數據。
§?演示1：在AdaPPM中建立Benchmarking基線，并與行業數據進行對比
§?演示2：在AdaPPM中分析Benchmarking基線的走向
§?對數據標準化以便進行橫向對比（練習見后）
??課程內容
o?橫向對比
§?利用“應用功能點”及派生度量項建立團隊基線
§?演示1：在AdaPPM中對比組織內部項目的五大指標排名
§?演示2：在AdaPPM中對比項目 pk?業界的五大指標
o?縱向跟蹤（統計過程控制）
§?利用“開發功能點”及派生度量項建立統計過程控制
§?演示1：在AdaPPM中監控各項指標穿越P25/P75的情況
??從相關性到因果性
o?練習1：在Excel中進行求解兩組數據的相關系數
o?演示1：在AdaPPM中進行相關性分析
??何為根因
??可落地的解決方案
o?可理解，可實行，可落地
??已經過量化驗證的解決方案
o?架構對生產率與測試缺陷密度的影響
o?代碼維護擴展指數對生產率的影響
o?代碼維護擴展指數對測試缺陷密度的影響
??課程內容：
o?需求活動
§?使用SEAi防止需求遺漏造成返工
§?使用需求實例防止需求缺陷
o?計劃與跟蹤活動
§?使用最恰當的進度計劃來獲取最高生產率
§?跟蹤與控制數據以提前發現問題
§?跟蹤“監督項”以防止債務
o?編碼活動
§?清除靜態問題以防范缺陷
§?提升MEI代碼擴展指數以提升生產率
§?提升MEI代碼擴展指數以提升質量
o?編碼活動
§?清除靜態問題以防范缺陷
§?提升MEI代碼擴展指數以提升生產率
§?提升MEI代碼擴展指數以提升質量
o?測試活動（自動化測試+持續集成）
§?縮短反饋時間
§?公開的度量數值P10~P90
o?案例
§?團隊級：3個月缺陷密度從0.27降低到0.041
§?組織級：1個月缺陷密度降低1/3
§?大型團隊重構：6個月MEI從70提升到85~96，缺陷密度降低50%
??課程內容：
o?建設CI/CD?DevOps生產線
o?依靠SEAi需求分析法降低MVP最小可用產品的規模
o?案例
§?利用無代碼測試系統將自動化測試/CI/CD周期降低一半
