通过可视化数据分析提升测试质量

某位高人曾说过：日复一日地重复着既有的测试，然后被类似的Bug折磨得无可奈何，不如稍作停顿，分析总结找到Bug的源头，以除之。本篇文章我们就来聊聊如何通过可视化的数据进行分析，进而提升测试质量。

为了让产品的质量可度量、可视化，我们可以建立一些指标数据，以帮助我们发现产品质量的各种问题，比如：被测功能模块发现Bug太晚，某位开发同学的代码质量一直很低，某个功能总是在兼容性方面存在大量问题等。有了问题之后，我们就可以有针对性地进行改进，有的放矢，从而使得被测产品的质量逐步改善。以搜狗的项目为例，我们建立的指标有以下三个方向：Bug、代码行和漏测问题数量。

关于Bug的指标

Bug是软件开发过程中最基本的问题载体，在这一方向，我们可以细化为几种数据指标，例如：

1.Bug数量分布(功能模块维度)：

按照功能模块维度，分别统计Bug的数量(也可以是严重Bug数量)情况，该项指标用以反映哪个功能模块的质量情况最低。例如：搜狗输入法有语音输入、拼音输入、手写输入，分别统计某个版本这三个模块的Bug情况。

解释说明：

1. 首先我们可以判断Bug数量高的模块是否合理。如上图所示，本次版本开发主要实现和修改的是语音功能，那么Bug数量多是合理的。

2. 其次我们可以有针对性的部署测试策略。语音功能的问题数量较多，功能比较复杂，只是按照既有的测试计划可能模块质量覆盖不够全面，所以我们有针对性地对这个模块进行二轮、三轮甚至四轮的回归测试，或者安排更多地人力。

2.Bug数量分布(开发人员维度)：

按照开发人员维度，分别统计每个开发人员所产生的Bug数量情况，该项指标用以辅助评估开发人员的代码质量情况。

解释说明：

1. 这一指标可以帮助我们了解哪位开发的Bug修复压力最大(压力越大，连带Bug的可能性也会越大)，测试人员可以留意对应开发的Bug修复率。

2. 如果某位开发的Bug数量常年居高不下，测试人员就要注意小心了~~。

3. 需要特别说明的一点是，Bug数量不能作为唯一评判开发人员代码质量好坏的数据，Bug数量是与开发人员提交代码量和模块复杂度成正比的，综合地查看Bug数量和代码提交量是比较可行的方法。

3.Bug易发现分布(功能模块维度)：

Bug易发现是指一个功能模块在用户可触及的主路径上就会遇到的Bug，例如：在输入法的键盘上按下语音键进行语音输入时，功能不能使用。该指标用以统计提测模块的开发自测情况，数据越多说明提测时质量越差。

4.Bug易发现分布(开发人员维度)：

同上，以开发人员维度进行分析统计。

5.Bug往返率(开发人员维度)：

该指标用于统计Bug在缺陷管理系统中的来回指派数量的情况。比如：某Bug在开发人员A和测试人员B之间来回指派了3次，那么则统计开发人员A的Bug往返平均数量。

6.Bug发现的阶段：

该指标可选项有预测试、一轮测试、二轮测试、回归测试、上线前测试、上线后几个可选项，它用于体现Bug的发现时间段。

解释说明：

1. 预测试一般是开发提测后进行1天的测试，用以评估提测的版本是否符合测试的要求。如果大量的Bug在预测试阶段发现(甚至是阻塞的Bug出现)，说明提测版本的质量可能不好，这就需要督促开发给出质量更高的版本提测，以节省Bug沟通处理的成本，从而大大提升测试效率。

2. 正式提测后，按照预期的效果，我们希望是大量的Bug在一轮测试阶段发现，少量的Bug在二轮测试阶段发现，极少量的Bug在回归测试阶段暴露。但是实际情况可能有所不同，如果二轮和回归阶段的Bug数量很多，这有可能是测试人员的测试方法、测试策略有问题，导致Bug暴露发现得比较晚；也可能是开发修复Bug时连带其他Bug数量多，这间接反映了开发修复Bug的方式方法可能有问题。

7.Bug产生的原因：

这一选项是Bug在提交测试验证时，由由开发人员填写的字段，该字段可选内容有：服务器问题、第三方SDK问题、适配性问题、UI显示问题、程序逻辑问题、性能问题、沟通不足问题、需求理解问题。(具体字段可选项可根据实际项目进行设定)，这一指标用来辅助开发人员分析Bug产生的原因。

解释说明：

1. 服务端问题(本例因为是客户端程序，所以选项中有服务端问题)如果存在大量的Bug，这说明服务端的质量控制不足。

2. 第三方SDK问题。因为App一般会使用其他方提供的SDK直接调用，对于SDK的质量情况可以通过该项指标数据来暴露，如果问题集中且较多，后续应该推动SDK方提升其质量品质。

3. 沟通不足、需求理解问题一般是工作配合类问题，如果是此类问题集中，应该重新评估整体项目流程运转是否正常有效。

关于代码的指标

借助功能强大的StatSVN，我们可以方便地统计出与SVN相关的各种数据指标，如：每位提交者的情况、每月的代码提交情况，代码修改占代码总数的百分比、每天中哪几小时比较活跃、每周哪几天比较活跃、文件数量统计等，关于StatSVN的介绍网上有很多使用教程，本文不再赘述，请感兴趣的同学自行”搜狗 StatSVN”即可。

千行代码Bug率：

在搜狗输入法项目我们主要使用了StatSVN的一个数据项：开发人员代码行数量，再结合上述1中的Bug指标数据，我们可以得到一个新的指标数据：千行代码Bug率，该指标用于侧面体现开发人员的代码质量情况。

解释说明：

这一指标数据会定期发送给开发Leader，以便开发Leader对其下的开发人员质量情况有一个清晰的认识，同时也会督促开发人员提升代码质量意识。

关于漏测问题的指标

除了测试环节Bug及代码的统计分析，对于上线后用户反馈暴露的质量问题，也应加以统计分析。在搜狗测试部，我们通过Bug总结流程来进行这一环节的数据录入和统计。

1.漏测问题数量分布(模块维度)

该指标从功能模块的维度，对线上用户反馈的问题进行统计分析，例如：搜狗浏览器的线上用户反馈数量最多的问题是浏览网页这一功能。

2.漏测问题原因类型：

根据以往的工作经验，我们将线上用户反馈的问题归为以下六大类，每一大类下细分小分类。

解释说明：

通过分析线上漏测的问题原因，可以发现测试、开发或者流程上的不足，以PC浏览器的分析为例：

浏览页面功能是TOP1被用户反馈的功能模块(这也符合浏览器最主要的功能就是浏览网页)，进而发现这一功能出现问题最多的是兼容性站点的问题，或者是用户的测试环境比较复杂特殊导致的。

• (882590) : 【问题类】打开某链接会稳定崩溃 (Google Doc)

• (832095) :  【问题类】玩4399的小游戏时狙击枪不能开镜

• (967951) :  【问题类】交通银行信用卡页面首次打开时输入框和验证码输入界面显示不全

基于以上的数据分析，我们重新制定了详细的浏览器站点兼容性测试方案，每个版本加大兼容性站点的测试，在测试阶段即发现了大量的Bug。

总结

作为项目管理者，我们可以通过分析项目每个版本的Bug数据、代码行数据、漏测的问题数量，发现数据背后的问题(开发问题、测试问题、流程问题等)，针对问题寻找解决方案并实施，从而提升整个产品的质量控制。

数据分析，数据分析培训，就选光环大数据！

　　原创文章，转载请注明出处：光环大数据

 

 

大数据培训、人工智能培训、Python培训、大数据培训机构、大数据培训班、数据分析培训、大数据可视化培训，就选光环大数据！光环大数据，聘请专业的大数据领域知名讲师，确保教学的整体质量与教学水准。讲师团及时掌握时代潮流技术，将前沿技能融入教学中，确保学生所学知识顺应时代所需。通过深入浅出、通俗易懂的教学方式，指导学生更快的掌握技能知识，成就上万个高薪就业学子。 更多问题咨询，欢迎点击------>>>>在线客服！