Bonjour mes amis !
Aujourd'hui, je suis ravi d'aborder un sujet important et souvent négligé concernant les métriques d'assurance qualité et mon parcours depuis les données jusqu'aux décisions à l'aide d'un cadre de métriques d'assurance qualité basé sur l'IA. Cet article vous présentera mon expérience, en commençant par une feuille de mesures d'assurance qualité de base basée sur Excel et en l'évoluant vers un cadre entièrement automatisé, plus efficace et évolutif pour mesurer la qualité et responsabiliser les équipes avec une approche basée sur l'IA.
Que vous soyez directeur, responsable ou responsable de l'assurance qualité, mesurer la qualité au sein de plusieurs équipes peut s'avérer une tâche ardue. Comment vous assurez-vous que vos processus sont à la fois efficients et efficaces ? Comment suivre la qualité au sein d’équipes aux dynamiques différentes et identifier les lacunes et les faiblesses ? Et comment les données peuvent-elles être utilisées pour améliorer la prise de décision grâce à l’IA et améliorer la qualité des résultats ? De plus, nous discuterons de l’importance des mesures d’assurance qualité, de la manière dont elles aident à guider les équipes et dissiperons certaines idées fausses courantes. Si ces défis vous interpellent, cet article est fait pour vous ;)
Ce blog sera divisé en deux parties. Dans la première partie, nous aborderons :
La deuxième partie se concentrera sur l'intégration de l'IA avec le cadre de métriques QA qui sera abordée dans le blog suivant.
Travailler en tant que directeur QA, responsable de la qualité dans plusieurs équipes, est à la fois fascinant et stimulant. Chaque équipe a sa propre personnalité, son domaine, sa pile technologique et même son état d'esprit. Cela rend plus difficile le suivi des progrès, l'identification des lacunes et la mise en œuvre des bonnes solutions - tout en respectant la méthode de travail unique de chaque équipe.
Un autre défi consiste à repérer les lacunes ou les difficultés auxquelles les équipes peuvent être confrontées, en particulier lorsque vous supervisez plus de 10 équipes et que vous ne pouvez pas toujours vous impliquer profondément dans chacune d'elles. Votre point de vue peut devenir plus élevé, ce qui peut conduire à manquer des détails importants ou à mal interpréter les dépendances et d'autres facteurs.
Contacter les équipes pour leur poser des questions sur leurs progrès - comme « Pourquoi y a-t-il autant de défauts ? » ou "Pourquoi n'avons-nous pas suffisamment de couverture de cas de test ?" - peut être délicat. Même si vous posez la question avec les meilleures intentions, cela peut parfois ressembler à de la microgestion, quelle que soit votre véritable intention.
à partir de ce moment, j'ai commencé à envisager une manière plus conventionnelle de mesurer la qualité dans toutes les équipes d'ingénierie, dans le but principal d'identifier les défis au sein de chaque équipe et de leur permettre de résoudre ces problèmes. Mon idée était de mettre en évidence et de présenter des indicateurs clés à chaque équipe, ce qui les aiderait à comprendre ce qui doit être abordé ou ajusté.
J'ai commencé par créer une feuille Excel basique qui se connecte à notre outil de gestion de projet (Jira). Cela m'a permis de regrouper les informations nécessaires, telles que les cas de test créés, les cas de test exécutés, les histoires, les bogues, etc. (comme indiqué dans le tableau factice ci-dessous). Données factices de mesures d’assurance qu...
[Courte citation de 8% de l'article original]