质效中台助力实现质量度模型规模化落地

    小编有话说

相信在日常的测试活动中，大家多少会遇到以下几种场景：

• 研发的某些“很简单”的代码变更，测还是不测，不测的话风险怎么控制；

• 某些版本交付，都经过大量的测试，但谁能保证线上有多大风险或还有多少潜在的风险；

• 随着自动化测试程度的不断提升，越来越多的质量保障无人介入，但自动化测试的有效性谁去保证（当前更多考虑的覆盖率或者用例是否通过）；

• 某些类型的自动化或测试执行，长期召回不了问题，逐渐成为“鸡肋”，但是又不敢轻易“下线”；等等。

带着这些问题，百度智能测试团队于2019年底开始致力于研究质量度模型，希望通过质量度模型可以实现：

1. 通过获取研发过程数据+自测+自动化数据，用质量度模型决策是否需要跟进后续测试，以减少不必要的投入和降低测试周期；

2. 通过质量度模型，获取所有测试行为后的数据+研发数据，预估风险度，以进一步提升交付团队对风险把控的信心和召回可能漏出的问题；

3. 通过质量度模型+自动化测试任务特点，智能决策任务是否需要执行、执行哪些用例或多长时间，以实现性价比高的测试，从而提升效能。

经过一年多的研究、开发和实验，百度智能测试团队借助强大的质效中台提供标准化、规模化的数据+风险模型研究，在百度系的众多业务线得到试点和落地，现总结成系列文章（主要解决1和2两个问题，质量度模型与自动化测试任务的解决将在智能构建系列文章呈现），推送给同行，希望能够一起交流和探讨。

具体系列文章如下：

*系列文章可能因为具体项目推进情况会发生调整或合并

质量度模型系列一---测试智能分级与风险评估在商业平台的应用探索

质量度模型系列二---质效中台助力实现质量度模型规模化落地

质量度模型系列三---风险预估算法调研与应用实践

质量度模型系列四---质量度模型特征挖掘方案

质量度模型系列五---基于质量度模型的风险决策实现交付过程无人值守