本文探讨了IT研发过程中的关键指标，如子系统上线率、代码缺陷分析、数据重复度降低、代码优化、测试覆盖率提升、静态分析以及个人工作效率等，旨在衡量和优化研发效能。
一、IT研效指标口径
| 指标名称 | 口径释义 | 纬度 |
|---|---|---|
| 需求数量 | 每个版本产品方提出的需求总和 | 子系统 |
| 上线率 | 上线需求占提出需求的比例 | 子系统 |
| 生产异常数 | 按月统计定责，各个组生产异常个数总和 | 子系统 |
| 千行代码缺陷率 | 统计范围：按月统计，新增代码行+删除代码行之和。 口径：缺陷总数/代码变更总行数 | 子系统 |
| 数据重复度下降率 | 各个表中字段重复次数，定个基线 | 子系统 |
| 代码下降率 | 统计范围：按月统计，下降率=（统计月份线上代码数-线上代码基线）/线上代码数基线 | 子系统 |
| 阻塞问题+严重为题 | 基于sonar扫描block+Criticle数量 | 子系统 |
| 注释覆盖率 | 有注释的函数栈项目中总函数的比率：函数内部注释，函数上方注释 | 个人、子系统 |
| 测试覆盖率 | 被测试函数覆盖的函数占项目中非测试函数的比例 静态测试覆盖度=被测试覆盖的函数数目/项目中非测试函数的总数 | 个人、子系统 |
| 代码重复度 | 代码不重复体现是项目中函数不重复的程度 使用minHsh和LSH文本查重算法，寻找相似度较高的函数，认为他们是重复函数，赵高重复关系分组 代码重复度=1-代码不重复度 | 个人、子系统 |
| 人均代码当量 | 代码当量是衡量开发者修改代码的工作量的指标。与代码行数（LOC）、提交个数（NOC）等简单指标相比，基于抽象语法树（AST）计算代码当量准确反应修改代码的工作量 | 子系统 |
| 测试缺陷发现率 | 测试人员穿件的已经完成的缺陷（剔除废弃，拒绝缺陷）/ 需求对应新增代码行+0.5*删除代码行数 | 个人 |
| 测试反馈时效 | 创建缺陷时间-需求最后一次提测时间 | 个人 |
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
