价值驱动测试尝试

简介: 价值驱动测试尝试

最近在关注某测试团队的流程规范,发现他们需要依赖很多完善的前置条件,才能有效的开展测试活动。感觉有点不可思议。现在大家都在提倡测试左移,移什么呢?笔者的思考:测试左移,意味着测试思维的转变,我们需要从需求文档中脱离出来,从更广泛的视角来思考测试策略,从技术驱动转变成价值驱动。


01


从文档到业务


在传统测试的环境下,测试人员更多的是围绕需求文档来进测试活动的设计,一切以需求文档为主,关注的是产品的功能需求。而在测试左移的实践中,测试人员需要尝试去理解需求的业务价值,站在用户的角度去思考问题,理解用户的使用习惯、使用场景等信息。


在某API网关平台的测试中,有这么一个场景:用户在网关平台上配置好API信息后,如果想要验证配置是否正确,需要在本地通过PostMan发起一次调用,才能确认配置成功。这个场景从功能上而言,是没有问题的。网关平台只负责配置,能否调用是由使用方发起的。如果这么思考,那么体现的就是基于需求文档的思考,因为文档里就是这么描述的。但是如果从业务的角度出发,作为配置方,我希望在配置好API信息后,最好能够快速验证,那么,能不能在配置完成的页面增加一个调试功能呢?这样就可以直接在平台上进行验证,而不需要借用第三方工具(PostMan)来验证?


基于这个思考,测试提出了可以在配置成功页面增加一个调试按钮,来直接模拟API的调用,如果有异常,还可以直接给出提示,会更友好。最终这个建议被团队采纳,上线后也被用户高度认可,这是他们真实的痛点。


在思考用户场景的同时,从业务的角度出发,我们还需要关注业务操作的流畅性、完整性,同时,对于变更类的需求,还需要评估好影响范围,以用户的身份进行更多的思考和探索。


02


理解业务指标


如果我们想要更好的去了解用户的使用场景,那么我们就需要尝试去理解一些业务型的观测指标,需要确保我们交付的是高价值的内容。业务价值可能比较抽象,似乎不是那么好理解,况且要跟具体的测试活动对应起来更是有些难度,在具体的实践过程中,我们团队的具体做法有几下几步:


1.  明确业务目标:本次迭代上线的功能是为了满足哪些业务场景,解决哪几类用户的痛点问题,与产品经理、项目经理一起对齐这些目标;


2.  设计对应的场景:基于业务目标,针对性的设计测试场景,以便覆盖核心场景;


3.  线上跟踪:基于业务埋点信息、日志系统,查询对应功能的使用频率、用户活跃度的变化,评估需求真实的影响。也可以通过这些数据的分析,得到系统真实的关键功能及核心场景,而不是团队“以为”的关键功能和核心场景,进一步优化测试设计。


4.  回顾、总结:针对线上的收集和反馈出来的数据,定期和产品团队进行沟通、探讨,改进产品设计,优化业务价值。


理解业务指标并不是一件容易的事,需要测试人员对被测试的产品有深度的了解,参与业务对上话。这点是比较不容易实现的,多数情况下,测试人员是比较少能直接接触到用户的。所以,需要我们做好线上数据跟踪和监控。同时,多与产品团队沟通,对齐产品的整体愿景和目标,主动思考。

 

03


思维上的转变


从基于文档的功能测试,到基于业务的价值测试,需要做更多思维上的转换,从单一的测试角色中走出来,我们的目标不再是高效地发现缺陷(发现缺陷很重要,但不是最重要的),而是快速交付适当质量的业务价值。


认知上的改变:我们不再以发现更多的缺陷为追求目标,应该去理解业务的交付目标是什么,更好的发现和预防缺陷,关注交付价值,合理的设计测试策略,以便快速、高质量地交付迭代内容。


领域知识的增加:更深度地理解你的测试对象,同时去了解同类产品的相关信息,了解用户关心的是什么,了解对应行业的发展信息和最新动态。


沟通表达能力:测试左移让测试人员更多地参与了产品前期的沟通了解,需要有更好的表达能力,传达产品、用户的不同声音,接触更多的人群,所以需要有更好的沟通表达能力,不仅限于技术上的表达,还需要学习业务上的表达技巧。


04


当然,测试左移不是测试角色的一厢情愿,需要团队配合,需要有一定的敏捷成熟度,大家对质量内建有共同的认知。否则,大家都会很痛苦,但这一定是个大趋势。

相关文章
|
2月前
|
人工智能 自然语言处理 测试技术
从人工到AI驱动:天猫测试全流程自动化变革实践
天猫技术质量团队探索AI在测试全流程的落地应用,覆盖需求解析、用例生成、数据构造、执行验证等核心环节。通过AI+自然语言驱动,实现测试自动化、可溯化与可管理化,在用例生成、数据构造和执行校验中显著提效,推动测试体系从人工迈向AI全流程自动化,提升效率40%以上,用例覆盖超70%,并构建行业级知识资产沉淀平台。
从人工到AI驱动:天猫测试全流程自动化变革实践
|
5月前
|
数据采集 人工智能 监控
人工智能驱动的软件工程:测试左移的崛起价值
本文探讨了人工智能驱动下测试左移理念在软件工程中的重要性,分析测试工程师在需求评估、AI代码生成及遗留系统优化中的关键作用,揭示AI带来的挑战与机遇,并指出测试工程师需提升技能、关注合规与可维护性,以在AI时代保障软件质量。
367 89
|
8月前
|
人工智能 自然语言处理 JavaScript
测试工程师要失业?Magnitude:开源AI Agent驱动的端到端测试框架,让Web测试更智能,自动完善测试用例!
Magnitude是一个基于视觉AI代理的开源端到端测试框架,通过自然语言构建测试用例,结合推理代理和视觉代理实现智能化的Web应用测试,支持本地运行和CI/CD集成。
1000 15
测试工程师要失业?Magnitude:开源AI Agent驱动的端到端测试框架,让Web测试更智能,自动完善测试用例!
|
12月前
|
数据采集 人工智能 自然语言处理
Midscene.js:AI 驱动的 UI 自动化测试框架,支持自然语言交互,生成可视化报告
Midscene.js 是一款基于 AI 技术的 UI 自动化测试框架,通过自然语言交互简化测试流程,支持动作执行、数据查询和页面断言,提供可视化报告,适用于多种应用场景。
2996 1
Midscene.js:AI 驱动的 UI 自动化测试框架,支持自然语言交互,生成可视化报告
|
机器学习/深度学习 人工智能 自然语言处理
智能化软件测试:AI驱动的自动化测试策略与实践####
本文深入探讨了人工智能(AI)在软件测试领域的创新应用,通过分析AI技术如何优化测试流程、提升测试效率及质量,阐述了智能化软件测试的核心价值。文章首先概述了传统软件测试面临的挑战,随后详细介绍了AI驱动的自动化测试工具与框架,包括自然语言处理(NLP)、机器学习(ML)算法在缺陷预测、测试用例生成及自动化回归测试中的应用实例。最后,文章展望了智能化软件测试的未来发展趋势,强调了持续学习与适应能力对于保持测试策略有效性的重要性。 ####
|
机器学习/深度学习 数据采集 人工智能
探索AI驱动的自动化测试新纪元###
本文旨在探讨人工智能如何革新软件测试领域,通过AI技术提升测试效率、精准度和覆盖范围。在智能算法的支持下,自动化测试不再局限于简单的脚本回放,而是能够模拟复杂场景、预测潜在缺陷,并实现自我学习与优化。我们正步入一个测试更加主动、灵活且高效的新时代,本文将深入剖析这一变革的核心驱动力及其对未来软件开发的影响。 ###
|
存储 测试技术 数据库
数据驱动测试和关键词驱动测试的区别
数据驱动测试 数据驱动测试或 DDT 也被称为参数化测试。
298 1
|
测试技术 持续交付 UED
软件测试的艺术与科学:平衡创新与质量的探索在软件开发的波澜壮阔中,软件测试如同灯塔,指引着产品质量的方向。本文旨在深入探讨软件测试的核心价值,通过分析其在现代软件工程中的应用,揭示其背后的艺术性与科学性,并探讨如何在追求技术创新的同时确保产品的高质量标准。
软件测试不仅仅是技术活动,它融合了创造力和方法论,是软件开发过程中不可或缺的一环。本文首先概述了软件测试的重要性及其在项目生命周期中的角色,随后详细讨论了测试用例设计的创新方法、自动化测试的策略与挑战,以及如何通过持续集成/持续部署(CI/CD)流程优化产品质量。最后,文章强调了团队间沟通在确保测试有效性中的关键作用,并通过案例分析展示了这些原则在实践中的应用。
324 1
|
机器学习/深度学习 人工智能 自然语言处理
AI驱动的自动化测试:提升软件质量的未来之路
【9月更文挑战第3天】AI驱动的自动化测试是提升软件质量的未来之路。它借助AI技术的力量,实现了测试用例的智能生成、测试策略的优化、故障预测与定位等功能的自动化和智能化。随着技术的不断进步和应用场景的不断拓展,AI驱动的自动化测试将在未来发挥更加重要的作用,为软件开发和运维提供更加高效、准确和可靠的解决方案。
|
11月前
|
数据可视化 前端开发 测试技术
接口测试新选择:Postman替代方案全解析
在软件开发中,接口测试工具至关重要。Postman长期占据主导地位,但随着国产工具的崛起,越来越多开发者转向更适合中国市场的替代方案——Apifox。它不仅支持中英文切换、完全免费不限人数,还具备强大的可视化操作、自动生成文档和API调试功能,极大简化了开发流程。