欢迎来到测试投入度量元的选择
发布于 2024-10-02
862
版权声明
我们非常重视原创文章，为尊重知识产权并避免潜在的版权问题，我们在此提供文章的摘要供您初步了解。如果您想要查阅更为详尽的内容，访问作者的公众号页面获取完整文章。
查看原文：测试投入度量元的选择
文章来源：
麦哲思科技任甲林
扫码关注公众号
扫码阅读
手机扫码阅读
项目在讨论测试是否结束时常常关注缺陷的数量、严重级别和关闭情况，而忽略了测试投入是否充分。测试投入可以通过多个方面量化，例如测试用例的密度、工作量、工期和人数等。
选择合适的测试投入度量元需要根据产出来定，通过收集多个项目的度量数据并分析其与测试产出的相关性来判断。如果度量元与测试产出相关，则可作为测试投入的度量元；否则应舍弃。
系统测试用例密度是一个合适的度量元，如图二所示。而图三显示，缺陷逃逸率与测试工作量/开发工作量不是合适的度量元，这一点在不同公司可能不同。
在其他条件相同的情况下，测试投入充分时，发现的缺陷多意味着代码质量差，缺陷少则代码质量好。图四说明，当测试投入达到8人天/KLOC，缺陷密度趋于平稳，此时可认为测试投入充分，无需进一步测试。
麦哲思科技任甲林
查看原文：测试投入度量元的选择
文章来源：
麦哲思科技任甲林
扫码关注公众号
相关推荐
863很多项目在讨论测试是否可以结束的时候，往往是只关注了测试发现的缺陷有多少？缺陷的严重级别分布如何？测试发现的缺陷关闭情况如何？而忽略了一个前提，即测试的投入是否充分？ 如何量化测试的投入呢？我们可以从测试用例的密度，测试投入的工作量，测试的工期，测试的人数等多个方面来度量测试的投入，可以参见图一中候选的测试投入的度量元。 图一：测试投入与产出的候选度量元 哪个度量元更合适呢？如何判
996问题场景：有一些比较严重的BUG随机发生，难以查找规律的，测试工程师提交上去后，有可能会出现以下三个情形：1．开发人员试图重现，重现不出，Reject回来；2．开发人员找不到规律，所以不去解决，问题一直处于Open状态；3．开发人员因为问题难以解决，所以直接Resolved回来，觉得反正是偶发的，先改成解决状态再说。对开发人员、项目经理和测试工程师来说，正确的处理方法应该是怎样的?解决方案：1 缺
麦哲思科技（北京）有限公司总经理 敏捷性能合弄模型评估师 认证的Scrum Master 认证的大规模敏捷顾问SPC CMMI高成熟度主任评估师 COSMIC MPC,IAC 成员，中国分部主席
425 篇文章
浏览 656.9K
还在用多套工具管项目？
一个平台搞定产品、项目、质量与效能，告别整合之苦，实现全流程闭环。
查看方案
麦哲思科技任甲林的其他文章
和需求的提供者达成一致
前几天在客户处访谈,发现在一个项目组的周报中,项目组未计划到的应做的任务比较多,于是叫来了项目助理,让她统计一下,项目组到现在为止,计划外的工作量占计划内的工作量的比例。为了将任务布置的很清楚，我将他们的周报投影了出来，在白板上写下了： （1）周期性的任务不统计进来； （2）统计任务的实际工作量； （3）统计属于本项目组的任务； （4）统计表有三列：周次，计划内任务的工作量，计划外任务的工作量 并
再论：是否一定要做规模估计？
举个例子： 2009年1月1日，张三站在你面前，让你估计体重，你已知的确切信息是：张三是男士。根据你面前张三的形象，你估计其身高约在1米七五，看上去张三有点胖，比较结实，因此你估计张三的体重为75公斤。估计体重是你的目标，在估体重之前，实际上你先估计了张三的身高、胖瘦程度、结实程度。 2009年2月1日，你又见到了张三，让你再次估计体重，同样你已知的确切信息是：张三是男士。根据你面前张三的
CMMI成功的根本原因是什么？
前天和一位朋友沟通关于在公司内实施过程改进的心得，我介绍了几个成功案例后，她突然问了一句话：“他们成功的最重要的原因什么呢？”，我第一反应是：原因很多啊！随即，在林林种种的原因中，我找到了我认为最重要的原因：“企业文化与领导重视!”。昨天中午、晚上也都和其他朋友在深入讨论这个问题，越来越发现，这个结论的正确性。 企业的文化也许是一种说不清道不明的东西，但是你却能切实地的感受到。有的企业从员工到领导
软件项目用人十二策
1 高天赋原则：选择高水平的人员，赋予高水平的待遇，宁缺勿滥。 2 自我发展原则：选择有悟性的能自己不断进步的人参与到团队中来。 3 工作匹配原则：培养专长，稳定专业方向，在某个专业方向使其成为专家，分工时也按其专长进行分工。 4 职业发展原则：一专多能，定期转换方向，当在某个专业方向上成为专家后，要适时变换方向，使其更加全面。如果总是在一个方向上发展，可能导致该人无法寻找
建立组织级过程性能基线的注意事项
过程性能基线的建立方法有箱线图法、控制图法、置信区间法等等，在实际中，还要数据分析者的经验进行分析，以下举例说明在建立组织级过程性能基线时的注意事项：1 注意识别数据分层的现象 数据分层，即样本点存在明显的局部聚集现象，聚集在不同值范围附近的样本点可能是属于不同类型
加入社区微信群
与行业大咖零距离交流学习
PMO实践白皮书
白皮书上线
白皮书上线
-
联系我们
电话：4006 8899 23 邮箱：beining@chandao.com -
融实践库
关于我们 加入我们立即学习
微信号：rongpmcom
-
微信公众号
-
微信视频号
-
社区微信群
