徐陈飞 Wilson浅谈车企数字化转型中的研发效能度量与提效改进策略

研报正文总结

个人Profile

• 姓名：徐陈飞Wilson
• 职位：某大型外资车企研发流程专家
• 经验：18年IT行业经验，曾服务IBM、PwC、inspearit、凯捷咨询Invent等公司，涉及保险、银行、汽车、互联网等行业
• 经历：程序员、架构师、项目经理、培训讲师、保险核心系统Guidewire IT咨询顾问
• 专业领域：车企ASPICE VDA实践应用、VDA/ISO9001评估
• 兴趣爱好：音乐（吉他、钢琴、Midi制作、爵士音乐）、Steamdeck

近期作品

1. 企业级数字化领域需求管理平台（产品经理与技术架构）
2. 企业级季度项目集规划平台（基于SAFe的PI Planning理论）
3. 研发效能度量平台与体系建设

研发能效的定义以及影响因素

• 定义：
  • 参考IEEE Standard 1061-1998，研发能效包括生产率（单位时间内完成工作量）和效率（生产率与质量的综合）。
  • 具体指标包括：生产率（代码行数、功能点数）、质量（缺陷率、用户满意度）、及时性（项目按时交付）、成本效益（开发成本与产出关系）。
• 问题：
  • 投入大但效率未显著提升的原因：未识别核心价值流、未找到价值流瓶颈、未建立持续交付机制、缺乏自我学习与持续改进体系。
  • 解决关键：识别核心价值流、找到瓶颈、持续交付有价值内容、建立自循环体系。
• 组织能效：
  • 横向价值流与纵向跨业务领域协作需平衡。
• 影响因素：
  • 精益（Lean）原则：最大化价值，减少浪费。
  • 高德拉特的约束理论（Theory of Constraints, ToC）：识别并消除系统瓶颈。

数字化转型过程中的研发体系

• 体系：建立基于研发全生命周期流程的多平台组合应用。

组织能效改进切入点分析

• 识别能效瓶颈的理论：
  • 精益（Lean）：关注价值流，减少浪费。
  • 高德拉特约束理论（ToC）：识别系统瓶颈，提高整体绩效。
• 切入点方法：
  • 通过全域8个维度（参考模型v1.0）进行单个交付团队的趋势比较。
  • 使用蜘蛛图形态呈现团队维度分析。

AI加持下的数字化研发效能

• 解决方案：
  • GenAI与应用集成：
    • 研发效能现状分析及改善建议。
    • 技术解决方案生成。
    • 结构化表达呈现。
    • 内容文案生成。
  • AI Agent功能：
    • 定义工作流解决复杂场景（文档生成、图像生成、流程图生成）。
    • AI外呼、AI客服、内容管理、知识库。
  • 技术支持：GPT、Copilot、Gemini等。
• 改进计划：
  • 形成能力提升闭环。

挑战与机遇

• 个人感想：
  • 引用阿西莫夫机器人三定律及第0定律，强调对人类整体利益的保护。