陈泽荣-研发效能数据治理

研发效能数据治理

研发效能的本质与现象

• 研发效能的本质：提升研发流程效率和价值交付能力。
• 研发效能的现象：当前存在诸多困境，影响效能提升。

研发效能困境

• 预期偏差：
  • 领导层期望过高，度量目标不清晰，数据不可信。
  • 工具缺失多角度验证和下钻分析能力。
  • 组织缺乏持续改进机制和数据解读能力。
• 具体问题：
  • 需求分解体系不统一，线上线下数据不同步。
  • 数据治理功能缺失，组织阵型线上化不足。
  • 指标相互验证不足，需求漏斗管理缺失。

破局-数据治理

• 对体系：
  • 采用需求-系统功能-个人任务的需求管理体系。
  • 统一研发术语和度量衡。
• 对人数：
  • 盘部门、团队、小队，齐业务线/系统线。
  • 组织阵型线上化。
• 对吞吐：
  • 指标相互验证，需求漏斗观察价值流动。
  • 比例低于1T说明创新不足，高于6T需清理需求。
• 对时效：
  • 看时效分布，流动效率和分段时效分析。
  • 漏斗识别数据操纵，需求体系自带校验。
• 对内容：
  • 明确各阶段关键实践动作。
  • 采用研发双流模型。

破局-工具助力

• 数据定义和演进：
  • 定义对象、类型，支持灵活描述关系。
  • 属性抽象。
• 数据筛选：
  • 灵活过滤和下钻支持数据分析。
  • T+0数据治理，改进效果即时可见。

破局-组织保障

• 数据发展阶段：
  • 数据驱动研发效能运营。
• 数据行会组建和运营：
  • 定期看数，数据解读，异常捕捉，决策上升。

结论

• 核心观点：通过数据治理、工具助力和组织保障，可系统性提升研发效能。
• 关键数据：
  • 需求吞吐比例：低于1T创新不足，高于6T需清理。
• 研究结论：需统一需求体系、完善数据治理工具、强化组织机制，实现研发效能提升。