目录
前言
落地前：分析因素
开展前：评估价值
落地过程：解决问题
推广运营：关注反馈&输出价值
文末总结
重点：配套学习资料和视频教学
前言
这篇文章， 就聊聊自动化项目如何落地，以及落地要面临和解决哪些问题。
落地前：分析因素
从我个人的工作实践经验来看，在决定是否引入新的技术框架或者开展技术项目前，足够详尽的分析调研必不可少。
这样做的好处在于一方面可以避免重复建设；另一方面，尽可能确保投入的资源能获得足够的收益。落地自动化测试之前，主要有如下几点因素需要考量。
1、当前面临的痛点是什么/strong>
引入自动化测试是为了解决工作过程中遇到的问题或痛点，所以在引入之前第一个要考虑的是当前面临的痛点是什么。
比如：线上功能bug频发，人力资源时间不足导致团队加班太多，版本迭代快/多版本并行等，且这些痛点都已经严重影响到了团队的日常工作效率和氛围。
先将面临的问题和痛点列出来，按照影响范围和优先级排序，然后分析背后的原因。
2、痛点背后的原因有哪些/strong>
线上功能bug频发，可能的原因有漏测/case覆盖率不足/需求变更快/发布流程不规范等原因。
人力或者时间不足，背后的原因可能有团队同学能力不足/团队效率不高/管理混乱/缺乏提效手段和工具。
版本迭代快多版本并行的情况，背后的原因就更复杂了，涉及到流程/管理/业务成熟度/企业所处阶段等多种因素。
3、有什么可以解决问题的方案/strong>
分析出团队面临的痛点以及背后的原因，我的建议是将原因列出来进行归类，比如：
资源问题：人手不足/工时评估不合理；
流程问题：研发交付流程混乱，发布不可控；
管理问题：团队效率不高，管理混乱，职责不清；
技术建设问题：缺乏CI/CD工具&需求/代码/case/bug管理工具，团队同学缺乏相关经验；
4、自动化是不是最合适的解决方案/strong>
问题分类和排优先级之后，就是case by case的分析有哪些解决方案了。假设某部分问题可以通过自动化测试来解决或者改善，那就可以着手进行下一步分析。
5、当前的情况是否适合开展自动化测试/strong>
“自动化测试适用于重复度较高的工作，且不是一蹴而就即插即用就能解决问题的。需要相对稳定的业务需求迭代、比较成熟稳定的研发团队和一定的技术基础设施建设，以及较为规范的流程才能更好的落地，达到提效的目的”。
举个例子：某创业公司，当前处于产品初创和快速迭代期，追求的是快速推出MVP产品推向市场，业务不稳定，人力资源紧张，技术基础设施很差，那这个时候是不适合做开展自动化测试的。
开展前：评估价值
罗列问题，分析原因，制定优化方案后，接下来就是项目立项及调研了。自动化测试的调研，主要关注如下几点：
工具框架选型：业内有哪些自动化测试工具或框架能是否满足需求品稳定性如何区活跃度如何否有足够详细的说明文档和使用案例。
选定试点范围：选择哪个业务或者团队进行试点点对场景覆盖范围和case的粒度要求是什么/p>
团队成员技术栈匹配度：如果工具需要一定的代码开发，团队成员编码能力如何哪种语言熟悉训和学习成本/p>
要投入多少人力时间资源：确定范围和case粒度后，预期需要投入多少人日/工时才能达到预期结果/p>
预期的投入产出比是多少：投入预期的人日/工时后，预期的效果如何否能解决当前面临的痛点问题/p>
落地过程：解决问题
其实到了研发落地阶段，只需要遇到问题解决问题即可。自动化工具或框架落地过程中，常见的问题有：
学习培训：工具或框架对于团队同学来说需要一定学习成本，建议提供使用说明手册并开展几次培训。
案例演示：其实自动化case或者脚本写起来很简单，但还是建议提供一些demo或者案例，能让其他同学更快速上手。
二次开发：很多开源的自动化工具已经具备了大部分常见功能，但落地过程中还是要解决一些定制化功能，或者修复开源工具的一些bug，这就需要一定的开发能力对工具进行二次开发或者优化。
构建效率：自动化测试并不是拿着工具把case写好就完事了，要考虑到自动化落地的初衷就是解决效率问题，因此落地后的构建执行效率是重点关注的因素。
构建成功率：除了关注构建执行效率，每次构建执行的成功率也要高度关注，否则会耗费大量时间在排查问题上。
推广运营：关注反馈&输出价值
项目落地后，真正的挑战才开始。
假设你是自动化测试落地的负责人，如何让其他团队的测试同学也能很好的用起来，并且真的解决他们的问题/p>
如何衡量这个项目的投入和产出，用哪些指标度量于这点，我建议大家从下面两点去考虑：
业务运营：解决了业务什么痛点，对业务目标达成的促进；
技术运营：用户体验、交付效率、质量提升、用户满意度；
文末总结
关于项目落地推广，大体都可以遵循这个流程：需求分析——立项调研——研发落地——推广使用——持续运营。
文章知识点与官方知识档案匹配，可进一步学习相关知识Python入门技能树人工智能机器学习工具包Scikit-learn208242 人正在系统学习中
声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！