“效能指标”,该由谁来定义?| 谈效风生

在这里插入图片描述

第5期:效能指标,该由谁来定义?

回顾上期《「自动化」聊起来简单,做起来难》我们聊了聊如何打造「自动化」的事,这也是真正实现研发效能提升的必要条件。从单点自动化提升效率,到全工具链自动化,再到研发体系平台化,是自动化实践的三个步骤。
在这个过程中,如何为研发体系建立一套既业务目标明确又能正向引导研发团队的效能指标体系,是平台化是否能成功的关键。本期我们聊聊"效能度量指标"的问题。

受访者A:某外企云厂商 敏捷教练 李经理
受访者B:某互联网银行 研发效能经理 苏经理

Q1:
有些研发朋友反馈,效能指标太多了,有些指标不知道有何意义。想知道指标应该从哪里来?定义指标的逻辑是什么?

A: 我是这么认为,随着企业业务的发展,要求企业体系内的能效越来越高,判断能效的方法越来越复杂。在研发体系中,软件工程的发展,使研发效率提升有了科学的方法论,落地方法论的过程中,“如何把控过程的正确性”是定义效能指标的根本逻辑

研发效能指标的定义应该基于公司的业务目标,以及研发部门的具体任务和职责。不同的目标,对应不同的结果,有的为了提高交付质量,有的为了降低项目研发成本,其对应的关键结果指标的数据都大不相同,这些数据也只是综合性的结果。而原始数据的定义,要对不同团队的结构和工作职能,划分不同层级的评估指标,确保项目、团队、个人都对结果有迹可循。

定义研发效能指标是一个动态的过程,我们需要根据业务实际情况进行定期评估和调整,通过定期的绩效评估和反馈,来确定是否需要调整指标的权重和目标。

B: 理想情况下,效能指标需要由效能增长团队和业务团队一起建立。但大多数实际情况是效能增长团队建立后,去寻求业务团队评估,然后被指责定义不科学,不符合业务目标,而产生抗拒。所以,我们内部的实践方法是:

首先,由我们效能增长团队来定指标,让指标数据先跑起来一段时间,做好数据积累。

然后,我们根据积累的数据,对业务进行效能评估,看业务团队是否达成相关目标,或者哪些阻碍了目标的达成。为了保障数据的准确性,我们需要对数据进行维度拆分,以便更好地分析数据规律。

最后,对于效能的评估结果,我们会及时与业务团队的每个人去沟通,让他们在此指标系统下有清晰的认知和需求反馈,让业务团队知道指标是来帮助他们而不是来考核他们,促使其主动加入指标系统的定义,确保指标对业务有实际用处,以帮助进行效能改进。

Q2:
研发体系建立起来的同时伴生了很多效能指标,当这些指标应用起来,就会成为团队追求的KPI数字,从而只关心数字的好看,效能并没有实质改善,是不是存在效能指标不合理的情况?如何看待这种情况?

A: 其实指标不合理的情况是普遍存在的。所以我们持续优化效能指标,不断地度量、改进、再度量、再改进。整个指标体系其实是对研发团队运行情况的一个直观反映,就像车上的仪表盘,给驾驶员一个直观的数据,确定车子速度是快是慢,还有多少油、多少电、哪有故障等等,帮助驾驶员进行判断车子的状况。

很多时候,团队面临KPI的压力,不得不过度追求一些指标,但从实际效果看是对业务目标没有帮助的,这完全走偏了。我们还拿车子做比喻,如果我们目标是车子速度,达成这个目标的方式有很多:可以换引擎、换轮胎、改造车身、改悬挂系统,甚至我们可以换驾驶员。但团队或个人追求的指标有可能变成:油耗的快慢、气门的效率、散热器的温度,而这些数据可以篡改或造假的。就像很多年前,我们把代码行数、工时等当成研发团队的重要指标一样,里面有很多水分。但现在我们用有效代码、千行代码缺陷量、需求交付数等更科学的指标,来替代不科学的指标。

B:
我也是这么认为,不合理的指标是很难避免的。研发团队是很难被量化的部门,复杂度极高,而不合理的指标是在建立量化体系过程中产生的,验证不合理性后,也需要被快速淘汰。比尔·盖茨也说过:用代码行数来衡量编程的进度,就如同用重量来衡量飞机的制造进度。这就是在说不合理的指标与业务目标的失焦问题。
在追求KPI好看的问题上,其实这些指标往往是过程指标,我的建议是给业务团队自主权,让他们决定是否使用,而不是一味的考核,目的还是让业务团队参与到指标建设中来,定义过程指标的目的是在发现问题、解决问题方面发挥的作用,也能减少追数据的现象发生。如果一个指标,不能引导团队去做质量改进,就没必要去度量。

本期我们和两位嘉宾聊了聊“定义效能指标”和“不合理的效能指标”两件事,其中最深刻的一句:“如果一个指标,不能引导团队去做质量改进,就没必要去度量。” 被当成KPI的指标,如果不能起到业务目标的作用,那就是不合理的指标。

建立效能指标体系的三个步骤形成闭环:

  1. 由效能团队定义第一批指标,用来积累初步的数据。
  2. 通过业务目标达成情况,分析数据评估效能。
  3. 通过评估效能结果,与业务团队沟通,确认效能指标是否有问题,改进优化,让业务团队参与到效能指标体系建立过程。

大家对本次话题有何独特的见解?
欢迎在【公众号:开源网安】《谈效风生》专栏中留言。
我们将「精选留言」,为您送上定制礼品。

数据集可视化果可参见下方展示。 【数据集概况】 · 检测类别(中文):[保龄球(bowling)] · 训练集:594 张 · 验证集:75 张 · 测试集:74 张 · 总计:743 张 该数据集聚焦于室内保龄球馆场景,系统性采集了多角度、多姿态下保龄球在不同运动阶段的视觉特征,为保龄球运动过程中的球体识别与轨迹分析提供了高质量标注样本,具有明确的体育训练与智能辅助系统开发价值。... 【训练曲线与评估图】 【模型训练配置】 参数 | 值 模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备 【关键指标汇总】 训练了 100 个 epoch,最终轮指标指标 | 数值 mAP50 | **0.9938** mAP50-95 | 0.6966 Precision | 0.9740 Recall | 0.9974 train/box_loss | 0.9113 train/cls_loss | 0.2862 val/box_loss | 1.1516 val/cls_loss | 0.3116 【训练过程分析】 100 轮训练后 mAP50 达到 0.9938,模型收敛良好。Loss 曲线前段快速下降,后段趋于平稳,val_loss 无反弹,没有明显过拟合。但 mAP50-95 为 0.6966,和 mAP50 差距 0.30,定位精度仍有优化空间。 【模型性能评估】 Precision 0.9740、Recall 0.9974,精召双高,模型对保龄球的检测能力强。 【预测果展示】 验证集预测果较好,检测框基本准确覆盖保龄球,置信度整体偏高。 【改进建议】 1. 丰富场景多样性:补充不同光照、背景和遮挡条件下的样本。 2. 提输入分辨率:640 ...
内容概要:本文聚焦于电力系统中场景的生成与削减问题,系统性地应用m-ISODATA、k-means和HAC三种无监督聚类算法对大规模力发电数据进行处理,旨在降低电不确定性带来的计算负担并保留关键时序特征。研究基于Matlab平台实现了完整的数据预处理、聚类建模与结果可视化流程,深入探讨了各算法在确定聚类簇数、划分数据结构及构建层次关系方面的机理差异,并通过实验对比验证了其在场景削减果、计算率与鲁棒性方面的性能表现。该方法为含高比例电的电力系统提供了高、可靠的典型场景集构建手段,支撑后续的随机优化、险评估与调度决策。; 适合人群:具备电力系统分析基础、熟悉Matlab编程的研究生、科研人员以及从事新能源并网、电力系统规划与运行优化的工程技术人员。; 使用场景及目标:①应对电出力强随机性与波动性,为随机规划、鲁棒优化等高级应用提供精简且具代表性的输入场景;②深入比较m-ISODATA(自适应确定簇数)、k-means(高快速划分)与HAC(构建层次化场景结构)三类算法的技术特点与适用边界,指导实际项目中算法选型;③通过代码实践掌握从原始速/功率数据清洗、特征提取、距离度量选择、聚类有性评估到最终场景概率赋值的全流程技术栈。; 阅读建议:学习者应结合提供的Matlab代码进行动手实践,重点理解数据标准化、欧式距离与动态时间规整(DTW)等相似性度量的选择依据、聚类数目评估指标(如肘部法则、轮廓系数)的应用,以及如何通过削减前后场景的概率分布和典型性来检验结果质量,并可进一步将此方法迁移至光伏发电、负荷等其他不确定性场景的建模与简化研究中。
内容概要:本文围绕2026年高教社杯全国大学生数学建模竞赛A题“药材的烘干问题”,提供了一套完整的数学建模解决方案,涵盖问题分析、模型构建、算法求解与结果验证全过程。文中详细探讨了药材烘干过程中温度、湿度、速等关键参数对干燥率与品质的影响,建立了基于传热传质理论的动态数学模型,并结合实际约束条件,采用优化算法对烘干工艺进行参数调优。此外,资源包内还包含配套的MATLAB代码与论文撰写模板,实现了从理论建模到编程实现再到成果输出的一体化支持,具有较强的实践指导意义。; 适合人群:全国大学生数学建模竞赛参赛学生,尤其是具备一定数学建模基础、编程能力(如MATLAB)和优化理论知识的本科高年级学生或研究生;也可供从事农业工程、中药加工、干燥技术等领域研究的技术人员参考。; 使用场景及目标:①应用于数学建模竞赛中对实际工程问题的建模与求解训练;②掌握传热传质模型在农产品干燥中的应用方法;③学习如何将物理过程转化为数学模型并利用优化算法求解;④获取可复用的代码框架与论文写作范式,提竞赛备赛率。; 阅读建议:建议读者结合所提供的代码与数据同步运行、调试模型,深入理解各模块的设计逻辑;在学习过程中重点关注模型假设的合理性、参数敏感性分析及结果可视化表达技巧,以全面提建模综合能力。
内容概要:本文围绕2026年高教社杯全国大学生数学建模竞赛C题“微网与外部电网电力调控策略”展开,系统研究了微电网内部源-荷-储的协同优化调度及其与主电网的能量交互机制。内容涵盖电力系统建模、不确定性因素(如光出力波动、负荷变化)的处理方法,重点引入鲁棒优化、两阶段优化等先进建模技术以提策略的稳定性与实用性。研究不仅构建了完整的数学模型,还配套提供了Matlab代码实现、仿真结果分析及论文撰写框架,帮助使用者从理论到实践全面掌握问题求解路径。此外,资源包中包含了详细的运行结果展示、参考文献支持以及可复现的完整资料下载链接,极大提了学习与参赛率。; 适合人群:全国大学生数学建模竞赛参赛学生,尤其是具备一定数学建模基础、Matlab编程能力及电力系统相关知识的本科生与研究生;同时也适用于从事微电网优化、能源调度、智能电网等领域研究的科研人员和技术开发者。; 使用场景及目标:①用于备赛训练,快速掌握C题核心建模思路与求解流程,提竞赛实战能力;②学习微电网在不确定性环境下的优化调度方法,深入理解鲁棒优化、场景削减、多目标协调等关键技术在能源系统中的实际应用;③通过提供的代码与论文模板进行修改与拓展,完成高质量的建模作品或科研原型。; 其他说明:该资源为免费分享内容,包含题目解析、完整代码、仿真结果与论文框架,可通过指定公众号“荔枝科研社”或百度网盘链接获取全套资料。建议使用者结合实际数据进行模型调参与结果验证,以增强模型的适应性与创新性,同时鼓励在原有基础上开展延伸研究,提学术与应用价值。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值