故障复盘为什么需要数据分析

引子

“没了数据我们就活不下去了？”

这是一位资深测试经理与我的对话中问我的问题，当时的场景上下文是讨论项目回顾会是否需要看故障复盘的数据。

这是一个非常好的问题！非常感谢发问者的质疑精神！

我的回答是：我不赞同你的观点，但是会极力维护你的质疑精神！

下面就“故障复盘要不要数据分析”这个问题，我从两个方面来讨论一下。

定性分析

任何问题的分析都是从定性分析开始的。

说个最常见的情况，家里的小孩感冒发热，首先我们简单用手一摸孩子的额头，感觉发烫，就可以定性判断，这个娃娃发热了，我们需要采取措施进行干预了。

小儿发热的场景

那么映射到日常的项目故障复盘，首先看到的是每天或者每个版本的新增故障数量，如果故障数超出正常水平(可以从平常经验判断)，那自然就可以定性为版本质量存在风险，必须采取干预措施了。

做完定性分析，新的问题就来了。我们需要采取什么干预措施？

定量分析

还是回到上一节小孩发热的场景，我们不能简单用手一摸额头就能给出适合的干预措施。至少拿体温计测量一下体温数值，再做进一步的决策。

比如说38度以下的低热，就采用在家喝水，用毛巾敷敷的措施进行降温。如果超过38度以上，就去看医生，采用医生的专业意见和措施(喝退热药等等)。

这就是定量分析的方法。

我们再跳回故障复盘的场景，之前判断出版本存在风险了，但是风险在哪里呢？我们必须依赖定量分析了。最最简便的故障分析方法就是帕累托图。

帕累托图示例

通过收集故障数据，再确定故障类别，用帕累托图进行数据可视化，很容易就能发现端倪。图中最左侧的几列高地，可能就是风险集中力量之地。

这里还有一个重要法则可以结合使用：二八原则。意思是说，80%的问题可能集中在20%的地方。我们能做的就是集中火力，定点清除这20%的地堡。把有限的资源投入到成效显著的工作上。

两者结合

定性分析和定量分析是天生一对，我们不能把他们硬生生地分隔两地。

通常使用模式是，定性分析确定方向，定量分析锁定目标，对版本质量问题实施精准打击。

我们不需要被繁杂的原始数据所困扰，只要通过帕累托图的分析方法，锁定20%的关键风险因子，一路猛追到底，我们期望的改善必然会出现。

总结

故障复盘是项目回顾会的必须环节，如果没有数据分析的支撑，正常的项目回顾会可能陷入互相掐架，互相归因的口水大战。因为参会者没有客观参照物，不能就事论事，只能选择主观臆断，尽力外部归因，为自己开脱。

所以，客观数据说话，摆正心理姿势，抛开“PDV”思维，帕累托图开路，结合二八原则，才是正确有效的项目回顾会解锁密码。

写到这里，不知能否解答开篇提到的那个问题？

---

注：PDV，position decided view。由位置决定的观点，俗语“屁股决定脑袋”。