标签：
"It‘s nothing but a hokum!"
大部分人提起质量数据的时候，总会以这样的方式嗤之以鼻；尤其是在多数互联网圈里，测试靠手沟通靠吼的情况下，质量数据的意义似乎已经淡化到了最低。
我曾经也一度这么认为，甚至现在也这么认为，可是遥远的曾经，却认为质量数据是一件很重要的事情。最终我的结论就是：质量数据重要，质量数据也不重要。仁者见仁，我的看法主要依赖于自己的成长过程和项目经验积累，质量数据这事，基本上传统公司做的多一些，互联网公司做的少一些，大公司（有专门测试部门）多一些，小公司少一些。至于质量数据怎到底重不重要，我觉得重要，但是要看什么公司，什么项目，什么流程等等。任何数据都一样，数据本身无所谓意义不意义，重要的是如何去处理，怎么看待。
质量数据，一般可以从3个方面看：
传统的质量数据建设过程，最终这些数据通过模型分析和预测，达到可视化的目的。
而互联网条件下的质量数据，往往看重一些更实际的点，比如：
很明显互联网条件下，对质量数据提出一些更为现实但是看起来更杂乱的要求；然而不管传统情况还是互联网情况，数据这事的处理过程都是相似的，所以总体来说，互联网的质量数据做起来更为复杂，需要不断抽丝拨茧。做好质量数据这件事，一般分为三个过程，Model-->linked data-->智能服务。其中model主要是最基本度量和预期，包含一般的分析和统计，给出一般的度量报告；linked data更多的是把各种独立的隔离数据关联到一起形成更多逻辑数据，进而通过离线运算和机器学习等方式给出更多隐藏的分析数据；智能服务是一个阶段性的终点，它可以提供一些混合模型的分析结果，支持可配置的服务，而且可以对需求和方案作出预期。
但这些看似高大上的东西，确实是空谈——假如无法产出实际作用，尤其在互联网和创业公司。
简单的说，对老板来说最重要的质量度量结果是什么，是“进度”，项目质量度量结果，还是“进度”，而业务目标是啥，是“赚钱”。而互联网的特点是变化、任务并行、结果导向，领导更看重关键点和核心步骤结果，这样的要求很大程度上增加了抽象和建模的难度。所以一开始提到质量数据的建设重要，也不重要，原因就是方法和思路都差不多，但是业务和过程细节却不一定相同，拿别人的用不一定适合自己，自己做成本高也不一定有结果。事实上无论是评估还是预测，建设的过程都有必要的原则，关键点和一些问题。
一些原则包括：相关利益数据的结果导向、全链路数据采集、生命周期整体分析、各分析模块插合处理、各层自动化独立分析等等，这些可以作为质量数据建设过程中的基准原则；
度量和预测上的一些关键点，往往是质量数据建设成败的关键，处理的时候需要特别关心，比如度量上：
而预测上的一些常见的关键点则包括：
过去的一段时间里，做质量数据建设的一些事，有一些总结，不管质量数据这事重要还是不重要，总算在这里兜了一圈，也算是纪念吧：
标签：
原文地址：http://www.cnblogs.com/wiki-royzhang/p/4850425.html
