通过可视化数据分析提升测试质量

作者： Deadwalk

某位高人曾说过：日复一日地重复着既有的测试，然后被类似的Bug折磨得无可奈何，不如稍作停顿，分析总结找到Bug的源头，以除之。本篇文章我们就来聊聊如何通过可视化的数据进行分析，进而提升测试质量。

为了让产品的质量可度量、可视化，我们可以建立一些指标数据，以帮助我们发现产品质量的各种问题，比如：被测功能模块发现Bug太晚，某位开发同学的代码质量一直很低，某个功能总是在兼容性方面存在大量问题等。有了问题之后，我们就可以有针对性地进行改进，有的放矢，从而使得被测产品的质量逐步改善。以搜狗的项目为例，我们建立的指标有以下三个方向：Bug、代码行和漏测问题数量。

关于Bug的指标

Bug是软件开发过程中最基本的问题载体，在这一方向，我们可以细化为几种数据指标，例如：

1.Bug数量分布(功能模块维度)：

按照功能模块维度，分别统计Bug的数量(也可以是严重Bug数量)情况，该项指标用以反映哪个功能模块的质量情况最低。例如：搜狗输入法有语音输入、拼音输入、手写输入，分别统计某个版本这三个模块的Bug情况。

解释说明：

1. 首先我们可以判断Bug数量高的模块是否合理。如上图所示，本次版本开发主要实现和修改的是语音功能，那么Bug数量多是合理的。
2. 其次我们可以有针对性的部署测试策略。语音功能的问题数量较多，功能比较复杂，只是按照既有的测试计划可能模块质量覆盖不够全面，所以我们有针对性地对这个模块进行二轮、三轮甚至四轮的回归测试，或者