Medición del impacto de la automatización de pruebas en la calidad del software

Justyn Trenner, que se describe a sí misma como "tecnóloga accidental", actúa como directora de desarrollo corporativo de QA Financial, una empresa centrada en DevOps, automatización y tecnologías de IA. Fundada en 2015, la firma busca aumentar la forma en que las empresas financieras y de comercio electrónico monitorean, descubren y abordan el desarrollo, las pruebas y la entrega de software.

Con tal enfoque, no es de extrañar que algunos de sus socios incluyan empresas de todo el mundo, incluidas Eggplant, IBM y Parasoft. Su asociación con el Banco de Inglaterra se centra en la resiliencia digital y el papel de los puntos de referencia inspeccionables en DevOps.

QA Financial reconoce que automatización y pruebas automatizadas son herramientas clave para mitigar el riesgo en el proceso de desarrollo. Después de todo, si puede detectar problemas temprano, puede evitar mejor los desastres de implementación y las filtraciones de datos.

Los desafios

Las fallas de calidad pueden conducir a reparaciones costosas y también a la pérdida de cosas no cuantificables como la fe en los productos o servicios. Aunque es una parte importante del desarrollo de software, ¿cómo puede demostrar la eficacia de un enfoque de ingeniería de calidad?

Más importante aún, ¿cómo establece un retorno de la inversión (ROI) para discernir cuál es el presupuesto correcto y las inversiones de esfuerzo para prometer un rendimiento de calidad constante?

“Las pruebas y la reparación de API pueden representar el doble del gasto en calidad por defecto que otros defectos. El aprovisionamiento de datos también es una fuente clave de desperdicio (desarrollo ineficaz) y gastos duplicados”.

—Justyn Trenner, control de calidad financiero

Aprovechando Analítica QA Vector® ha ayudado a las empresas a determinar su asignación óptima de gastos, qué proveedor deben usar y qué modelo operativo es mejor para ellas. Aunque la IA juega un papel clave, la base de la metodología gira en torno a la predicción de riesgos, la resiliencia y el desempeño a tiempo.

Al hacer las preguntas relacionadas con la resiliencia operativa, la cuestión de los estándares abreviados es crítica. Se centra en varias preguntas clave.

• ¿Cómo mostrar el ROI de los esfuerzos de calidad?
• ¿Cómo reconocer la mejora?
• ¿Cómo comparar diferentes enfoques?
• ¿Cómo conectar la calidad con los resultados comerciales?
• ¿Cómo demostrar el cumplimiento de la calidad a un regulador?

QA Vector Analytics de QA Financial proporciona los medios para abordar estas preguntas, mejorando así la resiliencia digital con puntos de referencia inspeccionables.

Aprenda cómo su equipo puede implementar estos puntos de referencia para mostrar mejor el ROI en lo que respecta a la calidad. Mira la presentación de Justyn, Benchmarking the Value of Quality Engineering, en el Cumbre de Calidad y Pruebas Automatizadas de Software 2021. Vea por qué el viejo dicho, “Velocidad. Costo. Calidad. Elija dos, porque no puede tener los tres”, ya no es cierto cuando se trata de software.

Costos ocultos y uso ineficiente de los fondos

Cuantificar cuánto debe gastar en esfuerzos de calidad puede parecer difícil de hacer. Los datos muestran que las pruebas y la reparación de API pueden representar el doble del costo por defecto que otros tipos de defectos. Esto da como resultado una pérdida de tiempo, esfuerzo y presupuesto en procedimientos ineficientes y problemas fáciles de solucionar que podrían haberse tratado de antemano.

Si bien puede parecer un buen enfoque tomar atajos o quedarse con lo que siempre ha usado al principio, puede terminar costándole mucho dinero, talento, base de clientes o los tres al final. QA Vector Analytics permite a las empresas e instituciones financieras medir el rendimiento de calidad contra rivales y pares a través de proyectos y enfoques de desarrollo.

El enfoque

Al intentar crear estándares analizables para medir el ROI de calidad, el mayor obstáculo fue ver cómo la metodología de un equipo afectaba el desarrollo. Después de todo, lo que funciona bien para un equipo puede ser totalmente imposible para otro.

Modelo de cascada

Esta metodología tradicional para el desarrollo de software suele ser utilizada por empresas de nivel empresarial por su flujo lineal que tiene objetivos definidos.

Antes de que pueda comenzar la siguiente fase, la anterior debe estar totalmente completada. Tampoco hay opción para volver atrás y modificar el proyecto. Esta rigidez puede resultar en un desarrollo costoso y lento.

Agil Modelo de

La metodología Agile es una opción común que permite a los equipos de desarrollo minimizar riesgos como sobrecostos, errores y cambios en los requisitos a medida que agregan nuevas funcionalidades. Esto significa que los equipos impulsan cambios en pequeños incrementos e iteraciones. Los ejemplos incluyen crystal, scrum, desarrollo basado en funciones (FDD) y más.

Desarrollo rápido de aplicaciones (RAD)

Este proceso condensado generalmente conlleva bajos costos de inversión y al mismo tiempo produce un producto de alta calidad. RAD contiene solo cuatro fases. Si bien es rápido y excelente para proyectos con objetivos bien definidos, RAD requiere un equipo muy estable de desarrolladores expertos.

Es posible que un requisito de conocimiento tan profundo y la capacidad de trabajar y cambiar rápidamente cuando sea necesario no sea para todos los equipos.

DevOps híbrido

DevOps es tanto un conjunto de prácticas para apoyar la cultura organizacional como una metodología de desarrollo. En esencia, este enfoque se centra en la colaboración, la mejora del tiempo de comercialización y la reducción de las tasas de error de las nuevas versiones.

Automatizar la entrega continua a menudo significa automatizar las pruebas continuas, lo que ayuda a los equipos a detectar errores y amenazas potenciales antes en el proceso. Sin embargo, las pruebas manuales siguen siendo una parte crucial del proceso junto con las pruebas automatizadas.

Cambiar a DevOps pensando que puede despedir a expertos en calidad o pensar que simplemente puede convertirlos en desarrolladores conduce a una falta de experiencia en pruebas y un alto costo de reparación, ya que sus ingenieros más costosos están haciendo todo eso.

—Justyn Trenner, control de calidad financiero

Datos probados en el mercado y basados ​​en defectos

QA Vector Analytics proporciona los conocimientos que las empresas pueden utilizar para optimizar sus flujos de trabajo y metodologías.

Ejemplo en foco: Fintech

La imagen de arriba muestra qué tan bien se desempeñaron las empresas con diferentes modelos. Por ejemplo, verá que las FinTech que utilizan el modelo híbrido obtuvieron una muy buena puntuación en el escape de defectos en general, siendo los defectos triviales su mejor área de desempeño. Sin embargo, cuando observa los defectos críticos, el modelo híbrido FinTech obtuvo una puntuación baja.

La razón de esto es la epopeya de "reparación rápida" donde hay una fecha de lanzamiento y luego una fecha de lanzamiento 2 solo unos días después. Esto pone a los usuarios como probadores. Una propuesta arriesgada si le preocupan los riesgos de seguridad, las violaciones de datos y similares.

Ir más allá con la automatización

Al igual que con estudios de casos como el de Parasoft Medición del ROI de Caesars Entertainment y Test Automation, hay un enfoque en demostrar el ROI al liderazgo con QA Vector Analytics. Apuntar a lograr los tres puntos del triángulo es más que posible con este nuevo enfoque. Haga que su futuro yo diga "gracias" e invierta en su viaje de calidad con pruebas de API, virtualización de servicios y más.