研发效能团队相对于各个公司主营业务规模来说并不是很大,在经历的几家公司里主要是有两种组织架构,职能独立型组织架构和业务闭环型组织架构。 业务闭环组织架构 这里引入了一个概念-特性团队,以及特性团队的负责人(FTO),更多的内容在我之前的文章《研发效能组织能力建设之特性团队FeatureTeam(上)》有过介绍,这里只把一些关键点列出来 特性团队就是一个业务闭环的组织架构。图中的负责具体业务的运维人员甚至都可以闭环到业务中去,这样整体效率会更高。 阅读我的更多文章 研发效能组织能力建设之特性团队FeatureTeam(上) 高效能敏捷交付团队反思:特性团队(FeatureTeam)+Scrum 互联网公司研发效能/工程效率团队建设和规划 找到能做好研发效能的人 中小互联网公司研发效能团队规模、职能划分和优劣势分析
通过DDD设计规范提升多元业务系统的研发效能
为了达到更好的效果,企业在从厘清内部需求阶段就应引入专业的咨询人员有针对性地开展交流和指导,以结果为导向,协助企业全面评估系统环境并梳理业务流程。 [RPA机器人有效解决低效能业务流程升级难点] 低效能业务流程升级的难点 如何将不值得花费人力的业务流程进行自动化升级? 过去企业可能自行透过程序来执行系统集成、API串接,工程相当浩大复杂。 相较之下,RPA可以补足现有环境的不足,且具有周期短、易于开发的优点,通常案例只需4-6周(具体视业务流程的复杂程度而定)。 眼下,多数企业普遍面临着在不同时间点导入了不同系统,关键业务由一些老旧系统支撑的情况。随着时间的推移和业务的革新,使用这些系统进行日常工作变得越来越低效费力。 系统之间互相耦合,错综复杂,改造投入大、时间长、难度高;而旧系统支撑着关键业务,无法忍受长时间的研发周期。 化解难点:RPA实现业务流程顺畅 企业的这些普遍痛点,现在都可以应用RPA来解决。
上篇文章《研发效能组织架构:职能独立vs业务闭环》介绍了职能独立型组织架构和业务闭环型组织架构的特点,优劣势。 产品团队和设计团队之间的沟通会没有体现在其中 迭代评审会和迭代回顾会,对于小团队来说可以合并成一个会议,但需要控制时间 会议时间为我们项目中开会的实际时长,不同团队、业务和规模下也许不同。 业务闭环型组织架构迭代日历 对于业务闭环型的团队,很多职能团队之间被动的拉通、对其变成了团队内部之间的自我驱动,主动承担。职能团队之间正式的交流会议就没那么重要了,团队内部之间更多的是非正式的交流。 同样按照上面的时间我们就可以粗算出一个迭代(10个工作日),开会时间分别为: 站立会:0.5h*10=5h PRD评审会:1h 测试用例评审会:1h 迭代评审&反思&双周会:1h 所以业务闭环组织架构下一个迭代开会总时间最少为 通常情况下业务闭环组织架构要比职能独立型组织架构,一个迭代里每一个人开会时间降低4h,开会时间占比减少50%。组织架构变化带来的效率提升远比架构、技术基础设施更直接、更直观和更吸引人。心动否?
上篇文章《研发效能组织架构:职能独立vs业务闭环》介绍了职能独立型组织架构和业务闭环型组织架构的特点,优劣势。 产品团队和设计团队之间的沟通会没有体现在其中迭代评审会和迭代回顾会,对于小团队来说可以合并成一个会议,但需要控制时间会议时间为我们项目中开会的实际时长,不同团队、业务和规模下也许不同。 业务闭环型组织架构迭代日历对于业务闭环型的团队,很多职能团队之间被动的拉通、对其变成了团队内部之间的自我驱动,主动承担。职能团队之间正式的交流会议就没那么重要了,团队内部之间更多的是非正式的交流。 * * *阅读我的更多文章研发效能组织架构:职能独立vs业务闭环破局DevOps|8大北极星指标指引研发效能方向DevOps | 研发效能价值如何衡量高效能敏捷交付团队反思:特性团队(FeatureTeam )+Scrum研发效能组织能力建设之特性团队FeatureTeam(上)研发效能组织能力建设之Scrum管理框架核心精髓(中)
港华集团为香港中华煤气在内地投资及营运管理的业务组合,自1994年进入内地以来持续深耕燃气市场,业务覆盖天然气上、中、下游,目前在24个省、自治区及直辖市经营逾300个燃气项目,服务客户逾4000万户。 随着港华燃气智慧运行平台(Towngas Operation Platform,简称“TOP平台”)的上线,业务模块增多,IT基础架构愈发复杂,现有的IT运维方式对管理效率、业务连续性提出更高诉求,运维压力倍增给现有运维团队带来严峻挑战 通过此次平台落地应用,实现IT运维效率和业务连续性双提升。 3)资源可视化,提升运营效能构建了资源概览、应用墙、核心应用监控等可视化大屏,动态展示业务运行状态,利于系统资源快速调度和管理。03. 自动化运维已成为保障企业业务高效运转的重要支撑,通过运维自动化,全面提升IT运维效率和业务连续性。未来,嘉为科技将持续助力港华燃气落地运维场景更丰富的WeOps平台,为业务高效发展提供持续动能。
嘉为蓝鲸CMeas效能洞察模块构建了覆盖“战略层-管理层-执行层”的分层度量指标体系,同时支持高度灵活的自定义配置,实现“千人千面”的度量适配。 保障信创产品的交付质量;资源利用指标:服务器资源利用率、构建节点并发率、团队任务饱和度,优化信创环境下的资源配置;协作效率指标:跨团队沟通响应时间、需求变更处理效率、问题反馈闭环周期,打破“部门墙”提升协同效能 3)执行层:聚焦团队与个人效能执行层度量聚焦一线团队与员工的工作效率,为基层优化提供精准数据支撑,同时避免“唯指标论”带来的负面效应。 嘉为蓝鲸通过“价值流管理+度量体系深度融合”,构建“研发行为-效能指标-业务成果”的联动映射机制,让研发数据真正服务于业务决策。 这些标杆案例充分证明,嘉为蓝鲸的度量体系能够有效打通研发效能与业务价值的联动链路,让企业的信创转型成效可量化、可优化、可复制。
如果业务人员能够用这种思路去分析他自己的业务,那对我们IT开发效能的提升也会很明显,会帮助我们的软件工程走出技术端。 (三)EBA的落地应用 建设银行的“新一代核心业务系统”是采用企业架构方式推动的。 由于建行的实践涉及100多个主要业务系统的SOA改造,所以,这么大的一个工程如果不从上到下把结构处理好,后边的实施会很难处理,是架构设计提供了对总体效能的基本保障。 要做这种企业级架构设计目标上是要把不同领域的业务进行整合,去找它的公共部分,公共部分提炼出来了之后,才能更好地复用,从而提升以后的开发效能,这也是中台方法的目标。 四、对从行业层面提升开发效能的一点展望 说过了眼前的苟且,再看看诗和远方。 未来企业都会逐渐转变为科技公司,一旦起跑线差不多,我们比拼的就不再是技术实力,而是谁家的业务人员更能帮助技术人员快速理解业务,因此,没有业务这一侧结构化思维的改进,开发效能的提升最终还是有限的。
企业在具体业务落地时,亟需跨越以下核心瓶颈: 交互与留存瓶颈: 在游戏与泛娱乐场景中,传统的预设剧本和固化决策树导致非玩家角色(NPC)千人一面且缺乏长期记忆,难以维持用户高沉浸感与长线活跃度。 落地的技术闭环: 双引擎大模型底座: 深度集成腾讯混元大模型(包含角色扮演专属模型)与DeepSeek全系列模型(满血版V3/R1及蒸馏模型),支持API直调或TI-ONE平台一键部署与微调,满足不同复杂度的业务需求 赋能核心业务指标跨越式增长 基于云侧技术的深度部署,各行业客户在应用端实现了研发效率、运营成本与业务转化率的显著量化改善(数据来源:各合作企业业务运营报告): 游戏与泛娱乐领域: 巨人网络《太空杀》: 开箱即用的工程化服务: 借助高性能应用服务(HAI)和云原生调度(TKE+qGPU),实现算力细粒度切分与部署时间的大幅缩减,让企业彻底免除采购底层显卡的重资产投入,专注于核心业务开发。
本着「少些概念解决问题,脚踏实地躬身入局」的原则,之前写了一些关于研发效能领域实践的文章,写完之后我一般用的标签是「研发效能」「持续集成」「持续交付」「DevOps」,这样就让本来很简单的一件事复杂了很多 目标:DevOps 的目标是缩短开发周期,提高部署频率和更可靠的发布,与业务目标保持一致。 细品: DevOps也很广,一旦涉及文化,很多都说不清。 研发效能 定义:研发效能是一个组织高效交付产品的能力,以及围绕提高这一能力所建立起来的由规范、流程、标准、工具、度量体系、实践等组成的系统工程体系。 细品:研发效能包括规范制定、流程优化、工具建设、研发度量和实践这五个方面。后面的文章我会针对这五个方面一一阐述。 总结 研发效能是组织高效交付产品的能力及支撑其能力所建立的系统工程体系。 至于敏捷软件开发里面的很多原则还是很不错的,我觉得要实行这些原则对人对团队的要求还是很高的,可以秉着脚踏实地、支持业务发展的大方向谨慎试行。
直面AI商业化拐点与售前咨询效能断层 2025年被视为AI in All商业化元年,智能体(AI Agent)正全面重构传统SaaS应用。 通过“业务分析—任务拆解—模式选择—角色/工作流设定—测试与发布”的标准化从0到1搭建方法论,智能体能力被封装并依托API调用,无缝嵌入企业微信、小程序等现有业务链路中。 释放生产力并实现业务指标量化增长 依托TCADP构建的提效工具在投入实际业务后,实现了从开发端到业务端的全面效能跃升。 开发效能(Ops/Dev Cost)优化: 针对特定场景的Agent开发,仅需 1位开发人员投入,从开发到测试上线周期缩短至 3周以内,且开发过程中AI代码生成占比达到 80%+。 重塑“智享”AI助手与全链路业务闭环 以上业务指标的落地,源自于腾讯云赋能中台“AI提效工具”建设负责人刘晓炜主导的“智享”AI助手项目。
行业云: 提供可信、安全的行业基础设施,适合对时延敏感的行情交易业务。 重构“解析+切分+检索”的知识治理流水线: 采用基于OCR大模型解析引擎,覆盖复杂版面分析与元素子图识别。 释放AI原生生产力:核心业务量化指标验证 通过工程化组件与智算底座的结合,AI大模型在证券研发与业务交付场景中实现了可被量化的效能跃升: 核心指标一: 在企业知识解析环节,OCR大模型准确还原阅读顺序, 穿透资本市场核心业务场景的实战演练 在具体的业务前端,大模型能力已转化为多个高度可用的智能体(Agent)实体: 某头部券商协同智能化重构: 打造主子智能体架构(A2A)。 依托全栈生态矩阵与首发开源技术建立护城河 在模型能力向生产力转化的过程中,底层技术生态的完备度决定了业务落地的确定性。
2、缺乏对业务数据全量全要素管理 钢铁生产关联因素多、管控环节多、生产流程长,缺乏基于业务场景的数据场景应用及管理,导致业务响应市场能力不足。 3、传统的业务分析效率低 传统方式的数据分析,业务人员提需求给 IT 部门,IT 部门根据排期响应需求,这种传统的分析方式不能响应及时的多变的业务分析需求,效率低。 在智能决策层面,围绕业务辅助决策推进自动化技术应用,逐步由人工决策向智能决策转变,实现业务创新。 3、深入业务应用,驱动业务不断迭代,助力经营提效:通过大数据应用给公司海量数据赋能,不断改变旧的业态、业务模式和工作方法,从而提高企业经营管理效率。 这种模型化数据分析要聚焦梳理典型业务活动场景,进行目标拆解与迭代、数据治理,通过业务需求的解读及业务数据的有机整合与重构,推进模型与技术融 合,进而提升发现问题、提出良性优化及解决方案 的能力,来反哺业务活动
主讲人:曹骏 应对核心业务改造阻力与开发运维效能瓶颈 在银行业推进数智化转型的进程中,企业在软件研发、业务流程提效及底层基础架构替换上面临着多重战略困境与具体操作瓶颈: 软件开发与迭代效率受阻: 银行内部自研 此外,缺乏有效的度量体系来评估AI编码对组织的实际业务价值。 量化AI场景落地:信审提速、代码增效与基建提质 系统及产品的应用效果已在具体业务中得到严格的量化指标验证: 核心业务效能跨越: 大模型信贷尽调助手使人工审核采纳率达到 93%,整体工作效率提升 10倍; 研发效能显著优化: 多智能体开发工具已覆盖腾讯内部 78.14% 的研发人员(超5万人),其中 40% 的代码由AI助手生成,代码采纳率 >28%。 目前系统覆盖用户数 超6000人,实际代码采纳率达到 28%,代码生成率达到 31%,成功打通了“产品-推广-反馈-迭代”的业务闭环。
对于大量小而美的互联网软件项目,当版本需求被确认之后,比拼的就是研发能力,具体来讲就是从需求转化成软件或者服务的能力,这其中研发效能的高低对于理平台这里首先明确两个关键词的含义:CI: 持续集成,开发提交代码后
通常,用户可能希望在视图中向其业务用户呈现此数据,以便于使用,或者具体化特定列以便在语法上更容易(更快)访问,例如在上面,我们已经具体化了列ga_session_id、page_location和page_titlepage_referer
通常,用户可能希望在视图中向其业务用户呈现此数据,以便于使用,或者具体化特定列以便在语法上更容易(更快)访问,例如在上面,我们已经具体化了列ga_session_id、page_location和page_titlepage_referer
企业内部人、事、物等各大要素在这些“基础设施”内数字化流动协同,持续有秩序地产生价值;另一方面它们也是坚实的“跃迁平台”,系统和软件内通过功能传递的先进理念与管理方法论,也将在潜移默化间厚积组织能力,在业务迅猛发展之机提供持续的承载与托力 (3)效能数据的沉淀与展示:在有赞的项目管理推进中,我们沉淀了大量的过程数据,这些数据经过处理与整合,在专门的数据模块呈现可视化的图表或报表,作为各业务线客观的效能度量仪表盘。 ? (4)标准化的过程管理工具:在各大业务线的项目管理实践中,我们总结归纳了很多过程管理的经验,将这些经验数字化、产品化后,我们标准化了很多过程管理的工具,例如:月度规划、智能排期工具等。 ? 这在流程上要求我们的产品经理(厨师),在需求(菜品)上线30天内都要对需求进行至少一次的价值回顾并形成结论与沉淀,而这些结论将在下一次的业务规划会中,作为重要辅助资料来帮助提高决策的“正确性”。 二、效能平台的定位——三大“自我修养” 长期以来,为了达成未来效能平台既是“基础设施”又是“跃迁平台”的目标,我们对效能平台总结了三大“自我修养”,也就是定位的三大关键词: 2.1 效能 效能的定义为“
通常,用户可能希望在视图中向其业务用户呈现此数据,以便于使用,或者具体化特定列以便在语法上更容易(更快)访问,例如在上面,我们已经具体化了列ga_session_id、page_location和page_titlepage_referer
随着业务规模扩张,企业数据团队与业务团队的协同面临以下核心痛点: 决策与排障耗时过长: 传统产品规划依赖复杂的人工业务分析,受限于时间与人力,决策严重滞后;售后故障排查需翻阅冗长的检修手册,效率低下且难以快速定位 数据需求的爆发式增长使得运营成本(Ops Cost)直线上升,全能型业务人员亟需整合云原生、大数据、AI等多项能力栈。 实现核心业务指标的量化跃升 通过部署一体化平台与场景智能体,车企在研发、销售及数据工程等维度的核心业务指标获得显著提升(核心ROI指标): 研发与决策敏捷性重构: 产品分析效率提升 90%+(常规业务分析周期由 落地车联网端到端数据治理实践 某出行企业在车机信号(温度、开关状态等传感器信息)实时监控与告警业务中,原采用Hadoop Lambda架构,遭遇数据冗余与稳定性瓶颈。 车况监控等核心场景实现近实时响应,任务执行效率提升30%,部分场景性能成倍优化,全面保障业务SLA。平台平稳支撑日均数百TB的数据增量。