LigaAI:如何借助「新一代智能协作」提升研发效能?

自由构建 探索无限。

10月13日,LigaAI受邀参加2022亚马逊云科技中国峰会,并发表了题为「利用亚马逊云科技AI/ML服务开启新一代智能研发协作的大门」的主题演讲。聚焦数据驱动,本文将与大家分享「数据驱动+AI+研发协作」模式下的创新火花。

一、当前研发管理正在面临什么难题?

这个问题可以从开发团队、管理者和协作工具三个维度解读。

01 开发团队维度

  • 很难与业务团队和管理者在目标上达成一致
  • 不认为进度上报、工时登记等属于本职工作,因此完成积极性通常不高
  • 与其他团队协作缺乏有效沟通机制。所有事情依靠人推动,一旦忘记或遗漏就会受到阻碍;
  • 大量时间耗费在与开发本身无关的任务上,导致难以专注

02 管理者维度

  • 基于开发团队现状,难以获取真实进度数据。大部分进度数据滞后,或需依靠人工干预;
  • 研发产出难以通过现有数据衡量。后补的数据失真严重,而原始数据的处理又十分依赖个人的分析和决策能力;
  • 日常管理动作所需的进度跟进、沟通、任务分派、各方协同等微观管理,劳心劳力

03 协作工具维度

  • 灵活性较差。团队只能按照工具本身的方式工作,不能随意适配现有的流程;
  • 开放程度低。没有丰富的API和数据同步机制,很难与其他系统打通;
  • 自动化程度低。所有的事情必须通过人力手工处理,增加了使用负担,也导致团队不愿意使用工具,进一步加剧数据失真。

以上三方面原因综合导致研发效能提升困难。

二、更好的研发协作方式是什么?

传统研发项目管理中,协作过程串行化严重,团队内部的大量空转造成了巨大浪费,同时也产生了很大的项目延期风险。

LigaAI认为未来更好的的协作形态应该是「赋能型管理+自驱型团队+智能化工具」的有机结合。

新一代研发协作模式具有业务导向、目标导向、全员参与等特点。要实现以上效果,需要组织文化与团队成员配合作战

此外,合适的工具也能帮助团队更快地实现目标,二者缺一不可;而风险预警、智能协作等场景也非常适合通过 AI 提效

让机器处理机器擅长的事情,让人回归到更有创造力的本职工作,这就是「数据+AI」驱动的下一代研发协作

三、为什么要构建数据驱动型企业?

01 对内全面提效

从企业内部看,数据驱动的研发协作等于全面提效。通过数据驱动,LigaAI希望达成以下目标:

· 提高组织内部透明度。让各个部门可以随时了解其他部门在做什么、进度如何;保证各部门可以顺畅协作,减少信息损耗,提高流转效率。

· 培养数据人才和数据意识,让大家养成关心数据、使用数据的习惯。

· 提高研发团队的业务参与度。缩短研发团队与业务的距离,让研发成员了解用户对自己研发的产品的使用情况和满意度。

· 提升开发人员的成就感。与业务参与度相伴而生,要让大家更愿意主动地解决业务问题。

· 企业内部各部门在内部决策时,可以有所依据,降低决策难度和决策成本

最后,全面提升业务敏捷性

02 对外增强产品竞争力

ToB SaaS企业内部提效最终要表现在外部市场。从SaaS客户的视角看,数据驱动的研发协作意味着产品竞争力增强

· 于SaaS产品而言,用户体验是重要指标。通过数据驱动,可以提升用户体验和客户满意

· 提供个性化的服务支持。采用「数据+AI」的模式,学习不同用户的使用习惯,推荐更适合的流程,为不同用户提供针对性的服务;还能降低上手成本,让产品陪伴用户成长。

· 传统工具常提供大量原始数据,需要用户自己进行分析解释;LigaAI以「数据+AI」的方式,为用户提供辅助的决策建议,实现数据洞察

四、如何构建数据驱动型研发协作和企业?

下图的金字塔自上而下是一个由虚转实的过程,四层内容分别代表愿景、目标、实施和数据利用。

下面以LigaAI为例,展开分享如何按照金字塔步骤,搭建数据驱动型企业。

01 管理愿景

数据驱动是一种理念、战略。企业需要先在内部达成统一的认识,形成自上而下的、一致的数据愿景。

02 企业效能目标

确定愿景后,定义阶段性目标。LigaAI聚焦研发协作,当前阶段最主要的目标就是企业效能提升,那么「企业效能提升」就是数据驱动的目标。

以下是一些推荐的效能目标。

03 可扩展的数据架构

明晰目标后,就可以实施。LigaAI先搭建了一个最小化的可扩展数据架构(下图是简化版的核心架构图),从左至右分别是数据源、数据处理、数据存储和数据服务。

LigaAI的数据源包括Aurora关系型数据,以及非结构化的文档数据、日志数据、队列数据等;

根据业务情况,数据源处理分为实时和离线处理:实时数据处理一般使用DataSync服务,而非实时数据则采用传统的ETL程序进行处理;

所有处理好的数据会统一放到基础的数据存储平台,LigaAI选择的是DocumentDB和S3 ;

最后,数据服务分为两个部分:已经处理好的数据,通过查询服务直接对内部、外部应用提供接口

与AI相关的服务,LigaAI以SageMaker为核心,搭建了一套AI工作流程,并实现AI数据训练、模型发布、模型部署等自动化处理

04 构建数据驱动的正循环

将架构和平台应用结合,构建数据驱动的正向循环。

LigaAI的数据驱动正循环以团队为核心,团队在LigaAI平台上使用产品并产生数据、数据驱动算法、算法改进平台。平台、数据、算法三者相互驱动,形成「效率提升内循环」,这是对平台客户的价值;

在企业内部,LigaAI形成了以产品、客户体验、反馈池、研发迭代为主体的「价值滚动外循环」。

内外两个循环共同组成我们的价值飞轮,最终提升产品竞争力。

五、 关于数据驱动提效的建议

构建数据驱动时,可以从价值比较高的具体场景,或比较容易出效果的场景切入,增强团队信心;

也可以利用云产品快速搭建合适的数据架构,实现快速启动;

启动后,需要关注数据生产、使用、改进的正循环。只有不断改进,才能走得更远;

最后,注重数据安全、隐私与合规,也非常重要。

六、如何衡量数据驱动为企业带来的效益?

下面是一组LigaAI构建数据驱动型企业的效益数据。

01 研发协作提效

  • 简化需求排期流程
  • 更有效的研发工作衡量方法
  • 超过 40% 的任务实现自动流转及通知
  • 新模型上线,从 2 周变成了 2 天

02 价值交付

  • 提高了产研对业务的参与度
  • 快速反馈,提高业务的敏捷性
  • 更高的客户评价与市场竞争力

整体而言,LigaAI帮助诸多企业成功实现了业务协同、降本增效的大目标。

# Liga总结

以「数据+AI」为核心的下一代研发协作,能够帮助企业完成更多的任务:让机器做繁琐重复的工作,将人回归到本职角色专注创造。

减少琐事和干扰事项的打扰,让开发者体验沉浸式工作,让专注激发、释放更多的创造力和生产力。


>> LigaAI 往期精彩阅读 <<

如何搭建可伸缩的研发流程管理方案?

影响研发效能的7个常见场景解读

分享一个优先级系数计算公式

迭代评审会的七宗罪,你知道吗?

了解更多敏捷开发、项目管理、行业动态等消息,关注我们的团队博客或点击 LigaAI-智能研发协作平台,在线申请体验我们的产品。