電子表格揭示真相 

你們公司某個地方一定有這麼個電子表格。當初有人因為某個主管問了一個測試平台無法直接回答的問題而建了這個表格：哪些項目實際使用了設備實驗室，或者某個團隊上個季度做了多少測試。他們把能匯出的資料匯出，貼到表格裡，寫了一些公式，然後就發了上去。結果還不錯。所以現在他們每個月都這麼做。 

沒人會把這個問題上報。它從未出現在季度業務回顧 (QBR)、支援工單或功能請求中。它只是某個人在周五下午反覆遇到的一個難題，而這恰恰是你的測試程序存在可見性問題的最可靠指標。 

大家真正想弄清楚的是什麼 

這份電子表格背後隱藏著一些常見問題。測試負責人和平台管理員想知道專案的運作情況以及相關資源是否得到了有效利用。測試人員則希望清楚了解他們負責的專案和時段的執行結果。 

要回答這些問題，就需要從平台的各個角落提取資訊——測試結果、項目、設備、使用情況——但這些資訊單獨來看都無法說明全部情況。必須有人匯出這些訊息，整理歸類，找出它們之間的關聯。而電子表格的存在，正是為了解決這個問題。 

而且，這種問題的形式並非測試領域獨有。 IBM 的《2025 年首席資料長研究》也指出了這一點。177% 的數據和分析領導者表示，數據孤島阻礙了其組織進行即時分析和做出數據驅動決策的能力。  

已解決的問題不再被報告 

變通辦法本身就是證據。 當團隊已經針對某個缺口找到了解決方案時，這個缺口就消失了。他們不會在產品路線圖討論中提及它，因為在他們看來，問題已經解決了。報告發出後，主管會收到相關數據，成本也會被計入某個人的職務中。問題就這樣從產品缺口變成了勞動成本，而勞動成本往往只有在有人主動尋找時才會顯現出來。 

這就是為什麼問「你們有報告系統嗎？」會得到毫無意義的答案。每個人都有報告系統。差異在於產生報告的成本、報告發佈時的時效性，以及報告能否告訴你測試工作的實際進度。 

現在的工作是組裝，而不是分析。 

這項工作的成本是可以衡量的。在dbt Labs發布的《2025年分析工程現況報告》中有所提及。2儘管人工智慧工具激增，但仍有57%的數據從業者表示，他們大部分工作時間都花在維護或整理數據集上，而不是分析數據集，這一比例與前一年基本持平。數據品質差仍然是受訪者提及最多的挑戰，超過56%的受訪者都提到了這一點。 

這些都是數據分析專家，他們的全部工作就是處理數據。 QA部門的情況也類似，而且通常更糟，因為負責撰寫報告的人往往是QA主管或平台管理員，他們還要兼顧自己的本職工作。問題不在於數據本身，而是如何整合數據。會話、專案、設備使用情況和測試結果都已經存在，只是需要有人利用周五下午的時間把它們整理成一份報告。 

同樣的訊號，兩條通往答案的路徑。但只有一條路徑可以重複驗證。 

三個決策，而不是三個儀表板 

互聯可見性旨在支持每個測試組織做出的決策，所有這些決策都與資金相關，而目前大多數決策都是憑直覺或根據某人手工構建的數字做出的。 

• 我們的投資是否投向了正確的基礎建設？ 哪些設備和作業系統版本真正受市場需求，哪些閒置，以及產能是否與實際使用情況相符。大多數領導者都能準確描述他們的設備庫存，但卻完全不了解他們的設備利用率。 

• 這個平台真的被採用了嗎？ 哪些團隊和專案正在使用它？哪些領域的採用率正在成長？哪些領域的採用率在上線後停滯不前，無人察覺？ 

• 我們的測試工作是否朝著正確的方向發展？ 測試量是多少，測試趨勢如何，以及哪些項目參與了測試。 

問問別人上次申請增購設備的理由是什麼。如果誠實的答案是“我們知道我們需要它們”，那麼這就是一項沒有數據支援就做出的重大決策，而且這項決策每年都在發生。 

覆蓋範圍問題比速度問題更嚴重。 

報告遲遲不到會浪費你一天的時間。更隱密的問題是，沒人能告訴你測驗是否針對了正確的方向。 

這是測驗題。  

選擇一個團隊，詢問他們在上個迭代周期中使用了哪些設備進行測試，以及為什麼選擇這些設備。你通常會得到以下三種答案之一：「這就是配置裡的內容。“，”那是我被指派的任務。“或”我們一直以來都是這麼做的。這三者意思相同：這份清單是繼承而來，而非自行選擇。它當初制定時或許是正確的，但之後可能就沒再被重新審視過，因為重新審視清單意味著要收集數據，而理解這些數據需要花費大量精力。 

共享資料層並不會讓任何人變得更聰明。它只是意味著人們終於可以詢問哪些設備真正重要，套件中有多少功能是針對這些設備的，以及哪些費用花在了那些無關緊要的設備上。 

問一個更好的問題 

下次評估測試項目是否可衡量時，不要問是否有報告功能，而應該問這個問題： 

“我們需要多長時間才能得到一個可信的答案？需要哪些人參與才能得出這個答案？” 

這個問題引出了電子表格、匯出流程、維護流程的人員，以及問題和答案之間兩天的延遲。它將討論的焦點從功能轉移到營運成本，而真正的數字就蘊藏在營運成本之中。 

找到那份電子表格後，找到維護它的人。他們一年來一直默默地補貼這個缺口，他們清楚地知道成本是多少，當你決定解決這個問題時，他們才是最有說服力的人。 

 這與我們建構的東西有何關聯？ 進階見解 Digital.ai 測試是我們針對組裝問題給出的具體解決方案：在團隊已經使用的平台內提供使用情況、設備和測試執行視圖，從而省去了每月重新建構相同視圖的步驟。 

來源和參考文獻 

1IBM 商業價值研究院，《2025 年首席資料長研究：人工智慧倍增效應》—77% 的受訪者同意或非常同意，資料孤島阻礙了其組織執行即時分析和做出資料驅動決策的能力。 2025 年首席資料長研究：人工智慧的倍增效應 

2dbt Labs，《2025 年分析工程狀況報告》—57% 的資料從業人員將大部分時間用於維護或組織資料集；56% 以上的資料從業人員認為資料品質不佳是主要挑戰。 2025 年分析工程現況報告