Entdecken Sie das TÜV-zertifizierte GoogleTest mit Agentic AI für C/C++-Tests!
Details ansehen »
Parasoft-Blog
Vermeiden Sie Fehler in der Softwarequalität, indem Sie früher im SDLC testen und automatisieren. Hier ist ein ausführlicher Leitfaden, wie Unternehmen die Auswirkungen der Testautomatisierung auf die Softwarequalität messen können.
Zum Abschnitt springen
Justyn Trenner, der sich selbst als „zufälligen Technologen“ bezeichnet, ist Corporate Development Director bei QA Financial, einem Unternehmen mit Schwerpunkt auf DevOps, Automatisierung und KI-Technologien. Das 2015 gegründete Unternehmen möchte die Überwachung, Entdeckung und Umsetzung von Softwareentwicklung, -tests und -bereitstellung in E-Commerce- und Finanzunternehmen verbessern.
Bei einem solchen Fokus ist es kein Wunder, dass einige ihrer Partner Unternehmen aus der ganzen Welt umfassen, darunter Eggplant, IBM und Parasoft. Ihre Partnerschaft mit der Bank of England konzentriert sich auf digitale Resilienz und die Rolle inspizierbarer Benchmarks in DevOps.
QA Financial ist sich bewusst, dass Automatisierung und automatisierte Tests entscheidende Instrumente zur Risikominderung im Entwicklungsprozess sind. Denn wer Probleme frühzeitig erkennt, kann Implementierungsfehler und Datenpannen besser vermeiden.
Lehren von ING & Bank of America
Qualitätsmängel können zu kostspieligen Reparaturen und auch zum Verlust von nicht quantifizierbaren Dingen wie dem Vertrauen in Produkte oder Dienstleistungen führen. Obwohl es ein wichtiger Teil der Softwareentwicklung ist, wie können Sie die Effektivität eines Quality-Engineering-Ansatzes demonstrieren?
Und was noch wichtiger ist: Wie ermitteln Sie einen Return on Investment (ROI), um zu erkennen, welches Budget und welche Anstrengungen die richtigen Investitionen sind, um eine konsistente Qualitätsleistung zu versprechen?
„API-Tests und -Korrekturen können pro Defekt doppelt so hohe Qualitätsausgaben verursachen wie andere Defekte. Die Datenbereitstellung ist außerdem eine Hauptquelle für Verschwendung (ineffektive Entwicklung) und doppelte Ausgaben.“
– Justyn Trenner, QA Finanzen
Durch den Einsatz von QA Vector® Analytics konnten Unternehmen ihre optimale Ausgabenverteilung, den passenden Anbieter und das optimale Betriebsmodell ermitteln. Obwohl KI eine Schlüsselrolle spielt, basiert die Methodik im Kern auf Risikoprognosen, Resilienz und termingerechter Leistung.
Bei Fragen zur betrieblichen Belastbarkeit ist die Frage der Kurzschriftstandards von entscheidender Bedeutung. Es dreht sich um mehrere Schlüsselfragen.
Die QA Vector Analytics von QA Financial bietet die Mittel, um diese Fragen zu beantworten und so die digitale Widerstandsfähigkeit mit überprüfbaren Benchmarks zu verbessern.
Erfahren Sie, wie Ihr Team diese Benchmarks implementieren kann, um den ROI im Bereich Qualität besser darzustellen. Sehen Sie sich Justyns Präsentation „Benchmarking the Value of Quality Engineering“ auf dem Automated Software Testing & Quality Summit 2021 an . Verstehen Sie, warum die alte Weisheit „Geschwindigkeit. Kosten. Qualität. Wähle zwei, denn du kannst nicht alle drei haben“ im Softwarebereich nicht mehr zutrifft.
Es kann schwierig erscheinen, zu quantifizieren, wie viel Sie für Qualitätsbemühungen ausgeben sollten. Die Daten zeigen, dass API-Tests und -Reparaturen doppelt so hohe Kosten pro Fehler verursachen können wie andere Fehlerarten. Dies führt dazu, dass Zeit, Mühe und Budget für ineffiziente Verfahren und leicht zu behebende Probleme verschwendet werden, die vorher hätten behandelt werden können.
Auch wenn es zunächst verlockend erscheint, Kosten zu sparen oder an Bewährtem festzuhalten, kann dies letztendlich teuer werden – in Form von Geld, Talenten, Kundenstamm oder allem drei. QA Vector Analytics ermöglicht Finanzunternehmen und -institutionen, die Qualität ihrer Leistung im Vergleich zu Wettbewerbern und Branchenkollegen über verschiedene Projekte und Entwicklungsansätze hinweg zu messen .
Lehren von ING & Bank of America
Bei dem Versuch, parsbare Standards für hochwertige ROI-Messungen zu erstellen, bestand die größte Hürde darin, zu sehen, wie sich die Methodik eines Teams auf die Entwicklung auswirkte. Denn was für ein Team gut funktioniert, kann für ein anderes völlig unmöglich sein.
Diese traditionelle Methodik für die Softwareentwicklung wird häufig von Unternehmen auf Unternehmensebene wegen ihres linearen Ablaufs mit definierten Zielen verwendet.
Bevor die nächste Phase beginnen kann, muss die vorherige vollständig abgeschlossen sein. Es gibt auch keine Möglichkeit, zurückzugehen und das Projekt zu ändern. Diese Starrheit kann zu einer kostspieligen und langsamen Entwicklung führen.
Die Agile-Methodik ist eine gängige Option, die es Entwicklungsteams ermöglicht, Risiken wie Kostenüberschreitungen, Fehler und Anforderungsänderungen zu minimieren, wenn sie neue Funktionalitäten hinzufügen. Das bedeutet, dass Teams Änderungen in kleinen Schritten und Iterationen vorantreiben. Beispiele sind Crystal, Scrum, Feature-Driven Development (FDD) und mehr.
Dieser kondensierte Prozess ist in der Regel mit geringen Investitionskosten verbunden und erzeugt dennoch ein qualitativ hochwertiges Produkt. RAD enthält nur vier Phasen. RAD ist zwar schnell und großartig für Projekte mit klar definierten Zielen, erfordert aber ein sehr stabiles Team erfahrener Entwickler.
Solch ein tiefgreifender Wissensbedarf und die Fähigkeit, bei Bedarf schnell zu arbeiten und umzuschwenken, sind möglicherweise nicht für jedes Team geeignet.
DevOps ist sowohl eine Reihe von Praktiken zur Unterstützung der Unternehmenskultur als auch eine Entwicklungsmethodik. Im Kern konzentriert sich dieser Ansatz auf die Zusammenarbeit, die Verbesserung der Markteinführungszeit und die Reduzierung der Ausfallraten für neue Versionen.
Die Automatisierung von Continuous Delivery bedeutet oft die Automatisierung von Continuous Testing, was Teams hilft, Bugs und potenzielle Bedrohungen früher im Prozess zu erkennen. Manuelles Testen ist jedoch neben automatisiertem Testen immer noch ein entscheidender Teil des Prozesses.
Der Wechsel zu DevOps in dem Glauben, dass Sie Qualitätsexperten entlassen oder sie einfach zu Entwicklern machen können, führt zu einem Mangel an Testexpertise und hohen Reparaturkosten, da Ihre teuersten Ingenieure all diese Reparaturen durchführen.
– Justyn Trenner, QA Finanzen
QA Vector Analytics liefert die Erkenntnisse, die Unternehmen nutzen können, um ihre Arbeitsabläufe und Methoden zu optimieren.
Das obige Bild zeigt, wie gut Unternehmen mit verschiedenen Modellen abgeschnitten haben. Sie werden beispielsweise sehen, dass FinTechs, die das Hybridmodell verwenden, insgesamt sehr gut bei der Fehlervermeidung abgeschnitten haben, wobei triviale Fehler ihr bester Leistungsbereich waren. Betrachtet man jedoch kritische Mängel, schneiden Hybrid-Modell-FinTechs schlecht ab.
Der Grund dafür ist die „Fix-Fast“-Strategie, bei der es einen Release-Termin und wenige Tage später einen zweiten Release-Termin gibt. Dadurch werden Benutzer zu Testern. Ein riskantes Unterfangen, wenn man sich Sorgen um Sicherheitsrisiken, Datenschutzverletzungen und Ähnliches macht.
Wie bei Fallstudien wie Parasofts Caesars Entertainment und der ROI-Messung für Testautomatisierung liegt der Fokus auch hier darauf, dem Management den ROI von QA Vector Analytics aufzuzeigen. Mit diesem neuen Ansatz lassen sich alle drei Punkte des Qualitätsdreiecks problemlos erreichen. Investieren Sie in Ihre Qualitätssicherung mit API-Tests, Servicevirtualisierung und mehr – damit Sie es später selbst zu schätzen wissen.
