软件测试的两种未来

发表于:2012-09-06来源:测试窝作者:赵璨点击数: 标签:软件测试
光明未来 测试人员点亮道路 这是我们的角色 我们看清事情的面目。 我们通报质量可能性的结果,因为我们批判性的思考软件,
  光明未来
  测试人员点亮道路
  这是我们的角色
  我们看清事情的面目。
  我们通报质量可能性的结果,因为我们批判性的思考软件,
  但是
  我们让项目负责人做出商业决定
  光明未来:
  测试拥抱变化和复杂性
  Ÿ 真实的世界是混乱和复杂的
  Ÿ 变化随时发生
  Ÿ 市场决定
  Ÿ 合约
  Ÿ 需求
  Ÿ 规范
  Ÿ 设计
  Ÿ 文档
  Ÿ 产品
  Ÿ 系统
  Ÿ 我们帮助我们的客户理解变化和复杂性背后的意义
  光明未来
  调整而不是重复
  Ÿ 重复,对于计算机来说,相对容易,但是测试不仅仅是重复。它更是一个开放的探索。
  Ÿ 专业的测试因而更关注在思考和调整、价值以及相关的风险上
  这种测试是无法脚本化的
  Ÿ 专业的测试人员不会问“通过还是失败?”
  Ÿ 专业的测试人员会问
  这个地方有没有问题?
  标准化测试的运动
  Ÿ 一个标准对于测试工作的作用是很显著的
  前提是你仅仅想发现标准的bug
  Ÿ 标准化测试人员的意义
  Ÿ 为了扩大测试社区?
  Ÿ 为了个别测试人员?
  Ÿ 为了已在市场中失败的组织?
  Ÿ 还是为了一小群有认证的销售人员
  Ÿ 问问你自己
  Ÿ 150,000测试人次(至少),每门认证100美元,这 15,000,000美元(至少)的成本去哪了?
  Ÿ 谁是ISO29119最激进的拥护者
  认证的替代方案
  对任何测试任务做好准备
  Ÿ 我练习并教授测试
  Ÿ 以此我获得成功和失败的经验
  Ÿ 我练习批判性思维
  Ÿ 以此我避免愚弄自己和他人
  Ÿ 我练习系统性思维
  Ÿ 以此我学会兼顾全局和细节设计
  Ÿ 我练习编码
  Ÿ 以此我学会谦卑
  Ÿ 我练习描述我的练习
  Ÿ 口头的
  Ÿ 笔头的(杂志、文章、博客等)
  Ÿ 演示的(像现在这样)
  Ÿ 我参加到同样工作方式的社区中
  认证的替代方案
  将思想和知识带入到工作中
  Ÿ 我阅读非测试相关的书籍和文章
  Ÿ 科学和物理学
  Ÿ 数学和统计学
  Ÿ 认知心理学和批判性思维
  Ÿ 计算机编程和软件设计
  Ÿ 食物和烹饪
  Ÿ 通用系统
  Ÿ 医学
  Ÿ 经济学
  Ÿ 社会科学
  Ÿ 历史
  Ÿ 喜剧
  Ÿ 我将这些领域原则与测试领域相关联,并描述这些相关性的价值
  软件开发
  不同于制造业
  Ÿ 制造业的目标就是生产出大量的相同部件
  Ÿ 重复检查对制造业是有意义的,但是。。。
  Ÿ 软件行业,生产出大量同样的拷贝不是个大问题
  软件开发
  类似于设计
  Ÿ 每个新软件产品从某种程度上都是新的,这意味着每次都会有一套新的关系和设计
  Ÿ 新的设计不能只是被检查;它们需要被测试
  对设计进行测试就如同在罪证化验室中工作
  Ÿ 有太多的疑似证据需要测试
  Ÿ 有太多的证据相关的工具、过程和来源
  Ÿ 工具和过程不是为一个特定调查和目标制定的
  Ÿ 工具通常是昂贵的
  Ÿ 调查在不确定和苛刻的时间压力下进行
  Ÿ 我们的客户(不是我们自己)对可用证据如何处理做出决定
  光明未来
  测试应关注学习
  测试人员在代表我们客户利益的基础上,通过不断学习来维护产品价值
  我们所做的不是在确认我们的信念。我们所做的是摧毁不可靠的信念。
  测试人员就如同项目团队的感应器
  那么我们测试人员是什么?
  专业的调查人员
  软件测试是对由人、程序以及相关产品和服务组成的系统进行的调查工作。
  对于产品应该如何工作,测试人员不必一定要做出结论或推荐。她的任务就是将明确的风险暴露给利益相关者。
  什么是测试
  Ÿ 优秀的测试工作不仅仅是计算机科学的分支
  Ÿ 仅关注程序,遗漏了价值相关的问题以及其他包括人在内的诸多关系
  Ÿ 对于我而言,优秀的测试工作就像人类学 – 跨学科的、系统性的、调查性的以及故事性的
  光明未来
  自动化有很多目的
  Ÿ 测试人员的脑力和技能应该围绕探索性的过程上;编程只是一个技能
  Ÿ 自动化拓展了我们产生数据,可视化、分析、排序、搜索、观察以及解释数据的能力
  Ÿ 自动化不测试;人测试
  需求文档不足?
  没问题!
  Ÿ 如果你抱怨在测试之前缺乏足够的需求文档,那么你就不是真正在做测试;你在做检查
  Ÿ 如果你发现需求文档有问题,你的测试已经开始发现有价值的信息
  Ÿ 测试工作能够添加很多的信息帮助解决这些问题
  光明未来
  观察而不是统计
不应该考虑
  • 定量标准
  • 数据
  • Bug数量
  • 完成的测试用例
  • 通过/失败率
  • 发布测量
  • 每条需求一个测试
  • 数字告诉我们什么
  • 责怪
我们应该考虑
  • 定性标准
  • 信息
  • 问题和争议背景
  • 多元覆盖率
  • “设立是否有问题?”
  • 足够好的质量
  • 风险点
  • 数字遗漏了什么
  • 理解
  这里目的不在于提供答案,而是给出更好的建议

原文转自:http://www.ltesting.net