研发风险控制

去年冬天，我帮一家做工业物联网的研发团队做流程复盘。他们有47个研发，三个小组并行跑六个项目。CEO跟我说，最痛苦的不是做不出来，是每周例会前所有人都在"补日报&quot…

2023 年冬天，我参与了一次让我印象很深的线上事故复盘。一家做 SaaS 的客户，研发团队 60 多人，迭代节奏两周一次。出事的那条需求在文档里只写了三行描述，验收标准更简单，“…

去年第四季度，我帮一家约 160 人的 SaaS 公司做研发效能复盘，发现一个让我意外的数据：他们上线后 3 个月内产生的生产事故中，有 61% 可以追溯到同一个环节，任务验收提交…

去年冬天，我所在的 120 人研发组织出过一次"看起来很蠢"的事故：周五 18:20，一个 hotfix 分支合进了 release 分支，CI 构建失败。提醒…

去年冬天，我们团队出过一次线上故障。原因不是代码缺陷，也不是流量突增，而是一张没人记得续期的 SSL 证书，它在凌晨两点到期，网关开始拒绝所有 HTTPS 握手，监控告警在十分钟内…

大多数研发团队的超期提醒，最后都变成了群里没人点开的红点。我花过整整一个季度观察这件事：在一个约 180 人的研发组织里，我们统计了 12 周内系统发出的 3847 条任务提醒，其…

2023 年秋天，我在一个 128 人的研发组织里做了一次有点“得罪人”的动作：把过去 6 周所有迭代的站会记录、IM 群聊、工单流转日志翻了一遍，然后人工标出每一个“任务卡住”的…

2022年我接手过一个从0到1的内部工具项目，团队从9个人起步。前三个月我们几乎没有“风险控制”这回事，管它叫敏捷。第四个月，一个在周会上被随口提过两次的第三方接口限流问题突然爆发…

大多数研发团队的状态设计，不是从业务出发，而是从一次会议里的抱怨出发，"这个需求到底在谁手上？"于是有人加了一个状态叫"待联调"，过两周又加…

很多研发团队都遇到过这样的场景：任务在平台上建好了，负责人、优先级、标签、预估工时一个不少，可到了截止时间前两小时，才发现这个任务其实还卡在等另外一个模块的接口联调上。系统里它显示…