Конференция завершена. Ждем вас на других конференциях Онтико

Три простых инструмента, которые экономят время тест-лиду в покрытии, анализе и планировании на проекте

Оптимизация тестов и аналитики

Фреймворки
Python
Управление изменениями, управление требованиями
Аналитика / другое
QA / другое
Процессы и инструменты в enterprise
Управление командой
Инструменты

Доклад отозван

Мнение Программного комитета о докладе

Инструменты для выявления программных файлов, которые ответственны за большинство багов на проекте. Работает для программ на Java и issue tracker Jira.

Тезисы

Вас когда-нибудь спрашивали: “А сколько там ваши автотесты покрывают?”, “Зачем вам ЕЩЕ тестировщики?”, “Блин, опять баги нашли в авторизации. Как объяснить ПМ-у, что её давно пора рефакторить?”. Чтобы ответить на такие вопросы с доказательной базой, цифрами и графиками, я написал несколько инструментов, а затем и выложил их в OpenSource.

Именно о них и пойдет речь в докладе:
* DataInu: говорит, где у нас больше всего багов, что даёт повод для рефакторинга и фокус для написания автотестов. Вопрос: “Как объяснить ПМ-у, что авторизацию давно пора рефакторить?” больше не стоит, он и сам это понимает.
* Workflow Simulation Service (WSS). Позволяет мне безопасно для проекта, команды и бюджета определять вероятность успешности изменений, на основе чего уже я могу принимать решение об их внедрении или отмене на живом проекте. Этот инструмент вместо меня отвечает на вопрос: “Зачем вам ЕЩЕ тестировщики?”.
* Подход, который даёт понимание, какие части приложения мы еще не покрыли, какие покрывать не надо, а какие, вообще, мёртвые. Это понимание позволило нам правильно расставлять акценты при планировании скоупа автотестов на спринт. Способ применим только для Java-приложений, но мы также сравним его с современными аналогами, такими как Drill4J.

Теперь мы знаем, сколько и что именно покрывают наши автотесты, а сколько — ручные.

Руководитель группы тестирования web-сервисов в 2ГИС. В тестировании с 2015 года.

2ГИС

Видео