以数智化驱动为核心，构建研发效能增长动力_数智化能源技术架构

自由构建 探索无限。10月13日，LigaAI受邀参加2022亚马逊云科技中国峰会，并发表了题为「利用亚马逊云科技AI/ML服务开启新一代智能研发协作的大门」的主题演讲。

聚焦数据驱动，本文将与大家分享「数据驱动+AI+研发协作」模式下的创新火花。

一、当前研发管理正在面临什么难题？

这个问题可以从开发团队、管理者和协作工具三个维度解读。

01 开发团队维度

• 很难与业务团队和管理者在目标上达成一致；
• 不认为进度上报、工时登记等属于本职工作，因此完成积极性通常不高；
• 与其他团队协作缺乏有效沟通机制。所有事情依靠人推动，一旦忘记或遗漏就会受到阻碍；
• 大量时间耗费在与开发本身无关的任务上，导致难以专注。

02 管理者维度

• 基于开发团队现状，难以获取真实进度数据。大部分进度数据滞后，或需依靠人工干预；
• 研发产出难以通过现有数据衡量。后补的数据失真严重，而原始数据的处理又十分依赖个人的分析和决策能力；
• 日常管理动作所需的进度跟进、沟通、任务分派、各方协同等微观管理，劳心劳力。

03 协作工具维度

• 灵活性较差。 团队只能按照工具本身的方式工作，不能随意适配现有的流程；
• 开放程度低。 没有丰富的API和数据同步机制，很难与其他系统打通；
• 自动化程度低。 所有的事情必须通过人力手工处理，增加了使用负担，也导致团队不愿意使用工具，进一步加剧数据失真。

以上三方面原因综合导致研发效能提升困难。

二、更好的研发协作方式是什么？

传统研发项目管理中，协作过程串行化严重，团队内部的大量空转造成了巨大浪费，同时也产生了很大的项目延期风险。

LigaAI认为未来更好的的协作形态应该是「赋能型管理+自驱型团队+智能化工具」的有机结合。

新一代研发协作模式具有业务导向、目标导向、全员参与等特点。要实现以上效果，需要组织文化与团队成员配合作战；

此外，合适的工具也能帮助团队更快地实现目标，二者缺一不可；而风险预警、智能协作等场景也非常适合通过 AI 提效。

让机器处理机器擅长的事情，让人回归到更有创造力的本职工作，这就是 「数据+AI」驱动的下一代研发协作。

三、为什么要构建数据驱动型企业？

01 对内全面提效

从企业内部看，数据驱动的研发协作等于全面提效。通过数据驱动，LigaAI希望达成以下目标：

· 提高组织内部透明度。 让各个部门可以随时了解其他部门在做什么、进度如何；保证各部门可以顺畅协作，减少信息损耗，提高流转效率。

· 培养数据人才和数据意识，让大家养成关心数据、使用数据的习惯。

· 提高研发团队的业务参与度。 缩短研发团队与业务的距离，让研发成员了解用户对自己研发的产品的使用情况和满意度。

· 提升开发人员的成就感。 与业务参与度相伴而生，要让大家更愿意主动地解决业务问题。

· 企业内部各部门在内部决策时，可以有所依据，降低决策难度和决策成本。

最后，全面提升业务敏捷性。

02 对外增强产品竞争力

ToB SaaS企业内部提效最终要表现在外部市场。从SaaS客户的视角看，数据驱动的研发协作意味着产品竞争力增强。

· 于SaaS产品而言，用户体验是重要指标。通过数据驱动，可以提升用户体验和客户满意。

· 提供个性化的服务支持。 采用「数据+AI」的模式，学习不同用户的使用习惯，推荐更适合的流程，为不同用户提供针对性的服务；还能降低上手成本，让产品陪伴用户成长。

· 传统工具常提供大量原始数据，需要用户自己进行分析解释；LigaAI以「数据+AI」的方式，为用户提供辅助的决策建议，实现数据洞察。

四、如何构建数据驱动型研发协作和企业？

下图的金字塔自上而下是一个由虚转实的过程，四层内容分别代表愿景、目标、实施和数据利用。

下面以LigaAI为例，展开分享如何按照金字塔步骤，搭建数据驱动型企业。

01 管理愿景

数据驱动是一种理念、战略。企业需要先在内部达成统一的认识，形成自上而下的、一致的数据愿景。

02 企业效能目标

确定愿景后，定义阶段性目标。LigaAI聚焦研发协作，当前阶段最主要的目标就是企业效能提升，那么「企业效能提升」就是数据驱动的目标。

以下是一些推荐的效能目标。

03 可扩展的数据架构

明晰目标后，就可以实施。LigaAI先搭建了一个最小化的可扩展数据架构（下图是简化版的核心架构图），从左至右分别是数据源、数据处理、数据存储和数据服务。

LigaAI的数据源包括Aurora关系型数据，以及非结构化的文档数据、日志数据、队列数据等；

根据业务情况，数据源处理分为实时和离线处理：实时数据处理一般使用DataSync服务，而非实时数据则采用传统的ETL程序进行处理；

所有处理好的数据会 统一放到基础的数据存储平台，LigaAI选择的是DocumentDB和S3 ；

最后，数据服务分为两个部分：已经处理好的数据，通过查询服务直接对内部、外部应用提供接口；

与AI相关的服务，LigaAI以SageMaker为核心，搭建了一套AI工作流程，并实现AI数据训练、模型发布、模型部署等自动化处理。

04 构建数据驱动的正循环

将架构和平台应用结合，构建数据驱动的正向循环。

LigaAI的数据驱动正循环以团队为核心，团队在LigaAI平台上使用产品并产生数据、数据驱动算法、算法改进平台。平台、数据、算法三者相互驱动，形成「效率提升内循环」，这是对平台客户的价值；

在企业内部，LigaAI形成了以产品、客户体验、反馈池、研发迭代为主体的「价值滚动外循环」。

内外两个循环共同组成我们的价值飞轮，最终提升产品竞争力。

五、 关于数据驱动提效的建议

构建数据驱动时，可以从价值比较高的具体场景，或比较容易出效果的场景切入，增强团队信心；

也可以利用云产品快速搭建合适的数据架构，实现快速启动；

启动后，需要关注数据生产、使用、改进的正循环。只有不断改进，才能走得更远；

最后，注重数据安全、隐私与合规，也非常重要。

六、如何衡量数据驱动为企业带来的效益？

下面是一组LigaAI构建数据驱动型企业的效益数据。

01 研发协作提效

• 简化需求排期流程
• 更有效的研发工作衡量方法
• 超过 40% 的任务实现自动流转及通知
• 新模型上线，从 2 周变成了 2 天

02 价值交付

• 提高了产研对业务的参与度
• 快速反馈，提高业务的敏捷性
• 更高的客户评价与市场竞争力

整体而言，LigaAI帮助诸多企业成功实现了业务协同、降本增效的大目标。

# Liga总结

以「数据+AI」为核心的下一代研发协作，能够帮助企业完成更多的任务：让机器做繁琐重复的工作，将人回归到本职角色专注创造。

减少琐事和干扰事项的打扰，让开发者体验沉浸式工作，让专注激发、释放更多的创造力和生产力。