构建大数据测试能力：从零到一的探索与实践

"从0到1构建大数据测试能力——夏远远在2020QECon全球软件质量&效能大会上的演讲，重点讲述了大数据测试的背景、测试体系、自动化测试实践以及质量监控建设，展示了科大讯飞在AI大数据测试领域的实践和成就。" 在大数据测试的背景下，夏远远提到"大数据+AI创新"是当今的核心优势，特别是在广告行业，大数据能够提高广告的价值，而AI则可以革新广告体验。科大讯飞作为行业领导者，覆盖了超过10亿的活跃移动设备，利用深度标签和AI算法优化营销效果，服务了包括电商、快消、汽车等多个行业的上千家顶级品牌。同时，科大讯飞与中广协的战略合作也推动了广告行业的革新升级，并且获得了AI营销类的重要奖项。 在大数据测试体系方面，AI营销业务中涉及到两个关键方向：ADX和DSP。这两个方向都面临着日志数据的复杂性和计算难度，例如日志类型的多样性、字段数量庞大、定投机制、黑名单管理、反作弊策略以及多轮竞价等。这些复杂性要求测试体系能够应对大数据的处理正确性、及时性和可恢复性，确保分析结果满足业务需求。 自动化测试实践是解决上述挑战的关键手段。由于数据量级的快速增长和业务数据的复杂性，传统的测试方法已经无法满足需求。自动化测试可以提高测试效率，减少人为错误，同时通过自动化验证修改后的代码，避免未经验证的直接上线，从而提升整体的质量水平。 质量监控建设则强调了建立规范的流程和增强质量意识的重要性。在实际操作中，无现网操作记录、问题反复出现、质量不可视等问题表明了需要建立完善的监控系统，确保每一次改动都有记录，每次上线前都进行充分的自测，以主动预防问题的发生，提升系统的稳定性和可靠性。 从0到1构建大数据测试能力不仅涉及技术层面的挑战，如大数据处理和AI应用，还涵盖了组织和流程的改革，如自动化测试实践和质量监控体系的建设。这对于任何希望在大数据和AI领域发展测试能力的企业来说，都是至关重要的参考。通过这样的体系，可以有效确保大数据驱动的业务在高速发展中保持高质量和高效率。