Всем привет, приходилось иметь дело с каким-либо продуктом, в котором упоминалось слово «автоматизация»? Сейчас всё чаще нам приходится встречаться с автоматизацией множества процессов внутри компаний разного калибра, как крупных, так и не очень. И хотелось бы рассказать об одном из таких средств автоматизации тестирования, как Automated Test Framework, или же просто ATF, широко применяемом в рамках ServiceNow. В статье описана вводная часть, состоящая из нескольких разделов, в совокупности дающая общее представление об опыте применения автоматизированного тестового фреймворка на практике, плюсы и минусы, перспективы развития, в том числе совокупный отзыв и впечатления других разработчиков о том, чего не хватает, с какими проблемами приходится сталкиваться и чем решение может быть полезно.

• как у нас Badoo сейчас устроена разработка;
• как в процессе развития проекта её перестраивали;
• какие проблемы решали;
• как преодолевали кризисы роста;
• на какие грабли наступали.

Карьерная лестница в IT — не просто путь от джуна до сеньора. Это сфера, в которой рано или поздно может надоесть засиживаться в разработке и захочется пробовать себя в управлении процессами. К счастью, сегодня карьера айтишника — продукт, который с самого начала можно строить осознанно.

Вместе с Еленой Герасимовой из Нетологии и Евгенией Коноваловой, CEO AiHub,  разбираем карьерный путь Владимира Новоселова, CIO группы компаний Риалвеб. Владимир рассказал о работе в Яндексе и Mail.ru Group, а также составил памятку для стартующих в IT-сфере.

Привет! Я Слава, QA в мобильной разработке СберЗдоровья, и я хочу рассказать о том, как менялись наши процессы тестирования за прошедший год, какие проблемы в связи с этим встречались, и как мы их решали.

В этот раз я расскажу о фича-командах, что это такое, почему мы решили перестать быть сервисными командами и стали продуктовыми и что у нас из этого вышло.

Так как мы являемся mobile first-компанией, то примерно в сентябре-октябре 2021г. мы приняли решение изменить структуру и разделить две наши сервисные команды на продуктовые, в каждой из которых были бы свои разработчики, менеджеры и QA. Но где же взять людей для тестирования отдельных участков приложения...

В рамках поддержки продукта мы постоянно обслуживаем обращения от пользователей. Это — стандартный процесс. И как любой процесс, его нужно регулярно критически оценивать и улучшать.

Мы знаем о некоторых систематически проблемах, которые хорошо-бы решить и, по возможности, без привлечения дополнительных ресурсов:

• ошибки в диспетчеризации заявок: мы получаем что-то "чужое", другие команды иногда получают что-то "наше".
• сложно оценить "сложность" заявки. Если заявка сложная — ее можно передать сильному аналитику, а с простой — и начинающий справится.

Решение любой из указанных задач будет положительно влиять на скорость обработки заявок.

Применение машинного обучения, в приложении к анализу содержания заявки, выглядит как реальная возможность улучшить процесс диспетчеризации.

В нашем случае задачу можно сформулировать следующими задачами классификации:

1. Убедиться, что запрос корректно отнесен к:
   
   • конфигурационной единице (одна из 5 в рамках приложения или "другие")
   • категории обслуживания (инцидент, запрос информации, сервисный запрос)
2. Оценить ожидаемое время на закрытия запроса (как высокоуровневый индикатор "сложности").

От переводчика