ThoughtWorks洞见

既然无法完全阻止缺陷的出现，那如何确保已发生的缺陷得到有效的处理，如何利用已有缺陷来指导质量内建过程，是我们需要考虑的，也就是缺陷管理的内容。

数字化转型是企业的全局策略，要想取得转型的成功，给实践者的最佳的实践经验是：聚焦在一个目标上，管理好内部期望，引入合适的外部资源和力量，稳扎稳打的取得第一步的成功，才能给组织带来信心和希望。

本文从需求分析到API设计，试图描述领域驱动设计的过程及思想。同时也能看的出领域驱动设计并不是孤立存在的，它为解决开发团队和业务人员之间沟通而生，进而驱动微服务的划分以及API的设计。

数字化时代，企业是否能够更灵活、科学地配置有限的IT资源，减少投资浪费，能将投资用到刀刃上实现突破，将直接影响企业在数字化竞争中的胜负。企业需要建立高响应力的、以价值驱动的数字化业务管理，应对不确定性，提升规模化创新能力。

这一份软件质量保障实践合集是我们团队所采用的实践，全部来源于真实项目经历。

使用二维四象限分析问题，可以让我们的思维更完整和辩证。二维四象限的“对立统一”，就像转角看到爱，增加了角度才能看到事物的另一种形态，用多个维度去看待事物才能更接近真相。

除了感性的工作体验外，我们还需要指标来度量改进措施是否对提升软件交付效能有帮助。过多的指标会对团队造成不必要的管理成本，也容易让团队失去关注焦点。从吞吐量和稳定性两个维度考量的四个关键指标是简单但有效的指标，建议优先度量。

QA设计的测试用例大部分都是面向业务的端到端测试，怎么能保证从DB来的数据通过层层service能顺利的到达前端并被正确的展示出来呢？我们可以尝试以UI和DB作为data flow的两端串起所有的测试。

新版本以JavaScript语言作为示例，重新思考并改进了第一版本中的众多重构手法，结合作者多年来一些新的观点和思考，带给了我们一套更为丰富完善的重构体系。

整个机器学习的工程化落地过程，掺杂着很多与机器学习本身不很相关，却和基础设施、其他工程领域强相关且通用的事情。比如环境搭建，框架安装适配；模型部署，训练任务监控、可视化；任务调度、多租户等。而对于机器学习工程师来说，Ta们更擅长的是算法、模型。如何让机器学习快速落地产生价值、提供通用的能力就是机器学习平台的核心。

技术雷达是ThoughtWorks每半年发布一次的技术趋势报告，它持续追踪有趣的技术是如何发展的，我们将其称之为条目

DDD中最重要的一个过程就是统一语言。和客户沟通时间问题的时候，可以先把一些时间的概念统一一下。

近日，全球软件及技术咨询公司ThoughtWorks发布面向企业级的数字钱包解决方案——TWallet。

我做项目管理的时候会周期性的给项目做盘点，把我做盘点的工具和过程和大家分享一下，这个工具的灵感来自于新精英的生涯平衡轮。

质量内建依赖于团队内所有成员的意识和能力，测试人员价值的终极体现是团队赋能，可以从多个维度入手，在产品生命周期的不同阶段，针对不同角色进行持续输出，形成质量思维的规模化，从而从根本上做到质量内建。