Objetivo:
|
Identificar y resaltar una o más estrategias que faciliten el proceso de valoración necesario.
|
Ahora que tiene una idea más clara de los requisitos de valoración y rastreabilidad, y de las restricciones que imponen
sobre ellos el nivel de calidad deseado y el soporte de herramientas y procesos disponible, debe considerar las
estrategias potenciales de valoración y evaluación que puede llevar a cabo. Para un tratamiento más detallado de las
posibles estrategias, le sugerimos que lea el artículo de Cem Kaner titulado "Measurement of the Extent of Testing (medida del grado
de prueba)" de octubre de 2000. (Obtener Adobe
Reader)
Subtemas:
Existen muchos enfoques distintos para la cobertura de la prueba y ninguna medida de cobertura por sí sola proporciona
toda la información de cobertura necesaria para formar una valoración de la magnitud o completitud del esfuerzo de
prueba. Tenga en cuenta que diferentes estrategias de cobertura requieren más o menos esfuerzo de implementación, y con
cualquier categoría de medidas concreta normalmente habrá una profundidad de análisis de la cobertura en la que
resultará antieconómico registrar más información detallada.
Algunas categorías de medidas de cobertura de la prueba incluyen: requisitos, código fuente, reclamaciones de producto
y estándares. Le recomendamos que considere la posibilidad de incorporar más de una categoría de cobertura en la
estrategia de valoración de la prueba. En la mayoría de casos, la cobertura de la prueba hace referencia a la
planificación e implementación de pruebas específicas en primera instancia. Sin embargo, las métricas de cobertura de
la prueba y su análisis también son útiles considerarlas conjuntamente con el análisis de los resultados de la prueba o
el análisis de defectos.
Un enfoque habitual en el análisis de los resultados de la prueba consiste simplemente en hacer referencia al número de
resultados que han sido positivos o negativos en forma de porcentaje del número total de pruebas ejecutadas. Nuestra
opinión, así como la de otros profesionales de la comunidad de pruebas, es que este enfoque es simplista e incompleto a
la hora de analizar los resultados de la prueba.
En su lugar, le recomendamos que analice los resultados de la prueba en términos de tendencia relativa a lo largo del
tiempo. En cada ciclo de prueba, considere la distribución relativa de las anomalías de prueba en diferentes
dimensiones como, por ejemplo, el área funcional que se está probando, el tipo de riesgos de la calidad que se están
explorando, la complejidad relativa de las pruebas y los recursos de prueba aplicados a cada área funcional.
A pesar de que los defectos en sí mismos están claramente relacionados con los resultados del esfuerzo de prueba, el
análisis de los datos de defectos no proporciona ninguna información útil sobre el progreso del esfuerzo de prueba ni
de la completitud o minuciosidad de dicho esfuerzo. Sin embargo, un error cometido por algunos equipos de prueba y
gestores de proyectos debe utilizar el recuento de defectos actual para medir el progreso de la prueba o como un
indicador de la calidad del software desarrollado. Nuestra opinión, así como la de otros profesionales de la comunidad
de pruebas, es que este enfoque no tiene ningún sentido.
En su lugar, le recomendamos que analice la tendencia relativa del recuento de defectos a lo largo del tiempo para
tener una medida de estabilidad relativa. Por ejemplo, suponiendo que el esfuerzo de prueba permanece relativamente
constante, normalmente se esperaría ver el nuevo índice de descubrimiento de defectos medido en una "curva de campana"
de período de tiempo regular a lo largo del transcurso de la iteración; un índice de descubrimiento en aumento que
llega a un máximo y luego desciende hacia el final de la iteración. Sin embargo, deberá proporcionar esta información
junto con un análisis de otras métricas de defectos, como por ejemplo: índices de resoluciones de defectos, incluido un
análisis del tipo de resolución; distribución de defectos por gravedad; distribución de defectos por área funcional.
Con el soporte de herramientas sofisticadas, puede realizar análisis complejos de datos de defectos con relativa
facilidad; sin el soporte de herramientas apropiadas resulta una tarea mucho más difícil.
|