מה הסקרים אומרים?...

כדי להשיג יעדי QA צוותי התוכנה יכולים להשתמש במספר טכניקות בדיקה החל מסקירת קוד והנחיות קידוד ועד לבדיקות תוכנה. האיור הנ"ל מתאר את טכניקות הבדיקה המיוצגות באמצעות עיגולים, כאשר המספר מציין את אחוז המשיבים שאמרו שהם משתמשים בטכניקה. הקשר בין שתי הטכניקות מצביע על כך שהנחקרים נוטים להשתמש בהן יחד. מלבד בדיקות ידניות, ארבע טכניקות הבדיקה הנפוצות ביותר הן אינטגרציה/בדיקות מערכת אוטומטיות (48%), בדיקות יחידות אוטומטיות (39%), סקירת קוד (37%), וניטור ובדיקה בייצור (31%), כלומר בדומה לתוצאות הסקר של השנה שעברה. כ-82% מהמשיבים אמרו שהצוותים שלהם יישמו לפחות אחת מארבע טכניקות הבדיקה הללו בפרויקטים שלהם. TDD (27%), הנחיות קידוד (27%) ו-BDD (25%) הם גם טכניקות נפוצות בשימוש על ידי צוותים. צוותי תוכנה משתמשים לעתים קרובות באוסף של טכניקות בדיקה הקשורות יחד כדי להשלים זה את זה. צוות שמפעיל בדיקות יחידות אוטומטיות נוטה לבצע גם אינטגרציה ובדיקות מערכות אוטומטיות, כפי שמוצג על ידי קו החיבור בין הטכניקות הללו. צוותים עם בדיקות יחידות אוטומטיות מתרגלים כנראה TDD וסקירת קוד ביחד. באותו אופן, צוותים נוטים ליישם סקירת קוד, בדיקות יחידות אוטומטיות, הנחיות קידוד, ניתוח תוכנה סטטי ותכנות זוגיות יחד.

טכניקות הבדיקה הנפוצות ביותר שדווחו על ידי המשיבים הן גם היעילות ביותר. כ-68%, 67% ו-57% מהמשיבים שיישמו, בהתאמה, אינטגרציה ובדיקות מערכות אוטומטיות, בדיקות יחידות אוטומטיות, סקירת קוד ובדיקת קוד הסכימו כי טכניקות הבדיקה אלו הן היעילות ביותר. פיתוח מונע מודל (42%), תכנות זוגי (40%) ןTDD (37%), לעומת זאת, נתפסים כיעילים במידה מסוימת. רק שליש מהמשיבים שיישמו ניטור ובדיקות בייצור, ניתוח תוכנה דינמי, ניתוח תוכנה סטטי BDD אמרו כי הטכניקות הללו היו היעילות ביותר. אינטגרציה/בדיקות מערכות אוטומטיות, בדיקות יחידות אוטומטיות ובדיקת/בדיקת קוד נחשבות רבות כטכניקות בדיקה יעילות מכיוון שהן יכולות לזהות ולטפל בבעיות בתוכנה בשלב מוקדם בתהליך הפיתוח, מה שיכול לחסוך זמן ומשאבים בטווח הארוך. TDD, ניטור ובדיקה בייצור, BDD וקידוד נחשבים גם הם יעילים מכיוון שהם מסייעים להבטיח שהתוכנה עומדת במפרטים הנדרשים ואיכותית. ניתוח תוכנה דינמי וניתוח תוכנה סטטי הם הטכניקות הטובות ביותר לזיהוי בעיות פוטנציאליות בקוד תוכנה. פיתוח מונחי דגמים ותכנות צמד הם טכניקות חזקות לתכנון ופיתוח תוכנה באיכות גבוהה.

צוותי בדיקה צריכים להבין היכן עליהם להתמקד בכל הנוגע לשיפור הפרודוקטיביות. סקר זה מראה כי שליש מהנשאלים אמרו שהפעילויות אשר גוזלות את רוב זמנם הן ביצוע בדיקות, תכנון בדיקות והכנת נתוני בדיקה – תלוי איזה סוג בדיקה מתבצעת. בדיקות ידניות אשר דורשות פרק זמן משמעותי לביצוע, היא מסורבלת עבור מהנדסי בדיקות המוטלים על ביצוע בדיקות נסיגה (Regression) במספר סביבות. מהנדסי בדיקות אוטומציה מבלים את רוב זמנם בתכנון בדיקות והכנת הנתונים. בעוד ששליש מהם מדיווחו שביצוע בדיקות הינה המשימה אשר גוזלת את רוב הזמן שלהם, מהנדסי בדיקות אוטומציה דיווחו שיש להם יותר זמן להיבטים אחרים של עבודתם. דיווח תוצאות הבדיקה אינו מזוהה כפעילות הגוזלת ביותר על ידי רוב המשיבים. תוצאות אלו מצביעות על כך שכמות משמעותית של זמן מושקעת בביצוע בדיקות והכנת נתוני בדיקה במהלך תהליך הבדיקה, בעוד שפעילויות אחרות כגון ניהול בדיקות ודיווח תוצאות הבדיקה תופסות חלק קטן יותר מהזמן. 

אוטומציה משמשת את צוותי התוכנה למגוון פעילויות בדיקה וסוגי בדיקה. ברור שרוב הנשאלים (72%) השתמשו באוטומציה לצורך בדיקות נסיגה (Regression). כאשר צוותים צריכים לאמת במהירות פונקציונליות שהם כבר בדקו במחזורים אחרים, זה סוג הבדיקה שעבורו האוטומציה מתאימה ביותר. ביצוע בדיקות פונקציונליות (58%), אינטגרציה/מערכת (46%) ו-API (46%) הם גם סוגים פופולריים של בדיקות המאמצות אוטומציה.

כשנשאלו לאילו פעילויות בדיקה הם ציפו שכלי אוטומציה של בדיקה יהיו חכמים ואוטונומיים יותר, המשיבים בחרו ביצירת מקרה/סקריפטים של בדיקה, יצירת נתוני בדיקה, זיהוי פגמים ואופטימיזציה של בדיקות כארבעת העדיפויות העליונות. אלו הן פעילויות קריטיות אך גוזלות זמן באוטומציה של בדיקות. תחומים חשובים נוספים שזכו לדירוג גבוה על ידי המשיבים כללו תחזוקת בדיקות ותיקון ליקויים. אלו הם התחומים שבהם בינה מלאכותית תהיה הישימה והמשפיעה ביותר בעתיד. מקרי בדיקה אוטומטיים/יצירת סקריפטים, יצירת נתוני בדיקה, זיהוי באגים ואופטימיזציה של בדיקות הן הפעילויות שעבורן המשיבים רצו להיות חכמים ואוטונומיים יותר באמצעות תמיכה ביכולות .AI בנוסף, תחזוקת בדיקות ותיקון ליקויים הם תחומים שדורגו גבוה על ידי המשיבים בסקר זה.

בסקר, התבקשו מהמשיבים לספר מה מונע מהם להגיע ליעדי האיכות שלהם. התוצאות מראות ששני האתגרים המובילים בהשגת יעדי איכות תוכנה הם המחסור בזמן להבטיח איכות (39%), ואתגרים ביישום אוטומציה של בדיקות (33%). אתגרים מובילים נוספים כוללים היעדר משאבים (27%), מחזורי חיים של שחרור קצר (25%), יעדי איכות ויעדים לא ברורים (24%) והיעדר תהליכים בשלים (24%).

הקבוצות הגדולות ביותר של המשיבים הן מהנדסי בדיקות אוטומציה ומהנדסי בדיקות ידניות, המהווים 28% ו-23% מהמשיבים, בהתאמה. תפקידים נוספים שמילאו המשיבים כוללים מוביל/מנהל  בדיקות, מנהל פרויקטים (14%), מהנדס תוכנה (9%), תפקידי ניהול בכירים דירקטור/סמנכ"ל/CTO (7%),אנליסט עסקי/אנליסט /יועץ בדיקות (6%), מהנדס  DevOps (3%) ואחרים (11%).

רוב משתתפי הסקר עבדו במגזר התוכנה וטכנולוגיית המידע (61%), אך הם עסקו בפיתוח תוכנה ובפעילות הנדסת איכות למגזרים אחרים. הסקר כולל גם משתתפים שארגונים פעלו בתחום הבנקאות, השירותים הפיננסיים והביטוחים (21%); בריאות ומדעי החיים (12%); מוצרי צריכה, קמעונאות והפצה (8%); טלקום, מדיה ובידור (7%); ותעשיות אחרות.