产品质量评估中的几个场景：

　　场景1：项目计划的时间到了，就发布产品。

　　场景2：将缺陷修复率作为产品的质量目标。产品必须达到一定的缺陷修复率，才能发布。

　　场景3：我们为产品建立了很多指标来作为质量目标，如缺陷修复率、测试代码覆盖率等。产品必须达到制订的质量目标，才能发布。

　　结果：

　　场景1说明测试团队当前还没有产品质量评估的具体办法

　　场景2和场景1相比，已经有了判断标准，可以说是有质的改变，但场景2也有“软肋”，就是评价的标准太过于单一

　　场景3看起来很好，但是在实际操作的时候，我们往往会发现，我们费时费力地对这些指标进行了统计、分析和跟踪，最后也都达到了，但是我们对产品质量的好坏依然感到心里没底

　　

　　​

　　我分析出现场景3中的问题，主要原因有3点：

　　第一，这些指标覆盖的维度可能不全，我们可能遗漏掉了一些重要的考察项。

　　第二，“指标”本身比较容易被“聪明人”绕过去，变得形同虚设。

　　第三，整个质量评价体系中全是指标，缺少定性的分析

　　例如，我们以测试的代码覆盖度要达到90%作为一项质量目标。为了达到这个目标，我们可能会选择一些容易进行测试“覆盖”，但实际上风险并不大的地方进行测试。虽然最终能达到90%的测试覆盖目标，但是没有被测试到的10%那部分情况如何，是否真的不需要测试，可能会有哪些风险，对我们来说都是“未知”的。未知正是心里没底的源头。

　　如果我们将这个问题从评估引申到目标的层面，如果我们在制订目标的时候，考虑的不仅仅是指标，而能包含一些如“对重要特性，要达到100%的测试覆盖”“测试方法要包含语句覆盖、判断覆盖、路径覆盖”等的描述，以此作为要达到的质量目标，不仅能解决上述的问题，还能更好地帮助我们确定要进行的测试活动。

　　综上，一个优秀的产品质量评估模型，应该具备如下特质：

　　多维度：能够覆盖质量评估的各个纬度，能够帮助评估者全面分析和考虑。

　　定量+定性：指标和分析相结合，能够有效避免在只有指标的情况下，被“绕”过去，变得形同虚设。

　　过程+结果：不仅评估测试的结果，还对过程进行分析和评估。