1. 問題
我們首先要提出一個觀點，在企業工作中，不以“效益”為目標的工作都是耍流氓。不論是日常工作安排，還是長遠的技術規划布局，不論是產品的生產，還是人員的培訓，在企業里其最終落腳點都應是“效益”。而效益，則必須以量化的方法加以度量，否則就無法客觀准確衡量其價值。
如何量化工作，在現今的企業中是實際存在的問題，很多企業和企業中的管理者包括基層員工，都不具備量化思想和思路。這導致我們經常在工作中能看到一些令人啼笑皆非的現象。
- 在企業績效管理中，我們經常發現自己被不斷的“定性評價”。比如一個績效指標是工作完成情況。那么工作完成得好還是不好？如果“完成得好”應該如何定義？
- 在技術應用的領域中，很多項目只是出於追趕潮流的目的而進行技術升級，然而卻缺乏有效的手段去衡量技術所帶來的價值。
- 在個人工作范疇內，如何向領導展示自己的工作業績和成果？我們的個人匯報常常流於“記流水賬”，缺乏亮點，也缺乏說服力。
如果一件工作你永遠都找不到一個量化它產生價值的方法，那我們可以說這件工作沒有什么價值。有些人可能會質疑這種觀點，他們經常會舉例說司機、清潔工或者是廚師，他們的工作怎么量化，我就問他們，那他們工作主要目的是什么?你會說：提供服務啊!那就對了。既然是提供服務是他們的主要工作目標，那就可以用滿意度指標來度量，這樣不就是量化了嗎?
對於軟件測試工作來說也存在着難以量化的問題，測試最直觀的量化數據是測試執行量和缺陷數量。這兩個數據能夠體現出一定的價值，但又不能客觀的反映出所有的測試工作量和價值。但是測試工作應該被量化，如果無法直接量化，則應該采取間接量化，指標轉換的方法來實現量化度量。
2. 指導思想
我們將SMART原則做為指導我們量化工作的思想。
SMART原則：
Specific-明確的
事務目標必須明確，不能過於籠統。
如：加強內部培訓，提高團隊水平？如何加強？如何提高？
Measurable-可衡量
應該有一組明確的數據，作為衡量是否達成目標的依據。 如果制定的目標沒有辦法衡量，就無法判斷這個目標是否實現。
如：通過內部培訓，使人員技能水平得到提升？
Attainable-可達成
目標是要能夠被執行人所接受的，當前組織技術水平可達到的。
Relevant-相關的
目標的相關性是指實現此目標與其他目標的關聯情況。 如果實現了這個目標，但對其他的目標完全不相關，或者相關度很低，那這個目標即使被達到了，意義也不是很大。
Time-Bounded-有時限的
目標特性的時限性就是指目標是有時間限制的。
可以看到，遵循SMART原則，可以讓我們的事務組織，工作規划更為明確，可度量。從而避免事務交代模糊，結果流於定性判斷。
3. 案例
案例1：量化目標管理
企業中流行着一種事務管理辦法，OKR法。
OKR工作法意為 Objective, Key Result，被廣泛應用谷歌、領英等頂級公司，既適用於大型公司，也適用於小團隊。
通過階段性明確工作目標（O-Object），並使用關鍵性度量來衡量結果（KR-Key Result）。其中的關鍵就在於KR的可量化衡量，否則目標管理就是一句空話。
我們來對比一下量化之前和之后的OKR：
定性目標：
O：高效的完成測試工作 KR：測試工作按計划完成，工作成果得到領導認可 定量目標：
O：高效的完成測試工作 KR1：A模塊測試用例200條全部執行完成 KR2：缺陷泄漏量為0 KR3：工作進度偏離低於10% 案例2：量化的技術效益
我們以自動化測試技術的應用為例。
大家都在談論測試自動化技術如何能提升測試團隊效率，解決難點問題，解放測試人員。然而，如何去判斷測試自動化技術能否真的實現這些目標？
我們可以用量化的公式來衡量自動化測試的效益：
- 自動化收益=全手工測試成本–自動化首次成本–自動化維護成本 - 全手工測試成本=分析成本+設計成本+測試次數X執行成本 - 自動化首次成本=分析成本+設計成本+自動化搭建成本+編寫成本+執行成本 - 自動化維護成本=維護次數X單次維護成本 解讀：
- 所需測試次數越多，自動化收益越高
- 重復測試的需求越低，自動化收益越低，並且可以為負值
- 自動化維護次數越多，自動化收益越低
所以自動化測試能否節約成本，需要充分調研，用數據說話。
案例3：個人簡歷量化體現
很多人的個人簡歷缺乏亮點，難以獲得用人單位的青睞。特別是對於資深的工程師，自動化測試工程師，管理人員而言。如何讓簡歷能夠從眾多求職者中脫穎而出？ 量化！就是非常好的方法。
我們可以采用STAR（Situation, Task, Action, Result）的方法來重新組織個人簡歷。如下所示：
其中在Result部分的數據，就是這段項目經驗的最大亮點。
綜上，量化的思想應該貫穿於我們的工作當中，成果可量化，過程可量化，才能更好的規划自己的工作，並且體現個人業績和價值。