智能的自动化质量保证平台新版本发布，使我们看到的未来，是一种全新的软件功能测试和监控方式的诞生，而不再是对过去方法的改进。新的应用环境，底层开发技术，软件开发方式，都要求我们寻求新的方法，使测试不再是质量和流程的障碍，而成为企业营收增长之源
测试团队面临的压力
根据对750名来自不同行业的测试人员的调查发现，91%的测试团队正在努力满足用户不断增加的期望，66%的人表示测试自动化需要扩展到测试执行之外才能跟上业务的需求的发展。
应用程序开发团队正面临创新和快速提供高质量用户体验所带来的压力。因此，测试团队经常成为用户满意度降低的替罪羊，因为他们无法跟上DevOps和敏捷开发的步伐，并满足企业的要求。简而言之，测试范围日益广大，而交付时间日益缩短。
然而，对于大多数团队来说，这并不是仅仅一个测试执行效率的问题(即使这经常被认为是问题所在)。诸如数字应用用户体验、软件产品大众化，物联网技术的普及等因素，正在彻底改变软件产品的架构和生产方式，功能和用户体验等。此外，目前的测试方法存在根本缺陷，它们都是在10至15年前创建的，而这些方法已经无法融入当今的数字商业世界。
测试技术的差距——用户体验
有数据表明，在现在实际的测试工作中，产品发布前，产品提供方总是尽力完成预定的测试目标。但测试更多的仍然是检查代码和接口层面的对组织质量标准的合规性，而缺少对系统级用户体验的关注。面对开发技术的多样性，传统的测试自动化越发难以满足软件系统用户使用层面功能测试的需求。56%的团队反映说，“传统的测试自动化无法再现最终用户使用场景中很大一部分”。这导致了用户满意度、转化率和留存率较低。
测试技术的差距——测试效率
能不能完成测试不再是唯一的问题，测试的效率也成为影响质量保证工作成果的关键。手机、网络、物联网和设备碎片化等因素，意味着QA团队必须在无数平台上进行测试，并创建数以千计的测试来覆盖端到端的用户使用场景，这极大地影响了产品上市时间和测试的效率。开发组织DevOps, CD, 技术多样化的需求，使测试变得越来越困难，测试工作成为是DevOps和持续发布工作的一个障碍。组织将30%的IT支出用在测试中，预计未来将上升到40%。但是89%质量团队说，预算不足以满足用户的期望，44%的团队反映，他们没有足够的时间进行核心测试。
测试技术的差距——自动化技术
传统的测试自动化技术和工具无法测试新的底层应用开发技术和设备平台，支付系统、联网汽车、双重身份验证，微服务以及复杂的用户场景等。完成企业收益，面向终端用户的界面测试由于成本太高，又受制于需要去识别各种各样的控件，脚本难以维护，测试覆盖率得不到有效的提升，常被建议尽可能少做。56%不能使用测试自动化技术完成其测试工作。只有8%的组织，使用测试自动化能力完成50%的测试工作；41%的组织，使用测试自动化能力完成10%的测试工作。
新的产品需要新的方法
很多人都在谈论测试自动化，但是如果您看看整个测试过程就能明白，我们实际上只是自动化了其中一项，测试执行。虽然很关键，因为它非常耗时，但它仍然只是测试过程耗时较多工作的一个部分。团队仍然需要就测试进行大量的手动工作，包括创建测试脚本或分析测试结果。这些过程也应该是自动化的。现代化测试必须涉及技术和业务指标，如用户满意度和留存率。现代化测试需要处理复杂的架构(包括终端设备和物联网环境)，并确保复杂的应用程序可以跨平台、跨设备、跨前端以及云或本地后端进行端到端的，接近用户场景的端到端的测试。显然，组织机构需要一种新的测试方法。一种简单、快速且可靠的工作方式，使团队能够跟上DevOps、敏捷和持续集成发布、高效可扩展的测试方式、解决自动化能力带来的差距，并提高用户满意度、转化率，留存率，实现企业营收增长。
智能的自动化质量保证平台
以用户为中心的端到端的数字自动化智能质量保证解决方案，增强各类软件的质量，并在开发、测试和上线后，持续对质量状态保持监测。智能的自动化质量保证平台，可以让组织能够跨不同的界面、平台、浏览器和设备(包括手机、物联网、台式机和大型机)进行测试、监控、分析、预测和报告软件的功能和性能。
人工智能和大数据分析的技术的引入，使智能的自动化质量保证平台的自动化质量保证平台具备了智能的分析预测能力，成为测试和运维全流程自动化的新引擎。从测试路径的规划设计，缺陷的高效挖掘，智能预测发布软件对业务的影响，更赋予了质量团队预防问题和持续监测的能力。
我们称之为智能的自动化质量保证平台。
它利用人工智能和机器学习和大数据分析的能力，来帮助质量团队不断创造出奇妙的前所未有的数字化体验，并预测跨不同界面、开发技术、平台和设备的系统应用对企业和用户的影响。
因此您可以:
l 将合规性功能测试转换为企业的利润中心。
l 通过快速测试新版本，缩短上市时间。
l 在不超过预算的情况下扩大测试范围，提高覆盖率。
l 跟上DevOps和敏捷开发的步伐。
l 提高转化率、留存率、企业收入和盈利能力。
基于人工智能的模型驱动测试设计和执行
基于人工智能的模型驱动测试智能地构建被测应用模型，使用人工智能和机器学习的算法，智能地探索应用程序可能的使用场景，自动生成测试用例并优化测试执行，高效地覆盖用户可能的使用场景。它可以预测有可能发生质量问题的位置，并与相关应用特性数据相关联，帮助产品团队快速识别并解决问题，快速地发现缺陷。
l 易于使用的建模工具
l 智能算法优选测试步骤
l 基于模型的方法，减少构建和维护被测应用需求形式化的工作量
l 导入现有的设计资产自动生成功能需求模型
l 覆盖率和测试结果的图形显示
l 集成多种测试自动化底层技术
智能的自动化质量保证平台可准确的验证、预测和监控每款应用程序的用户体验和客户成功情况，无论是在应用程序发布之前，还是发布之后的运维过程中。通过模拟真实用户的角度，测试应用程序，监控应用程序，而不是在代码级别。由于其以用户的时间测试软件，您可以将测试从依从性活动转移到创收的利润中心，缩短产品上市时间并提高客户满意度、转化率、采用率和留存率。测试的所有关键要素在数字世界都将起着举足轻重的作用。
智能的自动化质量保证平台是一种现代的AI辅助，模型驱动的软件测试自动化方法，它帮助您创建令用户满意的产品，以DevOps相匹配速度交付，测试完整的客户体验，测试多种底层技术开发的产品，以及在发布之前预测新产品版本对用户的影响。
