BI Consult Desktop Logo BI Consult Mobile Logo
  • Russian BI Исследование российских bi
  • Перейти на Fine BI
  • Контакты
  • +7 812 334-08-01
    +7 499 608-13-06
  • Отправить сообщение
  • Главная
  • Продукты Эксперт-BI
    • Дистрибуция
    • Розничная торговля
    • Производство
    • Операторы связи
    • Страхование
    • Банки
    • Лизинг
    • Логистика
    • Нефтегазовый сектор
    • Медицина
    • Сеть ресторанов
    • E-Commerce
    • Сельское хозяйство
    • Энергетика
    • FMCG
    • Девелоперы
    • Маркетплейсы
    • Пищевая промышленность
    • Фармацевтика
    • Построение Data Platform
    • Цифровая трансформация
    • Управление по KPI
    • Финансы
    • Продажи
    • Склад
    • HR
    • Маркетинг
    • Внутренний аудит
    • Категорийный менеджмент
    • S&OP и FP&A
    • Геоаналитика
    • Цепочки поставок (SCM)
    • AutoML
    • Process Mining
    • IBP
    • ИТ (CIO)
    • Закупки
  • Платформы
    • Системы бизнес-анализа (BI)
    • Интегрированное бизнес-планирование (IBP)
    • Хранилища данных (DWH / Lakehouse)
    • Каталоги данных (Data Catalog)
    • Системы ETL и ELT
    • AI / Исскуственный интеллект
    • Шина данных (ESB)
    • Система управления мастер-данными (MDM)
    • Семантический слой
  • Услуги
    • Переход на отечественные BI и DWH системы
    • Консалтинг
    • Пилотный проект
    • Обучение и сертификация
    • Бесплатное обучение
    • Поддержка
    • Технические задания
    • Сбор требований для проекта внедрения BI-системы
    • CI/CD для DWH
    • Аудит BI приложений и DWH
    • Выделенная команда
    • Настойка и поддержка баз данных
    • Разработка BI Стратегии
    • Styleguide для BI-системы
    • Как выбрать BI-систему
  • Курсы
    • Учебный курс Информационная грамотность (Data Literacy)
    • Учебный курс для бизнес-аналитиков
    • Учебный курс для системных аналитиков
    • Учебный курс по Data Governance
    • Учебный курс Как стать CDO
    • Учебный курс Современная архитектура хранилища данных
    • Учебный курс по Fine BI
    • Учебный курс по FineReport
    • Учебный курс по DWH
    • Учебный курс по Data Science (ML, AI)
    • Учебный курс по PostgreSQL
    • Учебный курс по Greenplum
    • Учебный курс по Apache Airflow и NiFi
    • Учебный курс по Open-source BI
    • Учебный курс по ClickHouse
    • Учебный курс по DataLens
    • Учебный курс по Loginom
    • Учебный курс по Modus BI и ETL
    • Учебный курс по Visiology
    • Учебный курс по dbt (Data Build Tool)
  • Компания
    • Руководство
    • Новости
    • Клиенты
    • Карьера
    • Скачать
    • Контакты

BI

  • FineBI
  • FineReport
  • FineDataLink
  • FineChatBI (FineAI)
  • Коннекторы данных из 1С в BI
  • Airflow / Nifi
  • Visiology
  • PIX BI
  • Modus BI
  • Yandex.DataLens
  • Open-source BI: Superset/Metabase
  • Luxms BI
  • AW BI + Alpha BI
  • FlyBI + Форсайт. Аналитическая Платформа
  • Loginom
  • Триафлай
  • AI / Исскуственный интеллект
  • Optimacros
  • Навигатор BI
  • Семантический слой

СУБД

  • Arenadata
  • ClickHouse
  • Greenplum
  • Postgres Professional
  • TData

Другое

  • Построение Data Platform
    • Аналитическое хранилище данных
    • Data Lake и Data Engineering
    • Подробнее про Data Lake
    • Внедрение Lakehouse
      • Apache Doris
      • StarRocks
      • Trino
    • Миграция витрин из пропиетарных DWH на новый стек
    • Учебный курс "Современная архитектура хранилища данных"
Главная » Курсы по системам бизнес-анализа и методологии » Учебный курс для бизнес-аналитиков » Модуль 9. Тестирование и приемка с участием BA

Модуль 9. Тестирование и приемка с участием BA

Зачем BA в тестировании

Цель: выпустить работающую фичу, которая решает исходную бизнес-проблему. QA отвечает за дефекты и тех.качество, BA — за смысл (метрики, правила, сценарии) и приемку по целям BRD/SRS/NFR.

BA делает:

  • Пишет приемочные сценарии (Given/When/Then) + негативные кейсы.
  • Готовит «золотые» выборки/эталоны (reference) для сверки метрик.
  • Проверяет NFR (отклик, свежесть, RLS) вместе с командой.
  • Организует UAT: план, участники, дефект-трекинг, критерии выхода, sign-off.
  • После запуска — мониторинг метрик эффекта и, при необходимости, эксперименты (A/B).

 

Тест-дизайн на уровне BA: что проверять всегда

«Пирамида» для BI/DWH (что важно BA)

  1. Методология и данные: формулы, исключения, гранулярность, историчность.
  2. Сценарии пользователя: фильтры, drill-down, экспорты, роль-бэйзд доступ.
  3. НФТ/NFR: отклик p95, свежесть, стабильность фильтров, аудит, DQ-реакции.

 

Heuristics (шпаргалка BA)

  • Фильтры × Комбинации: дата×регион×канал, пустых таблиц быть не должно.
  • Totals ≡ Сумме: итоги равны сумме строк после фильтров/RLS.
  • Деление на ноль: GM% при нулевой выручке → «—»/0; не NaN/Inf.
  • Края периодов: конец месяца/года, смена лет/фискальных периодов.
  • Историчность: SKU сменил категорию — статистика прошлого не «поехала».
  • Возвраты/сторно: дата отражения и поведение KPI.
  • Роли: «Регион X» не видит Y, итог у CEO = сумме по всем.
  • DQ-срывы: баннер «черновик», блок экспорта, алерт.
  • Перф: p95 на «худших» выборках, «холодный» и «горячий» кэш.

 

Приемочные сценарии (Acceptance) — как писать

Шаблон Gherkin:
Как [роль] я хочу [действие], чтобы [ценность].
Given контекст / When действие / Then ожидаемый результат (измеримый).

Пример (GM% дашборд):

  • AC-01 Формула и эталон
    Given период Май-2025 и канал «Онлайн», When открываю дашборд, Then GM% совпадает с эталоном GM_reference_May.xlsx по 10 SKU (допуск ±0.2 п.п.).
  • AC-02 Фильтры совместно
    Given фильтры «Регион X» + «Категория Y», When применяю их вместе, Then таблица непуста, итоги соответствуют сумме строк.
  • AC-03 RLS
    Given пользователь роли «Регион X», When открывает страницу, Then видит только X; при попытке экспорта — выгружается только X.
  • AC-04 Неполные данные
    Given полнота логистики <98%, When открываю дашборд, Then отображается баннер «черновик» и экспорт заблокирован.
  • AC-05 Перфоманс
    Given 12 месяцев истории и 20 одновременных пользователей, When открываю «Обзор», Then p95 ≤ 5 сек (APM/BI-телеметрия).
  • AC-06 Drill-down
    Given топ-категория «Beverages», When проваливаюсь до SKU, Then список отсортирован по GM% убыв., суммы сходятся.
  • AC-07 Пограничные даты
    Given 31.12.2025 → 01.01.2026, When переключаю период, Then GM% не «ломается», курс/НДС применены по правилам.
  • AC-08 Ошибочные данные
    Given отрицательные продажи есть, When считаю GM%, Then такие строки исключены и помечены в DQ-виджете.

 

«Золотые» выборки и эталоны

Reference-наборы — маленькие, но проверенные таблицы/SQL-снапшоты (10–20 SKU/магазинов, 1 период).
BA обеспечивает: источник, формулу, допуск, версию методологии.

Совет: держите 2 набора — «обычный» и «адверсариальный» (возвраты, нули, край периода, промо). Храните рядом с SRS и обновляйте при смене методики (change-log).

 

План UAT: роли, шаги, выходной документ

Участники: BA (ведёт), PO/заказчик (решения), Key Users, QA, Dev/BI, Data Steward/Owner, Security (при RLS/ПДн).
Артефакты: UAT Plan, тест-кейсы, график, протокол дефектов, exit-criteria, sign-off.

Шаги:

  1. Kick-off: цели, критерии успеха, роли, календарь.
  2. Демо/обучение: короткая сессия перед тестом.
  3. Сценарное тестирование: по AC + негативные кейсы; сбор фактов (скрин/CSV/лог).
  4. Дефект-треаж: Severity/Priority, SLA исправлений, кто фиксит.
  5. Ретест/регресс: на откорректированных сборках.
  6. Exit-review: сверка с критериями выхода.
  7. Sign-off: акт приемки или список блокеров и план.

 

Критерии выхода (пример):

  • 100% Must-AC пройдены; Should ≥ 90% (остальное — CR/Next).
  • p95 ≤ 5 сек, Freshness ≥ 98%, RLS-тесты «зеленые».
  • DQ-правила на месте, алерты работают.
  • Документация и «паспорт дашборда» заполнены.

 

Чек-лист приемки (BI/DWH)

  • Формулы KPI = словарю (допуски соблюдены).
  • Фильтры/даты/сортировки корректны, пустот нет без объяснения.
  • Итоги = сумме строк (учитывая RLS).
  • Drill-down ↔ roll-up консистентны.
  • НФТ: p95 ≤ 5 сек; экспорт ≤ 30 сек; Freshness ≥ целевого; uptime в окне теста.
  • RLS/маскирование ПДн; попытки обхода блокируются.
  • DQ-виджет, баннер «черновик», алерты на пороги A/B.
  • Логи/аудит событий включены; trace-id видны.
  • Паспорт: цель, владелец, версия методики, дата свежести, источники, ограничения.
  • Руководство пользователя/FAQ и план обучения готовы.

 

NFR-приемка: как BA смотрит на «нефункционал»

  • Перфоманс: заранее определённый профиль «тяжёлых» запросов; измеряем APM/SQL-логом; отчёт p50/p95/p99.
  • Свежесть: индикатор времени данных; тест с искусственной задержкой.
  • Доступность: плановый DR-drill (переключение, RTO/RPO).
  • Безопасность: роль-наборы, отрицательные тесты (доступ «соседнего» региона, выгрузка ПДн).
  • Интеграции: деградация источника → поведение «fallback/черновик».

 

Пост-запуск: проверка метрик и эффект

Value Realization:

  • Принятие: MAU/WAU, глубина сессий, % пользователей, завершивших сценарий.
  • Операционные: цикл закрытия (3→1 день), доля ошибок DQ, доля «черновиков».
  • Финансовый эффект: рост GM%/экономия FTE/снижение OOS.
  • Стабильность: Freshness, перфоманс p95, инциденты.

 

Паспорт дашборда дополняем блоком «Эффект/метрики после запуска» + релиз-ноты изменений методологии.

 

A/B (и другие эксперименты): когда уместно и как не промахнуться

Когда уместно: новый UX/виджеты/алерты; алгоритмы ранжирования; рекомендации; правила отбора SKU-неров; коммуникации в BI (баннеры, подсказки).
Когда спорно: агрегированные управленческие отчёты, где изменяется поведение менеджеров в целом — там лучше квази-эксперименты.

Принципы:

  • Гипотеза: «Если показывать список SKU с падением GM% >1 п.п., то скорость реакции сократится на 1 день».
  • Метрики: целевая (скорость реакции), guardrails (GM% не падает, MAU не падает).
  • Дизайн: рандомизация (по пользователям/магазинам), размер выборки, горизонт, power (обычно ≥80%).
  • Ramp-up: 10%→50%→100% при отсутствии вреда.
  • Статистика: фиксированное окно/или корректная последовательная проверка; не «смотреть каждый час» без поправок.
  • Этика/регуляторика: не ухудшать опыт/безопасность, не нарушать ПДн.

 

Альтернативы A/B:

  • До/после (сезонные поправки), difference-in-differences (контрольная группа), перекрёстные запуски (rollout по регионам).

 

Практика: набор acceptance-кейсов (минимум 12)

  1. GM% свертка: эталонное совпадение по 10 SKU (±0.2 п.п.).
  2. Период и календарь: декабрь→январь, фискальный год.
  3. Промо-флаг: promo vs non-promo, расхождение в допуске.
  4. Возвраты: возвраты вне периода — корректировка текущего.
  5. Фильтры в комбинации: дата×регион×канал×категория.
  6. Drill-down: канал→категория→SKU; roll-up консистентен.
  7. RLS: роль «Регион X», экспорт — только X.
  8. DQ-порог: при полноте <98% — баннер и блок экспорта.
  9. Перфоманс: p95 ≤ 5 сек, «холодный/горячий» кэш.
  10. Экспорт: формат, размер, тайм-аут ≤ 30 сек.
  11. Ошибочные данные: отрицательные продажи/нулевая выручка — корректное поведение.
  12. Аудит: запись в журнал «изменена методология/формула», trace-id.

 

Риски и как их снять

Риск

Симптом

Профилактика/Решение

«Сдвиг ворот» на UAT

Новые требования «на финише»

Замороженный SRS/словарь на релиз + CR-процесс

Нереалистичные тест-данные

На проде «всё поехало»

PERF-UAT ≈ прод, «адверсариальные» эталоны, backfill

Метрики «не бьются»

Споры с финансами

Эталонные файлы, допуски, владелец метрики, версия методологии

RLS ломает суммы

Разные итоги у ролей

Роль-тесты, «итоговые» витрины под RLS, юнит-калькуляции в семантике

DQ-срывы без реакции

Пользователи принимают неверные решения

Баннер/блок экспорта/алерты, регламенты и обучение

Перф. деградация

>5 сек p95

Агрегаты/экстракты, пред-фильтры по умолчанию, индексы, профилирование

Отсутствует sign-off

«Кто принял?»

Единый шаблон акта, PO/владелец метрики подписывает

 

Теория — «ровно сколько нужно»

  • Верификация vs Валидизация: «правильно реализовали» vs «правильную вещь сделали». BA закрывает обе.
  • Traceability: BRD-цель → SRS-пункт → Story/Use Case → AC/Test → UAT протокол → эффект.
  • Приёмка по гипотезам: фича считается принятой, если достигнуты ранние (lead) метрики (MAU, время реакции) и итоговые (lag) — по плану мониторинга.
  • Надёжность измерений: фиксируйте источник метрик (APM/BI-телеметрия/логи ETL), период агрегации, допуски.
  • Слепые зоны: Симпсонов парадокс (итоги растут, сегмент падает) — проверяйте ключевые срезы.

 

Шаблоны (скопируйте в Confluence/Jira)

UAT Plan (каркас):

  • Цель/Scope/Out of Scope
  • Участники/Роли/Контакты
  • Расписание/Окна
  • Список кейсов (ID, приоритет, владелец)
  • Критерии выхода (NFR/AC)
  • Материалы: эталоны, данные, доступы
  • Формат отчётности и triage SLA

 

Тест-кейс (пример строки):

  • ID, Название, Приоритет
  • Предусловия
  • Шаги
  • Ожидаемо (с числом/допуском)
  • Фактический результат
  • Статус, артефакты (скрин/CSV/лог), версия методологии

 

Протокол дефектов:

  • ID, Описание, Шаги, Severity (Blocker/Critical/Major/Minor), Priority, Компонент, Ответственный, ETA, Статус, Комментарии

 

Акт приёмки (sign-off):

  • Объект, Версии (продукт/методология), Дата
  • Результат UAT (пройдено/не пройдено), список отклонений/CR
  • Решение PO/владельца метрики, подписи

 

Чек-лист пост-запуска:

  • Мониторинг p95/Freshness/Errors
  • Дашборд «Здоровье данных» зелёный
  • MAU/обучение/FAQ опубл.
  • Release notes и паспорт обновлены

 

Практика (что сдать по итогу модуля)

  1. Набор acceptance-кейсов (12+) по вашему дашборду/витрине (с AC и допусками).
  2. UAT Plan (1–2 стр.): участники, расписание, критерии выхода, triage SLA.
  3. Чек-лист приёмки (ваша адаптация) на 15–20 пунктов.
  4. Акт приёмки (шаблон заполненный) и короткий отчёт пост-запуска (MAU/p95/Freshness + 1–2 метрики эффекта).

 

Вы переводите «готово» из субъективного в измеримое: AC с эталонами и допусками, UAT с критериями выхода, NFR-приемка, паспорт дашборда и мониторинг эффекта. Если это всё есть, релиз либо обоснованно принимается, либо честно возвращается с понятными доработками — и бизнес понимает почему. Если хотите, соберу ваши реальные кейсы в UAT-пакет (кейсы, данные, чек-лист, акт) и «проводник» по пост-запускным метрикам.

 

Узнать стоимость решенияЗапросить видео презентацию

← Предыдущая статья
Модуль 8. Управление бэклогом и согласования
Следующая статья →
Модуль 10. Экономика изменений и эффект для бизнеса

Решения

Анализировать ФинансыУвеличивайте ПродажиОптимальный Склад и ЛогистикаМаркетинговые Метрики

Клиенты
  • Компания ООО "Комус" - один из лидеров российского рынка оптовых продаж офисных товаров и техники. Компания поставляет широкий ассортимент продукции - от канцелярских принадлежностей до компьютерной техники и офисной мебели.

  • «Лента» – первая по величине сеть гипермаркетов и четвертая среди крупнейших розничных сетей страны. Компания была основана в 1993 г. в Санкт-Петербурге.

    «Лента» управляет 249 гипермаркетами в 88 городах России и 131 супермаркетом в Москве, Санкт-Петербурге, Сибири, Уральском и Центральном регионах с общей торговой площадью около 1 494 тыс. кв. м. Средняя торговая площадь одного гипермаркета «Лента» составляет около 5 500 кв.м, средняя площадь супермаркета – 800 кв.м. Компания оперирует двенадцатью распределительными центрами. Штат компании – около 50, 5 тыс. человек.

  • Российский филиал одного их ведущих мировых производителей и дистрибьютеров косметики Estee Lauder Companies Inc. выбрал аналитическую платформу Loginom для предиктивной аналитики продаж как в офлайн-, так и в онлайн-канале.

  • Ручная обработка заявок на займы в МФО ДоброЗайм была малоэффективной и приводила к высоким затратам по ФОТ отдела верификации и андеррайтинга. При этом время обработки заявок было высоким, как и количество ошибок под влиянием человеческого фактора. Дополнительные сложности создавал сложный документооборот, обусловленный неконсолидированной кредитной историей и скоринговой оценкой. Все это суммарно мешало масштабированию бизнеса МФО.

  • Решения
    • Дистрибуция
    • Розничная торговля
    • Производство
    • Операторы связи
    • Страхование
    • Банки
    • Лизинг
    • Логистика
    • Нефтегазовый сектор
    • Медицина
    • Сеть ресторанов
    • E-Commerce
    • Энергетика
    • Фармацевтика
  • Услуги
    • Переход на отечественные BI и DWH
    • Консалтинг
    • Пилотный проект
    • Обучение и сертификация
    • Бесплатное обучение
    • Техническая поддержка
    • Технические задания
    • Сбор требований для проекта внедрения BI-системы
    • CI/CD для DWH
    • Аудит BI приложений
    • Выделенная команда
    • Настойка и поддержка баз данных
    • Разработка BI Стратегии
    • Styleguide для BI-системы
    • Как выбрать BI-систему
  • Платформы
    • FineBI
    • FineReport
    • FineDataLink
    • Коннекторы данных из 1С в BI
    • Airflow + NiFi
    • Visiology
    • Luxms BI
    • Modus BI
    • PIX BI
    • Arenadata
    • ClickHouse
    • Greenplum
    • Postgres Professional
    • Open-source BI: Superset/Metabase
    • Loginom
    • Yandex.DataLens
    • AI / Исскуственный интеллект
    • Optimacros
    • Шины данных
  • Курсы
    • Учебный курс Информационная грамотность
    • Учебный курс для бизнес-аналитиков
    • Учебный курс для системных аналитиков
    • Учебный курс по Data Governance
    • Учебный курс Как стать CDO
    • Учебный курс Современная архитектура хранилища данных
    • Учебный курс по Fine BI
    • Учебный курс по FineReport
    • Учебный курс по DWH
    • Учебный курс по Data Science (ML, AI)
    • Учебный курс по PostgreSQL
    • Учебный курс по Apache Airflow и NiFi
    • Учебный курс по Open-source BI
    • Учебный курс по ClickHouse
    • Учебный курс по DataLens
    • Учебный курс по Loginom
    • Учебный курс по Modus BI и ETL
    • Учебный курс по Visiology
    • Учебный курс по dbt
  • Функциональные решения
    • Создание Data Lake
    • Цифровая трансформация
    • Управление по KPI
    • Финансы
    • Продажи
    • Склад
    • HR
    • Маркетинг
    • Внутренний аудит
    • Категорийный менеджмент
    • S&OP и прогнозная аналитика
    • Геоаналитика
    • Цепочки поставок (SCM)
    • AutoML
    • Process Mining
    • Сквозная аналитика
  • Компания
    • О нас
    • Руководство
    • Новости
    • Клиенты
    • Скачать
    • Контакты
    • Политика конфиденциальности
RutubeVkontakteLinkedInYouTube
ООО "Би Ай Консалт",
ИНН: 7811437757,
ОГРН: 1097847154184
199178, Россия,
Санкт-Петербург,
6-ая линия В.О., Д. 63, 4 этаж
Тел: +7 (812) 334-08-01
Тел: +7 (499) 608-13-06
E-mail: info@biconsult.ru

 

 

 

 

 

×

Пользуясь сайтом, вы соглашаетесь с использованием cookies и политикой конфиденциальности.