銀行測(cè)試案例精簡(jiǎn)化方法探討

馬勝藍(lán)

伴隨著經(jīng)濟(jì)發(fā)展壓力和銀行競(jìng)爭(zhēng)日趨白熱化，以及大數(shù)據(jù)、云計(jì)算、互聯(lián)網(wǎng)+的不斷發(fā)展，銀行業(yè)務(wù)信息系統(tǒng)由傳統(tǒng)的信息化、集中化和自動(dòng)化，逐步向分布式、云計(jì)算、大數(shù)據(jù)方向發(fā)展。銀行信息系統(tǒng)的構(gòu)建和更新的任何失敗，都有可能帶來(lái)較大的風(fēng)險(xiǎn)。銀行對(duì)自身系統(tǒng)質(zhì)量和風(fēng)險(xiǎn)的控制能力，須提升到戰(zhàn)略層面來(lái)考慮。

當(dāng)前各家銀行都構(gòu)建了信息系統(tǒng)測(cè)試體系，但隨著業(yè)務(wù)系統(tǒng)的不斷增加，測(cè)試案例也逐步增加，對(duì)測(cè)試的難度和覆蓋度提出了更高的要求。為此，本文基于福建農(nóng)信的測(cè)試體系現(xiàn)狀，采用粗糙集的方法論探討銀行測(cè)試案例的精簡(jiǎn)化方法，以期實(shí)現(xiàn)測(cè)試案例的約簡(jiǎn)，在保證測(cè)試覆蓋的同時(shí)減輕測(cè)試人員的工作量。

提高測(cè)試效率是核心競(jìng)爭(zhēng)力

測(cè)試資產(chǎn)管理是測(cè)試體系建設(shè)中的重要一環(huán)。而其中測(cè)試案例一項(xiàng)即是重要的測(cè)試資產(chǎn)。測(cè)試案例是測(cè)試活動(dòng)產(chǎn)出的重要資產(chǎn)，對(duì)于不斷升級(jí)及推陳出新的銀行業(yè)務(wù)系統(tǒng)，大量測(cè)試過(guò)程積累的測(cè)試資源能否在新需求或者新環(huán)境下測(cè)試，并且測(cè)試案例能否被復(fù)用，是檢驗(yàn)測(cè)試工作可回歸性的重要指標(biāo)。

據(jù)統(tǒng)計(jì)，福建農(nóng)信2015年全年完成70多個(gè)項(xiàng)目、任務(wù)建設(shè)，執(zhí)行測(cè)試案例276141條，這些案例的執(zhí)行也意味著需要同等規(guī)模的測(cè)試數(shù)據(jù)需求。目前福建農(nóng)信完成了測(cè)試案例管理與搜索系統(tǒng)的自主研發(fā)。從QC系統(tǒng)批量導(dǎo)入系統(tǒng)的測(cè)試案例，主要是測(cè)試案例的重要字段，并利用Lucene引擎進(jìn)行主題關(guān)鍵字的劃分和存儲(chǔ)。截止目前積累案例近16萬(wàn)個(gè)，為測(cè)試人員提供了快速案例檢索的入口。如圖1和2所示。

雖然通過(guò)測(cè)試案例搜索系統(tǒng)可以有效地對(duì)測(cè)試案例進(jìn)行橫向管理，提高了測(cè)試案例的檢索效率，但是測(cè)試案例的不斷增長(zhǎng)對(duì)測(cè)試團(tuán)隊(duì)的執(zhí)行效率提出了更高的挑戰(zhàn)。

利用粗糙集理論實(shí)現(xiàn)測(cè)試案例的約簡(jiǎn)

在每個(gè)業(yè)務(wù)系統(tǒng)的測(cè)試案例構(gòu)造過(guò)程中，需要通過(guò)選擇測(cè)試的要素構(gòu)建出測(cè)試案例?；跉v史案例庫(kù)和當(dāng)前經(jīng)驗(yàn)業(yè)務(wù)人員構(gòu)建的初步案例集合，可以擁有一系列的測(cè)試要素和測(cè)試案例集合。如果通過(guò)全量測(cè)試要素進(jìn)行構(gòu)建測(cè)試案例，則會(huì)案例龐大（如果平均N個(gè)測(cè)試要素，每個(gè)測(cè)試要素?fù)碛蠯個(gè)數(shù)據(jù)字典，則擁有NK個(gè)測(cè)試案例1。對(duì)于如此大的測(cè)試案例庫(kù)，需要在保證測(cè)試語(yǔ)義值的同時(shí)，探索一種即可以降低測(cè)試案例庫(kù)，又能保證測(cè)試的完整性。

目前，粗糙集理論作為一種處理不精確、不一致、不完整等各種不完備的信息有效的工具，一方面得益于數(shù)學(xué)基礎(chǔ)成熟、不需要先驗(yàn)知識(shí)，另一方面在于易用性。由于粗糙集理論創(chuàng)建的目的和研究的出發(fā)點(diǎn)就是直接對(duì)數(shù)據(jù)進(jìn)行分析和推理，從中發(fā)現(xiàn)隱含的知識(shí)，揭示潛在的規(guī)律，因此是一種天然的數(shù)據(jù)挖掘或者知識(shí)發(fā)現(xiàn)方法，它與基于概率論的數(shù)據(jù)挖掘方法、基于模糊理論的數(shù)據(jù)挖掘方法和基于證據(jù)理論的數(shù)據(jù)挖掘方法等其他處理不確定性問(wèn)題理論的方法相比較，最顯著的區(qū)別是它不需要提供問(wèn)題所需處理的數(shù)據(jù)集合之外的任何先驗(yàn)知識(shí)。而且與處理其他不確定性問(wèn)題的理論有很強(qiáng)的互補(bǔ)性（特別是模糊理論）。

因此，可以采用粗糙集理論，實(shí)現(xiàn)屬性約簡(jiǎn)的同時(shí)。保證原先測(cè)試案例的語(yǔ)義經(jīng)驗(yàn)。利用粗糙集的屬性約簡(jiǎn)理念，將測(cè)試案例的測(cè)試要素進(jìn)行屬性約簡(jiǎn)，在降低測(cè)試維度的同時(shí)保證原始測(cè)試案例數(shù)據(jù)的知識(shí)完備性。即在通過(guò)對(duì)U進(jìn)行屬性與約簡(jiǎn)，就可得到業(yè)務(wù)系統(tǒng)的最小屬性約簡(jiǎn)（即最小的測(cè)試要素集合）。

以遠(yuǎn)程集中授權(quán)系統(tǒng)測(cè)試案例為例

目前遠(yuǎn)程集中授權(quán)系統(tǒng)中最主要的測(cè)試工作在于授權(quán)規(guī)則測(cè)試，而授權(quán)規(guī)則中分為付款賬戶、收款賬戶、金額及柜面要素等。

對(duì)于遠(yuǎn)程集中授權(quán)的要素和數(shù)據(jù)字典，構(gòu)建出對(duì)應(yīng)A非空屬性集合，將授權(quán)模式的V作為決策屬性，利用屬性約簡(jiǎn)算法進(jìn)行計(jì)算。例如對(duì)于單條的授權(quán)規(guī)則“040102+010506+03010106+010601+010701”本幣付款賬戶支取方式為憑折且發(fā)生額大于等于五仟遠(yuǎn)程授權(quán)22”，可以將授權(quán)條件040102-交易類別等于內(nèi)轉(zhuǎn)、010506-付款賬戶支取方式等于存折、03010106-借方發(fā)生額（本幣）大于等于五仟、03010601-借方定期累計(jì)實(shí)付利息大于等于五萬(wàn)、010701-付款賬戶客戶號(hào)不等于收款賬戶客戶號(hào)拆解到A的集合中。遠(yuǎn)程授權(quán)22填寫到V中。通過(guò)實(shí)驗(yàn)約簡(jiǎn)計(jì)算，發(fā)現(xiàn)保證金標(biāo)志可以約簡(jiǎn)掉（保證金在授權(quán)中與賬戶性質(zhì)類似，因此屬于冗余屬性）。因此在將類似的屬性約簡(jiǎn)后，就可以將測(cè)試案例進(jìn)行縮減，降低授權(quán)人員工作量。