第五章 创新真正价值和无所作为的代价
传统财务工具针对稳定市场环境，但不能预测在不确定和快速变化情况下的创新，而这正是今日电信市场的特点。
传统财务工具能很好地评估密集型电信基础设施投资。通过传统财务预测工具，如贴现现金流（DCF）和净现值（NPV），这类投资的未来成本和收入可得到相当精确的预测。
传统财务工具针对稳定市场环境，却不能预测在不确定和快速变化情况下的创新，而这正好是现今电信市场的特点。失效的原因是传统财务工具漠视无所作为的代价，系统地低估创新，正如Clayton M. Christensen，Stephen P. Kaufman和 Willy C. Shih合著的哈佛商业评论文章“创新杀手—财务工具如何毁掉做新事物的能力”。
电信运营商有两个“无所作为的代价”逃脱了传统财务工具的注意：电信业务非线性衰退的风险，和缺乏发展未来所需新能力的机会。
传统电信运营商财务工具暗含这样的假设：业务是稳定的，现有状态将在未来延续。换言之，如果不进行创新投资，情况至少和现在一样。这绝对不是运营商努力适应新竞争基础的情况。运营商核心业务商品化，以及破化性的OTT厂家进入，运营商业务将不可避免地下滑。因此，创新的真正价值不在于改善现状，而是防止未来运营商业务的恶化。
第二个“无所作为的代价”是错失发展运营商未来竞争力的关键新能力的机会。
评估投资的普遍做法是基于边际成本和收入，忽略沉没成本和固定成本（沉没成本：已经发生不可收回的支出,如时间、金钱、精力等；固定成本：指资源企业不受业务量变化影响而保持不变的成本。）。即投机价值在于基于现有资产生产有价值产品或服务的潜力。这只有在市场条件是稳定且现有运营商资产在未来仍保持竞争力的前提下才有意义。

举个例子，利用昂贵IMS基础设施的增强富通信服务（RCS-e）。根据传统运营商业务模式，边际成本分析认为此新呈现与消息服务是吸引人的选择。然而，根据新竞争基础，IMS所提供的扩展性和互操作性并没有灵活性重要。运营商为新服务、使用场景和商务模式试验，投资在更灵活的新基础设施会更好。
由于竞争基础的改变，要在未来获得成功，运营商需要具有目前欠缺的新能力。然而，边界成本分析会系统性低估在创建新能力上的投资。在现有资产上增加投资，如网络扩容，似乎总是比创建新竞争力的总成本更具吸引力。例如，Blockbuster看待Netflix（Blockbuster Video，Netflix都是美国DVD租赁商，Netflix推出在线租赁服务，Blockbuster没有跟随，最终于倒下庞大的身躯，背景资料）发展电影提供的新模式。边际成本分析不能公正开对待创建新能力，
 Blockbuster继续在现有资产上投资，而这些资本很快就落伍。Blockbuster在2002年新闻发布会上说：“在这个舞台，我们没有看到任何一个商务模式从长远来讲是财务可行的。在线租赁服务是‘为小众市场服务’”
Netflix没有这种困境，对它而言，“小众市场”是个极好机会。接下来的故事，就如Clayton Christensen在他的哈佛商学院文章“边际思维的陷阱”中所解释的那样。
运营商所面临的挑战不是OTT厂家层出不穷的创新。而是边界成本分析引导运营商投资在那些与旧竞争基础相关的能力，而不是开发与新竞争基础相关的新能力。
运营商需要考虑无所作为的代价，在传统财务分析显示有丰厚回报之前投资创新。他们必须采用探索式规划的方法，以适合当下高度不确定的情况。我们将在接下来的章节介绍这些方法。
认识传统财务分析固有偏见很重要。真正创新投资价值只有在衡量无所作为代价时，包括电信业务衰退的可能性以及错过发展新能力和新竞争力的机会，才被看到。
运营商在评估创新投资时需要问下面关键问题：
• 您是否经常使用NPV/DCF（净现值/贴现现金流）财务工具来评估在电信运营商的创新投资？
• 您是否在发展与新竞争基础相关的能力上有足够投资？
• 如果您从现在从头开始，你将如何为新竞争基础创建新产品？
 
相关链接：我的产业生态链和杂谈文章

         今天，创新能力已成为企业拥有竞争力的决定性因素。一个企业在技术和产品创新上有多大作为，就能够在持续发展和赢利中获得多大主动。对于众多国内企业，拥有超强的创新能力和快速应对市场变化的出击能力将不再是可望不可及的梦想，一项套针对不同行业技术特点的创新工具——计算机辅助创新技术（Computer-Aided Innovation，缩写为CADCAI ）已登陆中国市场，全球CAI技术研究应用领域的领跑者美国亿维讯公司近日将这套创新技术、理论、应用平台及相关服务引入中国，向广大企业提供符合行业特点的创新工具和创新技术服务，包括全方位创新技术培训到企业创新系统的建立和实施服务。 

　　CAI 技术被认为是现代企业技术和新产品开发的一项关键技术。当今世界新产品开发的趋势是以光机电液一体化为特征的高新技术大量渗入到新产品中，产品日趋小型化、多功能化、智能化。产品更易于制造、生命周期短、成本低。在开发过程中有成熟的创新理论支撑，用优秀的计算机创新软件指导，用多学科领域的广博知识做支撑。CAI技术在产品研发概念或方案设计阶段向企业提供创新理论、方法及多学科知识的支持，使研发人员打破思维定势、迅速发现问题本质，从而构建出新的设想和方案，大大优化研发进程，减少资源的重复和浪费。 

　　计算机辅助创新技术就是以欧美国家迅速发展起来的发明创造方法学（TRIZ）研究为基础，结合现代设计方法学，计算机技术、多领域科学知识综合而形成的创新技术。CAI技术源于前苏联，是由前苏联发明家G. S. Altshuller在1946年创立的，当初Altshuller在前苏联里海海军的专利局工作，在处理世界各国著名的发明专利过程中，他发现任何领域的产品改进、技术的变革、创新和生物系统一样，都存在产生、生长、成熟、衰老、灭亡的过程，是有规律可循的。人们如果掌握了这些规律，就能能动地进行产品设计并能预测产品的未来发展趋势。以后数十年中，Altshuller穷其毕生的精力致力于TRIZ理论的研究和完善。在他的领导下，前苏联的数十家研究机构、大学、企业组成了TRIZ的研究团体，分析了世界近250万份高水平的发明专利，总结出各种技术发展进化遵循的规律模式，以及解决各种技术矛盾和物理矛盾的创新原理和法则，建立一个由解决技术问题，实现创新开发的各种方法、算法组成的综合理论体系，并综合多学科领域的原理和法则，建立起TRIZ理论体系。 

　　TRIZ是“发明问题解决理论”的俄语缩写，意思是发明问题的解决理论，其基本原理是：现代企业和科学技术领域中的问题和解决方案是重复出现的，企业和科学技术领域的发展变化也是重复出现的，而高水平的创新活动经常是应用专业领域以外的科学知识。因此技术系统的进化遵循客观的法则群，人们可以应用这些法则预测产品的未来发展趋势，把握新产品开发方向。 

　　正是基于TRIZ科学严谨的创新理论与方法体系，构成了计算机辅助创新的核心内容。它包括科学的问题分析与创新思维方法，问题转换与矛盾解决创新原理，发明问题标准解法与发明问题解决算法等等。另外，不断成熟的本体论技术为创新思维扩展和问题解决提供重要途径，逐渐成为计算机辅助创新技术的核心内容之一，随着其它先进问题分析方法（如QFD）、专利分析、价值工程和项目管理等理论方法的融入，逐渐形成完善的计算机辅助创新技术体系。 

　　TRIZ理论曾被美国、德国等西方国家称作“点金术”，随苏联解体后被广泛应用到军事以外的很多工程技术领域，并推广到了多个跨国公司，如福特、摩托罗拉、通用等。俄罗斯、日本、瑞典、美国、以色列等国家设有专门的TRIZ研究中心，成千上万项重大发明被以不可思议的速度创造出来。 

　　作为中国市场目前首家专门从事计算机辅助创新技术研究的公司，其自主开发的CAI解决方案是世界计算机辅助创新技术发展的代表，该解决方案的核心是两个软件平台，分别是计算机辅助创新平台（Pro/Innovator）与创新能力拓展平台CBT/NOVA。CBT/NOVA的目标是帮助人们快速学习和掌握以TRIZ为核心的先进创新理论和方法，培养人们的创新思维，全面拓展和激发工程师的创新能力。Pro/Innovator则具备了从创新问题的系统分析，到提供创新性的解决方案，专利查询与分析，以及解决方案评价等基本功能。尤其它具有来自世界专利的大量解决方案构成的知识库，为打破领域界限，实现技术突破，奠定了强大基础。 

　　亿维讯公司在不同地区设有相关的研发中心，其计算机辅助创新相关软件的开发中心设在美国，研发中心则设在白俄罗斯明斯克，该研发中心是目前世界上规模最大的CAI技术研发中心，而公司行业创新的研发中心设在中国。 

　　创新是人类发展的永恒主题，是促进经济持续增长的最重要因素。但我国目前众多企业普遍存在产品落后、创新能力不足等问题。计算机辅助创新在市场需求到具体设计方案之间架起一道桥梁。就像CAD技术有效的提升详细设计质量和效率一样，计算机辅助创新CAI必将有效地全面提升我们的创新水平，降低产品开发成本，缩短开发周期和上市时间，增强我们的核心竞争力。

摘要： 阿里内部诞生一了个依赖真实流量用于自动回归的自动化测试平台，通过创新的自动mock机制不仅支持读接口的回归验证，同时支持了写接口验证，在内部产生了极大价值，有价值的东西就应该分享，目前该工具已经作为云服务对外开放。
背景 

  信息系统上线后通常会需要迭代升级甚至重构，如何保证被修改后系统原有业务的正确性非常重要。不复杂的业务系统通过一些常规的自动化测试工具加上人工测试可以解决，但对于业务十分复杂的系统，回归测试将变成一项浩大的工程。  

  一个实际的例子：阿里巴巴作为一家以电商为核心的集团公司，交易系统和稳定性的重要性不言而喻。整个交易系统在多年的发展过程中，经历了很多业务的上下线，维护的人员也换了一波又一波，几乎没有人能梳理清楚其中的业务和代码。当它不得不面临一次全面升级的时候，其回归测试的困难度难以想象。因为常规的自动化测试工具需要准备测试数据、编写脚本，因此覆盖率不高，因此无法满足需求重构后的回归验证要求。  

  doom平台的出现解决了这一难题，它通过复制线上真实流量去做自动化回归，通过它发现了很多重构带来的bug，同时加快交易重构项目的上线进程。同时通过录制流量作为用例来实现日常自动化回归取代传统编写脚本的自动化回归大大提升了回归效率和覆盖率。  

  因为其解决方案的通用性，我们把这它拿出来给大家分享，同时也开放了云服务希望能支持到有需要的用户。
平台介绍 

什么是doom平台 

  doom自动回归平台是一个将一部分线上真实流量复制并用于自动回归测试的平台。 通过创新的自动mock机制不仅支持读接口的回归验证，同时支持了写接口（例如用户下单接口、付款接口）的验证。它最底层借助了java的instrument实现aop因此，目前仅支持java应用的接入使用。其原理图如下：
它与tcpcopy或者diffy的区别：tcpcopy、diffy是在应用外的网络层实现流量录制和回放的，它们只能实现一些只读页面的验证。doom是在应用内部通过aop切面编程方式实现的流量录制和回放功能，因此可以做到应用内部接口级别的回归验证，当然也支持服务级别或者http级别的回归验证。通过独创的中间件级mock以及内部自定义的mock，可实现写流量的回归验证以及跨环境的回归验证（线上引流到测试环境）。
应用场景 

系统重构时，复制真实线上环境流量到被测试环境进行回归，相当于在不影响业务的情况下提前上线检测系统潜在的问题。 

可以将录制的流量作为用例管理起来进行日常自动化归回。 
优势 

低成本：无需编写测试用例，通过流量录制形成丰富的测试用例。 

高覆盖：一方面线上大量真实流量确保覆盖率，另一方面支持中间过程的验证，例如发送消息的内容、中间计算过程等等的全对象的对比验证，传统手工编写验证点很难实现。 

支持写流量验证：（注：写流量是指可能导致有数据变更的流量）不用担心写流量回放污染应用数据，支持线上引流到测试环境以及写流量的自动化mock。 

低应用侵入：通过隔离容器技术、字节码级别的AOP技术、中间件级MOCK避免接入类冲突以及降低接入成本。 
如何使用 

  doom平台在阿里巴巴内部，特别是一些核心系统得到广泛使用，因此我们决定把这个产品开放出来，以云服务的形式免费提供给大家使用。doom支持 云效 上的应用直接申请使用，也支持任意能访问公网的应用直接申请使用。  

平台文档：接入使用指南  

平台链接：doom平台
原理 

如何实现回归验证？ 

  对于web应用来说，请求最终都通过发起http请求方式来完成。我们假定生产环境应用会正常的响应用户的请求，通过aop的方式将请求入参及返回结果以及执行过程中的一些快照数据例如访问数据库的入参和返回结果、访问远程服务器的入参及结果保存下来。然后将快照数据发送给测试机器（代码发生变化的机器）完成一次回放过程。通将落库数据、调用后台请求的数据以及返回结果和线上真实请求发生时的数据进行全量对比，发现其中的差异，从而识别被测试系统的问题。针对后台应用来说也是如此，只是后台应用一般都是通过rpc请求实现，这时只要记录rpc入参、rpc返回值以及中间快照数据用于回放即可。 
如何保证数据库不被污染？ 

  mock是单元测试常用手段，用来解决接口未完成或者调不通的情况。将这个特性进行延展，在线上执行真实请求时就把写数据库的请求以及对外服务的访问保存下来，在回放时当执行数据库或者调用后台的服务进行mock，这样回放时不会真正的访问数据库，也不会真正的发起对后台服务的调用，因此会影响业务数据，甚至可以在线下环境进行回放，因为mock数据来源于真实请求，也省去了造数据的麻烦。 
如何实现对外系统请求的mock？ 

  应用会通过各种各样的中间件对外发起rpc请求，可以通过平台配置的中间件隔离来设置，平台客户端会对这些中间件进行aop处理实现自动的mock，不需要人工去配置具体的rpc接口。如果不支持的中间件请联系我们，我们会对其做适配开发。 

如何解决回放时程序执行流程可能和线上真实流程不一致？ 

  在生产环境程序执行时的一些内存数据状态和回放时测试服务器的内存数据状态往往会出现不一致，这些不一致会导致程序的执行流程不一样。例如本机缓存、内存开关、session查询等等。那么要如何解决呢？平台提供了自定义mock机制，将这些会导致不一致的代码片段进行mock。例如将缓存的get方法进行mock，那么如果线上读缓存时有数据，那么回放时直接可以用这些缓存数据进行mock即可，确保了回放的流程和线上真实执行时一致。 

如何解决对比时的噪音？ 

  回放时和录制时必然存在一些差异，例如服务器ip、时间、以及一些随机数等等。通过两种方式去解决：
排除法：平台支持指定字段排除对比，将不需要的字段排除即可。 

指定对比法：将关心的业务数据进对比。 
系统架构 

部署图 
如图上所示，云服务提供配置管理功能，而在用户机房可以通过扩展实现自定义数据存储或者直接使用阿里云oss存储产品来实现用例或者流量的存储。配置之所以集中管理是为了方便平台升级，而支持数据自定义存储则提供给了用户更多的存储选择。  

  图中A企业完全使用平台功能，如果平台功能不满足需求也可以像图中企业B一样，基于平台提供的录制、回放等等能力去实现自己的稳定性/回归测试平台。
客户端服务端架构 
上图为客户端服务端的架构图。客户端为接入应用嵌入的一个功能模块，可以负责流量录制、流量回放、中间件mock、中间件隔离、流量对比分析等等功能。服务端提供客户端相关的配置信息，例如要录制哪些流量，录制比例是多少、哪些ip服务器需要被录制等等。客户端的一些状态信息也会发送给服务端方便展示管理。另外只有当发生对比异常时，服务端才会发送异常数据给服务端用于查看分析。  

  要实现不同企业的不同中间件mock，客户端需要扩展不同的中间件mock插件来实现。各个插件通过中间件插件管理器去管理，平台支持一些常用的中间件也支持扩展。除了mock外还需要提供了一个中间件隔离机制，例如通过在中间件最底层做一些隔离，避免在mock失败的情况下不会访问到数据库，保证回放时业务数据的安全性，当然如果是在非生产环境进行回放测试也可以避免这个风险。
平台开放 

录制数据存储到哪里？  

  平台默认将录制数据保存到oss，也支持用户通过扩展实现使用自己的数据存储服务。 

能基于doom平台实现自己的用例管理执行平台吗？ 

  doom平台开放了流量的录制、回放以及对比的api，有需求的用户可以基于这些能力快速搭建一套属于自己自动化回归测试平台。

VisionMobile在2012年底推出了一份策略报告：The Telco Innovation Toolbox，是visonMobile联合爱立信共同编撰，值得一看。新年伊始，希望一切都好。
电信运营商创新工具箱
控制扰动的经济模型和重塑电信运营商
10种经济工具用于了解OTT竞争，作出正确的创新投资，避免重大失误。
关键提要
电信运营商被干扰，是因为移动领域的竞争基础已经改变，从“网络的可靠性和可伸缩性”变为“服务可选择性和灵活性”，代表了从“移动电话”向“移动计算”的转变。竞争的基础改变是根本的和不可逆的。
OTT们没有在业务收入和电信运营商进行竞争，相反，通过横跨消费电子、在线广告、软件版权，电子商务等等的商务模式，竞争控制数字价值链的关键环节。由此，竞争是不对等的，与运营商不同，OTT不承担移动互联网服务的提供。
随着iOS和Android到达临界点并建立稳固的市场地位，运营商需要寻求在平台上建立独特的用户价值，而不是和OTT厂家竞争。
运营商需要将创新的关注从技术（HTML5、NFC、IMS、VoLTE、M2M或RCS-e）转向生态系统，需要更好理解生态系统如何运作，以及如何吸收和放大创新。
绝大部分电信运营商演化为“all-in-one”，为基于可靠性和可扩展性的小量核心业务（语音、短信、数据访问）的竞争而优化。为适应市场变化，电信运营商需要被视为有三个不同业务层组成的实体：接入、连接和发布。
传统财政工具针对稳定市场环境，但不能预测在不确定和快速变化条件下的创新，而这正是今日电信市场的特点。失效的原因是传统经济工具在系统地低估创新价值，漠视无所作为的代价。
高度不确定性需要完全不同的规划方法。探索式规划方式承认在不确定市场条件下，已知甚少而假设甚多。规划工具不是将大量假设作为事实，而是系统地将假设转换为知识。
生态系统是新的发布渠道和“增值转销商”相似。对于电信运营商，生态系统合作伙伴是转销商，推动电信业务的新用户，新使用模式和新市场盈利缺口。
要获得API倡议的成功，运营商需要将开发者视为增值转销商，以双赢为目标设计API。也就是说，电信运营商API的商务模式需要与开发者的商务模式相配合。
尽管在新的OTT业务周围有很多嗡嗡声音，电信运营商仍被看作主要的语音业务提供者。这使他们在将语音转变繁荣的生态系统中占据非常有利的位置，生态系统的业务基于新的竞争基础而设计：可选性和灵活性。例如，使用电话API将企业锁定到语音/数据计划。
 
相关链接：我的产业生态链和杂谈文章