自动化测试的成本高效果差，那么自动化测试的意义在哪呢？

有人问：自动化测试的成本高效果差，那么自动化测试的意义在哪呢？

我觉得这个问题带有很强的误导性，是典型的逻辑陷阱之一。“自动化测试的成本高效果差”是真的吗？当然不是。而且我始终相信，回答问题的最好方式是把问题本身弄清楚。也就是问关于问题的问题。楼主也学可以进一步说明下面几个问题，有助于自己理解自己的问题，更有助于问题得到准确的回答：

请定义“自动化测试”的范畴。自动化测试简单来讲，包括用例的撰写，代码的实现，环境的搭建，用例的执行，报表的生成，结果的分析，缺陷报告等等。每个项目自动化程度不一样，测试人员对自动化的理解有偏差，实际实行自动化的范畴差别很大
请定义“成本“包括哪些
请定义什么是“高”。高是相对的。比较对象可以是另外的项目或者项目组，也可以是他人的期望
请定义什么是”效果“
请定义什么是”差“。差也是相对的，可以是同手工测试比较，也可以是同老板的期望比较
如果楼主仔细思考并且回答了以上的问题，我有七成的把握楼主要么不想问这个问题，要么想换个问题。

换一种问法

好吧，为了避免灌水嫌疑，我且以最大的善意揣摩楼主的意图。楼主是想问：

如果有的项目的自动化测试，我们发现成本高于预期，效果不符合预期，那么问题可能出在哪里？怎么判断自动化测试是否有效？

-----------------这里是正文开始--------------

关于错误的预期

我一点都不奇怪有人会告诉我说：
我都不知道我或者我的老板对自动化测试有什么预期，没人跟我说过。

或者：

自动化不就是不用手工测试了吗？用例用代码实现都能自己跑，测试人员就可以去干别的了，可以少招几个不产生价值的测试攻城狮了。老板就是这样计划的。

这是两种非常典型的关于自动化测试的预期问题：

根本就不清楚自动化测试的目标，以及为达到目标所计划的投入
对自动化测试（通常是总监以上的老板，开发人员或者手动测试人员）抱有不切实际的幻想型期望，认为自动化测试能够干很多活同时省很多钱
自动化测试的第一目标从来都不是节省测试的人力成本。成功的自动化测试，作为软件测试的一种工具，从业务最终效果来看，应该是能够节省成本和提高产品质量的。但是把节省测试的人力成本作为自动化测试的直接目标是错误的，而且是致命的。

每个人对自动化测试理解都不一样，每个项目组做自动化的方式都不一样。我讲个故事，是我认识之前一个印度自动化项目的真实例子。这个项目95%以上的测试场景都是比较复杂的UI测试（Web +Windows Application）他们的自动化是这样做的：

手工测试人员把测试用例录入到用例管理系统，精确到每一步的描述和每一个数据
自动化测试人员用代码（java，python等）实现自动化用例，保存到SCM
准备好测试环境
打开Eclipse
定位到要执行的用例的源代码
Run As Junit （因为统一用JUnit做封装）
两眼直视显示器，目不转睛
如果有步骤执行不成功，比如某个按钮点击不成功，手动帮助点击，继续
一个用例执行完毕，重复步骤5到9
你觉得这个自动化做的怎么样？我当时的感觉是几乎要吐血了，因为这个项目是我要接手的。更加吐血的还在后面，这个部门的QA的VP对自动化测试的效果很不满意（绝对的），他的设想包括：

自动化应该是一种Service（Automation As A Service)，所有的测试人员和开发人员都应该可以自己很方便的去跑自动化
自动化测试的运行结果应该是可以自动分析的，占用很少的时间
自动化测试的成功率应该是要很高的（比如95%以上）
自动化应该是写一次，运行很多次，为什么你们花那么多时间还要去改自动化代码？
这个就是一个典型的不懂自动化的团队+期望脱离现实的老板。

关于什么是自动化

James Bach 曾经在一篇博文提到，自动化测试这个名字是非常有误导性的。它让一般的人误以为就是测试完全被自动化了，就像一个自动的咖啡机一样，我只需要把杯子放在那里，按一个button就够了。James说更加准确的叫法应该是“工具辅助的测试”。当然他还有另一层意思，就是好的测试用例是没有办法100%被自动化的，测试人员的经验，逻辑判断和探索性的测试方法都不能被有效自动化。我非常同意这个观点。作为这个论断的补充和扩展，自动化应该是审视软件研发活动的每一个环节，去发现那些可以被工具化自动化的重复性活动，然后去实现。广义的自动化应该包括但不限于以下环节：

测试环境的搭建和管理
测试环境的检查，监控和报警
测试代码的编译和测试构建
测试代码的静态检查和报警
测试用例的分发和执行
测试结果的保存与管理
测试报告的生成
测试优先级的建议
自动化的成本与收益（ROI）

一个过于简化的公式可以这样写：

自动化的收益 = 迭代次数 * 全手动执行成本 - 首次自动化成本 - 维护次数 * 维护成本

或者如果假设迭代次数和维护次数近视相等，这个在某些情况下可以成立，比如一个比较新的产品：

自动化的收益 = 迭代次数 * (全手动执行成本 - 维护成本) - 首次自动化成本

解读：

自动化的收益与迭代次数成正比
自动化收益可能为负数：即当自动化成本和维护成本比手动执行成本还高时
很多时候自动化成本并不比手动成本高，但是维护成本很高
为什么强调过于简化，因为这里的自动化收益仅仅考虑时间和资源成本的节省。好的自动化带来的迭代周期的缩短，是可以缩短项目周期，在某些时候能变不能做为能做，进而带来的机会收益是巨大的，也是很难量化的。这个就要求决策者对软件工程和自动化有比较正确的直觉和理解。片面追求自动化的资源节省，或者要求精确量化自动化的收益，本人觉得都不可取。

推论1：什么项目适合自动化

从ROI的简化公式可以看出，下面几中情况比较适合自动化：

回归测试为主的Support Engineering项目，即需要长期做支持维护的产品。或者有过去版本需要长期做支持维护的产品。这种产品（比如企业软件，操作系统等）一个版本在发布之后往往需要支持好多年，做bug fix和patch。这个时候每次小版本的开发都会增加迭代次数，并且每次产品变动都非常有限，维护成本相对偏低，自动化收益就非常好。这也是很多企业级软件或者硬件产品有专门自动化团队的原因。因为产品的支持维护开发的回归测试基本靠自动化
接口比较稳定的产品，同上
手动测试特别费时费力，甚至无法达到测试目的的项目。比如压力测试，大数据或者大量重复数据测试，必须有自动化工具的支持
推论2：自动化的介入时间点

同样从ROI的简化公式推断出，一个项目的初期可能不太适合自动化。因为项目初期用户界面和接口没有稳定，自动化代码会被动的被要求频繁改变，维护成本非常高。自动化收益不好。而反而手动测试能够快速发现问题，反馈给开发人员。而到了项目后期和维护期，自动化再介入为回归测试做准备，可以最大化自动化收益。

推论3：自动化的程度和自动化率

这里自动化的程度是指整个软件研发活动中引入自动化的程度。推论2中说，有些项目早期可能不太适合高度自动化，但是项目早期仍然可以选定某些环节进行自动化。比如稳定的公用接口，软件的编译和部署，环境的搭建等从一开始就比较稳定的部分。

自动化率同样也要看产品和项目的特性，对于产品的UI部分如果会频繁改动，可以做比较低的自动化。对于接口比较稳定的服务组件可以提高自动化率。

你有什么样的团队，工具和基础设施

其实这个因素是做所有事情都必须考虑的。自动化测试本身就是软件开发。好的自动化测试框架，架构设计很重要。这些会决定自动化的开发成本和维护成本。这些都要求很强的开发能力。如果你的团队只有很有限的开发能力，那么怎么去做自动化，是做最原始的录制回放，还是数据驱动。复杂自动化也需要良好的基础设施支持。比如你有很好的DevOps的虚机管理系统，就不用自己去开发，省下的资源和人力也是很可观的。

工具是另外一块，如果公司有实力支持商业测试软件和管理软件，就可以降低编程要求（当然这会带来一些其他问题）。如果没有办法用商业工具，只能考虑开源和自己开发，这个对自动化测试开发的能力要求就高。总之必须选择和团队，技能储备，基础设施与工具匹配的自动化策略。

管理层的理解程度和支持

这个就不再展开。我见过很糟糕的情况，一个带好几百人兼顾产品技术的VP，越3到4级直接给测试团队提技术需求和建议。你说是做还是不做，怎么做？还有一个团队，自动化测试人员从来没有写过Java或者其他OO语言的程序，被要求从头设计自动化框架，那就是一场灾难。还有一个团队，管理层几次要求更换自动化工具，相当于整体重写自动化脚本。

总结

以上应该是一个很粗浅的回答。自动化测试是一个很专门化的领域，自动化测试又是对工程师的技术广度深度要求很高的工作。对于团队管理和决策者来讲，请不要简单化和孤立看待自动测试。最重要的是确保听取真正理解产品，团队和自动化测试的技术人员的判断