Kyligence Zen 作为一站式云端指标中台，提供海量指标模板，涵盖各行各业，满足多种场景中的指标分析和应用需求。指标模板开箱即用，助力企业高效搭建指标管理体系，在数据分析的链路上推动关键业务决策。

适用场景

这套指标模板通过梳理 Github 标准化的 Pull Request 行为数据，提取关键指标，协助研发团队负责人分析流程中不同环节的执行情况，快速定位问题，采取针对性的改进方案，进而提升研发效率和代码质量。

Github 作为被广泛使用的代码托管平台，在实际工作中与研发体系深度交互，会沉淀下来很多行为数据。Github 本身提供一些基础的统计信息，主要以围绕代码贡献的结果指标来指导项目运营，然而研发团队对于整个研发过程的分析，有更深层次的需求。Code Review 作为其中一个重要环节，通常是提高研发效率的关键点，涉及到从平台上获取的诸多信息（例如：代码情况、参与人、流程节点、互动信息等）。

借助这套指标模板，研发团队可以：

• 分析 PR 代码改动和 commit 关系，避免一次提交涉及代码量大造成review质量低下的情况；分析 PR 代码改动和 review 数量的关系，判断 review 的强度是否在正常范围。
• 分析 PR 的代码审核记录，找到发现问题最多投入度最高的审核人，同时找到被 comment 最多的提交者。
• 分析 PR 和相关评论的数据，判断 review 行为的投入度。
• 根据 PR 数据分析各个作者对项目的贡献度，找到项目的活跃开发者。
• 分析 PR 数据中创建和关闭的生命周期，得到 PR Author 和 Reviewer 的周期行为，同时通过 PR 总时长作为过程指标指示 Code Review 行为的流转率。

这套 Github Code Review 分析的关键指标，为研发团队进一步提高研发效率和代码质量提供了数字化依据。

关键指标

• pulls_commits：PR包含Commit数量
• pulls_comment_reviews：PR上关于代码的评论数
• pulls_addtitions：PR代码新增数
• pulls_additions_per_commit：平均每个Commit包含代码新增数
• pulls_additions_per_reivew：平均每次review涉及代码更新数
• pulls_deletions：PR代码删除数
• pulls_deletions_per_commit：平均每个Commit包含代码删除数
• pulls_deletions_per_review：平均每次review涉及代码删除数

如何使用

Kyligence Zen 指标模板支持用户一键导入，您可以直接点击页面上方右侧的“体验”按钮，完成注册 / 登录后就会为您导入关键指标和对应的样例数据集，您可以基于上述场景继续自助探索。

这套指标模板中使用的数据来源为 GitHub - Apache Spark，基于公开 Repo 进行数据分析。