回到研发的话题，在我看来：缺乏对于研发过程中各种行为的分析，是无法真正改进研发 管理的关键原因，程序员每天到底花多时间编程？花多少时间看文档？花多少时间开会？一个Story，会经过多少道工序，最终被开发完成，发布上线？如果研 发的效率不高，最大的瓶颈到底是在哪个环节？
在大数据分析工具出现之前，这些答案，都是被一种奇怪的方式回答的：数据散乱，随意，缺乏统一的标准，领导想看了，下面的人就去搞一个Excel。
如果我们有了足够好的大数据分析工具，问题就得到解决了吗？实际上并没有这么简单。究竟应该采集哪些数据呢？在研发的过程中，相关人员，究竟发生了哪些行为呢？这些行为，是能够被分析的吗？是能够被量化的吗？
我 发出了一个邮件，包含了一个word文档作为附件。这个行为的含义，如何分析？以Github为代表的Social Coding，在我看来，最大的贡献是将原来含混的研发行为，原子化了。star、watch、fork、issue、pull request、follow，过去可能都是在email里完成的。通过社交化服务将研发行为原子化，也因此使得量化这些行为，变得可能。
在写Blog的时候，我们会引用其他人的Blog，这时候，BSP就会帮我发出一个PingBack，告诉那篇Blog，它被我引用了。但是，在开源项目的领域，还缺乏这种项目之间的PingBack机制，因此在项目与项目之间的关系，我们还很难梳理清楚。
一个可以期待的功能特性，应该是基于开放平台的OpenAPI的，假设每一个开源项目托管平台，都支持UseIt这样的API，任何使用了它的项目，或者部署了这个开源项目的平台，都会发出一个UseIt的请求给它。该是多么美好的未来啊？
最后，我们再来回顾一下动物语言的研究，为什么大猩猩的语言不好研究？因为采集数据困难。从这个角度来说，如果开发人员都在自己的本地机器上工作，大多数时候不联网，那么研发数据的采集就会非常困难。如果基于云计算的开发平台能最终普及，所有的研发行为，都实际上在云平台上发生，我想：这个故事就基本上完整了。
因此，我们得到了这样四块积木：大数据分析+社交化服务+开放平台+云计算=下一代研发平台