数以达理：量化研发管理指南

第 1 章 量化管理的基本概念 1
1.1　经验管理与量化管理 1
1.2　度量数据分析的三个层次 2
1.2.1　简单对比分析 2
1.2.2 过程稳定性分析 3
1.2.3 相关性与回归分析 4
1.3 业务目标 5
1.4 质量与性能目标 6
1.5 过程性能 7
1.6 性能基线 7
1.6.1 性能基线的概念 7
1.6.2 性能基线的描述 8
1.6.3 性能基线的作用 9
1.7 性能模型 10
1.7.1 性能模型的概念 10
1.7.2 性能模型的分类 11
1.7.3 性能模型的用途 12
第 2 章 心中有数——识别与定义度量元 13
2.1 基于目标识别度量元 13
2.2 定义目标时的注意事项 16
2.3 选择度量元 19
2.4 度量元的分类 21
2.5 定义度量方法 23
2.6 定义校验方法 28
2.7 详细定义度量元 29
第 3 章 眼中有图——设计数据指示器 32
3.1 指示器的基本概念 32
3.2 数据分析的七种对比关系 33
3.2.1 成分对比关系 33
3.2.2 类别对比关系 34
3.2.3 时间序列对比关系 35
3.2.4 频率对比关系 36
3.2.5 相关性分析 37
3.2.6 多系列的集合数据对比关系 37
3.2.7 多指标的数据对比关系 39
3.3 设计指示器的十个要点 40
3.3.1 说明信息要完备 40
3.3.2 数据标示要清晰 40
3.3.3 根据分析目的选择合适的图形 41
3.3.4 根据数据项的多少选择合适的图形 43
3.3.5 先排序再分析 44
3.3.6 选择合适的数据分组 44
3.3.7 设置合适的时间刻度 45
3.3.8 设置固定的控制限 46
3.3.9 减少网格线 47
3.3.10 处理过长的数据标签 47
3.4 指示器设计的宏观主线 48
3.4.1 项目状态综合指标：项目健康指数 PHI 48
3.4.2 管理监控的主副图 50
3.4.3 二维多级度量体系架构 51
第 4 章 上下求索——分析历史数据的分布规律 54
4.1 控制图法 54
4.2 百分位法 55
4.3 箱线图法 56
4.4 置信区间法 62
4.5 建立性能基线的步骤 64
4.6 建立性能基线时的常见问题 72
4.6.1 一定要尝试分类建立性能基线 72
4.6.2 判断过程稳定的原则 78
4.6.3 何时重新计算性能基线 78
4.6.4 可以建立项目级或个人级性能基线 79
第 5 章 探因溯果——量化地分析因果规律 81
5.1 定性地画出因果图 81
5.2 量化分析因果规律的方法 82
5.3 相关性分析 82
5.3.1 散点图 83
5.3.2 Pearson 相关系数 89
5.3.3 Spearman 秩相关 90
5.3.4 方差分析 91
5.3.5 卡方检验 93
5.3.6 即使不相关，分析结论也有价值！ 95
5.3.7 有相关性未必有因果关系 98
5.4 线性回归分析 99
5.4.1 一元线性回归分析 99
5.4.2 多元线性回归分析 102
5.4.3 检查回归方程的有效性 105
5.4.4 异常值的识别与处理 108
5.4.5 多重共线性的处理 111
5.5 非线性回归分析 117
5.6 一般线性方程 122
5.7 逻辑回归分析 125
5.7.1　二元逻辑回归 125
5.7.2 多元逻辑回归 126
5.7.3 顺序逻辑回归 126
5.8 采用贝叶斯可信网络建模 130
5.8.1 贝叶斯可信网络的基本原理 130
5.8.2 贝叶斯可信网络的案例 132
5.9 建立性能模型时的常见问题 136
5.9.1　为什么无法建立模型 136
5.9.2　为什么建立了性能基线还需要建立性能模型 139
5.9.3 为什么不能“大海捞针”式建立模型 141
5.9.4　何时需要重建模型 144
5.9.5 分类建立性能模型 146
5.9.6 回归方程的常量系数符号有异常时如何处理 148
5.9.7 项目组也可以建立自己的性能模型 150
5.9.8 常见的七种不合理模型 153
第 6 章 数往知来——量化地预测未来 154
6.1 采用性能基线预测目标的达成 154
6.1.1 历史的性能数据近似服从正态分布 154
6.1.2 历史的性能数据左偏或右偏分布 155
6.1.3 基线规格下限为负数没有意义的场景 158
6.1.4 各种场景的计算公式归纳整理 159
6.1.5 历史数据采用百分位法建立的性能基线 161
6.2 采用回归方程预测目标的达成 162
6.2.1 通过x 预测y 的取值 162
6.2.2 通过y 预测x 的取值 163
6.3 采用蒙特卡洛模拟预测目标的达成 164
6.3.1 蒙特卡洛模拟的基本原理 164
6.3.2 蒙特卡洛模拟的执行步骤 165
6.3.3 不同场景下的蒙特卡洛模拟 170
6.3.4 在 Excel 中进行蒙特卡洛模拟的方法 178
6.4 进行趋势预测 182
6.5 使用 Gompertz 曲线预测缺陷 184
第 7 章 操之有度——量化地控制过程 188
7.1 控制图的基本原理 188
7.2 控制图的基本结构 188
7.3 控制图的偏差源分类 189
7.4 控制图的判读 190
7.4.1 判异的原则 190
7.4.2 判稳的原则 191
7.4.3 控制图解读时的两种误判 191
7.5 控制图的用途 192
7.6 控制图的种类 193
7.7 计量型控制图 194
7.7.1 均值 - 极差控制图 194
7.7.2 均值 - 标准差控制图 196
7.7.3 单值 - 移动极差控制图 198
7.8 计数型控制图 199
7.8.1　c 图 199
7.8.2　u 图 201
7.8.3 离散数据的单值-移动极差图 204
7.9 控制图的注意事项 205
7.9.1 控制图的数据一定要按时间排序 205
7.9.2 不要对聚合数据或大过程使用控制图 206
7.9.3 不要混淆规格限与控制限 207
7.9.4 不要对非独立样本画控制图 209
7.10 过程能力指数的应用 211
7.10.1　Cpk 的含义与计算方法 211
7.10.2　不同Cpk 值的处理原则 212
7.10.3　Cpk 与合格率的关系 213
第 8 章 精益求精——量化地管理过程改进 215
8.1 量化识别改进点 216
8.2 量化识别原因 220
8.3 量化评价改进效果 228
8.4 量化地确定推广范围 236
第 9 章 融会贯通——量化分析案例 238
案例一 项目总体进展指示器的设计 238
案例二 缺陷清除率的简单对比分析 240
案例三 量化分析触发风险应急措施的阈值 240
案例四 量化评价故事点刻度的合理性 243
案例五 在敏捷开发中应用统计技术 244
案例六 需求个数与编码工作量之间的关系 246
案例七 客户满意度的统计分析 250
案例八 工时数据的统计分析 255
案例九 缺陷状态的统计分析 259
案例十 需求交付周期的分析 264
第 10 章 结语 269
10.1 量化管理失败常见原因 269
10.2 量化管理的基本原则 270
10.3 量化管理的流程 273
10.4 管理活动与可用量化技术的对应关系 275
10.5 量化管理技术在项目中的应用场景 276
附录 A 统计学基本概念 278
A.1 总体与样本 278
A.2 随机现象与随机变量 279
A.3 数据分布特征 279
A.4 集中趋势的度量 281
A.5 离散程度的度量 284
A.6 数据分布形状 288
A.7 正态分布 289
A.8 二项分布 290
A.9 泊松分布 290
A.10 概率质量函数 291
A.11 概率密度函数 291
A.12 概率分布函数 291
A.13 正态分布的概率参数 292
A.14 切比雪夫不等式 292
A.15 小概率事件实际不可能原理 292
A.16 假设检验 293
附录 B 量化管理工具简介 302
B.1 ZenDAS 302
B.2 Minitab 302
B.3 Crystal Ball 302
B.4 Netica 303
B.5 1stOpt 303
参考文献 304