數(shù)以達理：量化研發(fā)管理指南

第 1 章 量化管理的基本概念 1
1.1　經(jīng)驗管理與量化管理 1
1.2　度量數(shù)據(jù)分析的三個層次 2
1.2.1　簡單對比分析 2
1.2.2 過程穩(wěn)定性分析 3
1.2.3 相關性與回歸分析 4
1.3 業(yè)務目標 5
1.4 質量與性能目標 6
1.5 過程性能 7
1.6 性能基線 7
1.6.1 性能基線的概念 7
1.6.2 性能基線的描述 8
1.6.3 性能基線的作用 9
1.7 性能模型 10
1.7.1 性能模型的概念 10
1.7.2 性能模型的分類 11
1.7.3 性能模型的用途 12
第 2 章 心中有數(shù)——識別與定義度量元 13
2.1 基于目標識別度量元 13
2.2 定義目標時的注意事項 16
2.3 選擇度量元 19
2.4 度量元的分類 21
2.5 定義度量方法 23
2.6 定義校驗方法 28
2.7 詳細定義度量元 29
第 3 章 眼中有圖——設計數(shù)據(jù)指示器 32
3.1 指示器的基本概念 32
3.2 數(shù)據(jù)分析的七種對比關系 33
3.2.1 成分對比關系 33
3.2.2 類別對比關系 34
3.2.3 時間序列對比關系 35
3.2.4 頻率對比關系 36
3.2.5 相關性分析 37
3.2.6 多系列的集合數(shù)據(jù)對比關系 37
3.2.7 多指標的數(shù)據(jù)對比關系 39
3.3 設計指示器的十個要點 40
3.3.1 說明信息要完備 40
3.3.2 數(shù)據(jù)標示要清晰 40
3.3.3 根據(jù)分析目的選擇合適的圖形 41
3.3.4 根據(jù)數(shù)據(jù)項的多少選擇合適的圖形 43
3.3.5 先排序再分析 44
3.3.6 選擇合適的數(shù)據(jù)分組 44
3.3.7 設置合適的時間刻度 45
3.3.8 設置固定的控制限 46
3.3.9 減少網(wǎng)格線 47
3.3.10 處理過長的數(shù)據(jù)標簽 47
3.4 指示器設計的宏觀主線 48
3.4.1 項目狀態(tài)綜合指標：項目健康指數(shù) PHI 48
3.4.2 管理監(jiān)控的主副圖 50
3.4.3 二維多級度量體系架構 51
第 4 章 上下求索——分析歷史數(shù)據(jù)的分布規(guī)律 54
4.1 控制圖法 54
4.2 百分位法 55
4.3 箱線圖法 56
4.4 置信區(qū)間法 62
4.5 建立性能基線的步驟 64
4.6 建立性能基線時的常見問題 72
4.6.1 一定要嘗試分類建立性能基線 72
4.6.2 判斷過程穩(wěn)定的原則 78
4.6.3 何時重新計算性能基線 78
4.6.4 可以建立項目級或個人級性能基線 79
第 5 章 探因溯果——量化地分析因果規(guī)律 81
5.1 定性地畫出因果圖 81
5.2 量化分析因果規(guī)律的方法 82
5.3 相關性分析 82
5.3.1 散點圖 83
5.3.2 Pearson 相關系數(shù) 89
5.3.3 Spearman 秩相關 90
5.3.4 方差分析 91
5.3.5 卡方檢驗 93
5.3.6 即使不相關，分析結論也有價值！ 95
5.3.7 有相關性未必有因果關系 98
5.4 線性回歸分析 99
5.4.1 一元線性回歸分析 99
5.4.2 多元線性回歸分析 102
5.4.3 檢查回歸方程的有效性 105
5.4.4 異常值的識別與處理 108
5.4.5 多重共線性的處理 111
5.5 非線性回歸分析 117
5.6 一般線性方程 122
5.7 邏輯回歸分析 125
5.7.1　二元邏輯回歸 125
5.7.2 多元邏輯回歸 126
5.7.3 順序邏輯回歸 126
5.8 采用貝葉斯可信網(wǎng)絡建模 130
5.8.1 貝葉斯可信網(wǎng)絡的基本原理 130
5.8.2 貝葉斯可信網(wǎng)絡的案例 132
5.9 建立性能模型時的常見問題 136
5.9.1　為什么無法建立模型 136
5.9.2　為什么建立了性能基線還需要建立性能模型 139
5.9.3 為什么不能“大海撈針”式建立模型 141
5.9.4　何時需要重建模型 144
5.9.5 分類建立性能模型 146
5.9.6 回歸方程的常量系數(shù)符號有異常時如何處理 148
5.9.7 項目組也可以建立自己的性能模型 150
5.9.8 常見的七種不合理模型 153
第 6 章 數(shù)往知來——量化地預測未來 154
6.1 采用性能基線預測目標的達成 154
6.1.1 歷史的性能數(shù)據(jù)近似服從正態(tài)分布 154
6.1.2 歷史的性能數(shù)據(jù)左偏或右偏分布 155
6.1.3 基線規(guī)格下限為負數(shù)沒有意義的場景 158
6.1.4 各種場景的計算公式歸納整理 159
6.1.5 歷史數(shù)據(jù)采用百分位法建立的性能基線 161
6.2 采用回歸方程預測目標的達成 162
6.2.1 通過x 預測y 的取值 162
6.2.2 通過y 預測x 的取值 163
6.3 采用蒙特卡洛模擬預測目標的達成 164
6.3.1 蒙特卡洛模擬的基本原理 164
6.3.2 蒙特卡洛模擬的執(zhí)行步驟 165
6.3.3 不同場景下的蒙特卡洛模擬 170
6.3.4 在 Excel 中進行蒙特卡洛模擬的方法 178
6.4 進行趨勢預測 182
6.5 使用 Gompertz 曲線預測缺陷 184
第 7 章 操之有度——量化地控制過程 188
7.1 控制圖的基本原理 188
7.2 控制圖的基本結構 188
7.3 控制圖的偏差源分類 189
7.4 控制圖的判讀 190
7.4.1 判異的原則 190
7.4.2 判穩(wěn)的原則 191
7.4.3 控制圖解讀時的兩種誤判 191
7.5 控制圖的用途 192
7.6 控制圖的種類 193
7.7 計量型控制圖 194
7.7.1 均值 - 極差控制圖 194
7.7.2 均值 - 標準差控制圖 196
7.7.3 單值 - 移動極差控制圖 198
7.8 計數(shù)型控制圖 199
7.8.1　c 圖 199
7.8.2　u 圖 201
7.8.3 離散數(shù)據(jù)的單值-移動極差圖 204
7.9 控制圖的注意事項 205
7.9.1 控制圖的數(shù)據(jù)一定要按時間排序 205
7.9.2 不要對聚合數(shù)據(jù)或大過程使用控制圖 206
7.9.3 不要混淆規(guī)格限與控制限 207
7.9.4 不要對非獨立樣本畫控制圖 209
7.10 過程能力指數(shù)的應用 211
7.10.1　Cpk 的含義與計算方法 211
7.10.2　不同Cpk 值的處理原則 212
7.10.3　Cpk 與合格率的關系 213
第 8 章 精益求精——量化地管理過程改進 215
8.1 量化識別改進點 216
8.2 量化識別原因 220
8.3 量化評價改進效果 228
8.4 量化地確定推廣范圍 236
第 9 章 融會貫通——量化分析案例 238
案例一 項目總體進展指示器的設計 238
案例二 缺陷清除率的簡單對比分析 240
案例三 量化分析觸發(fā)風險應急措施的閾值 240
案例四 量化評價故事點刻度的合理性 243
案例五 在敏捷開發(fā)中應用統(tǒng)計技術 244
案例六 需求個數(shù)與編碼工作量之間的關系 246
案例七 客戶滿意度的統(tǒng)計分析 250
案例八 工時數(shù)據(jù)的統(tǒng)計分析 255
案例九 缺陷狀態(tài)的統(tǒng)計分析 259
案例十 需求交付周期的分析 264
第 10 章 結語 269
10.1 量化管理失敗常見原因 269
10.2 量化管理的基本原則 270
10.3 量化管理的流程 273
10.4 管理活動與可用量化技術的對應關系 275
10.5 量化管理技術在項目中的應用場景 276
附錄 A 統(tǒng)計學基本概念 278
A.1 總體與樣本 278
A.2 隨機現(xiàn)象與隨機變量 279
A.3 數(shù)據(jù)分布特征 279
A.4 集中趨勢的度量 281
A.5 離散程度的度量 284
A.6 數(shù)據(jù)分布形狀 288
A.7 正態(tài)分布 289
A.8 二項分布 290
A.9 泊松分布 290
A.10 概率質量函數(shù) 291
A.11 概率密度函數(shù) 291
A.12 概率分布函數(shù) 291
A.13 正態(tài)分布的概率參數(shù) 292
A.14 切比雪夫不等式 292
A.15 小概率事件實際不可能原理 292
A.16 假設檢驗 293
附錄 B 量化管理工具簡介 302
B.1 ZenDAS 302
B.2 Minitab 302
B.3 Crystal Ball 302
B.4 Netica 303
B.5 1stOpt 303
參考文獻 304