数以达理：量化研发管理指南 pdf下载

本书是作者多年来软件工程经验与 软件过程改进咨询经验的结晶，书中对量化研发管理给出了系统论述，并通过大量的实际案例针对每种场景下的量化研发管理问题给出了解决方案。

本书先介绍了软件研发量化管理的基本概念，然后以活动顺序为主线讲述了如何识别与定义软件研发量化管理的对象、如何设计数据指示器、如何分析历史数据的分布规律、如何定量地分析因果规律、如何定量地预测未来、如何定量地控制过程、如何定量地管理过程改进，最后介绍了统计学的基本概念与假设检验在软件研发管理中的应用。

本书论述简明清晰、实例丰富，可以帮助读者快速、正确地掌握如何采用统计方法管理软件研发团队，适合公司高管、质量总监、质量管理人员、过程改进人员、敏捷教练、咨询顾问、项目经理及研发人员阅读参考。

任甲林，麦哲思科技（北京）有限公司、上海艾纵企业管理咨询有限公司创办人、总经理，CMMI高成熟度主任评估师、教员，CMMI中国咨询委员会（CAC）成员，通用软件度量国际联盟（COSMIC）实践委员会委员、国际咨询委员会成员，COSMIC 中国分部主席。1993年至今，积累了30年的软件工程经验，从程序员到项目经理、产品经理，再到研发总监。2005年开始从事软件过程改进工作，至今已为 500 多家客户提供过咨询或培训服务。著有《术以载道——软件过程改进实践指南》《以道御术——CMMI 2 0实践指南》两本图书，翻译了《软件项目估算》一书。

本书将量化管理技术系统地应用于软件研发过程的度量管理，不仅有完整的理论体系，还结合了很多实际案例来展开讨论，理论与实践结合，做到了在数据中找信息，从信息中提炼洞察，并将洞察应用于改进，为软件研发效能提升提供了非常积极的指导。可以说本书是研发效能度量领域的佳作。

——茹炳晟 腾讯支付Tech Lead，腾讯研究院特约研究员，中国计算机学会CCF（TF）研发效能SIG主席

量化管理是过程管理的破蛹之变，是过程改进的必由之路。任甲林老师从事管理咨询以前，有着丰富的管理经验和编程经验。管理实践与管理理论的碰撞结合，使他输出的文字系统而务实。本书中提供了大量研发案例，并给出了由数达理、溯本清源的实用方法，带领读者揭示数据中隐含的事实与规律。希望更多人阅读这本书，并从中受益。

——张昱 中国科学院空天信息创新研究院工程总师

如何才能用好、用准、用活度量数据，做深、做精、做透数据分析，从而为研发管理提供数据支撑，是量化管理的难点。任甲林老师将自己多年积累的理论知识与实践经验浓缩于本书，指导我们在面对海量数据时化繁为简、去伪存真、去芜存菁。本书理论讲解通俗易懂，案例说明详尽真实，参考应用价值极高，是难得的工具书。无论是有志于过程改进的新人，还是深耕于数据分析的高手，这本书都值得您详品细读。

——张慧敏 北京构力科技有限公司质量经理

我是一口气读完《数以达理》这本书的，首先感受到的是诚意，“干货满满”。任甲林老师总结他多年来在量化管理领域的实际经验，通过大量生动的例子，将理论具化成实践，对量化管理中的每一个主题，通过理论—应用场景—实例这种清晰的三段式结构，深入浅出地带我们理解量化管理如何应用于各类不同的场景，进而如何帮助组织获得更卓越的性能。

——王慧 CMMI高成熟度主任评估师，资深咨询顾问

任甲林老师将自己多年积累的数据分析方面的知识和经验汇集于本书。本书图文并茂，从基本概念到实际应用，从案例分析到理论总，可谓深入浅出。它可以作为工具，支持读者的日常数据分析工作；可以作为老师，帮助读者系统学习数据方面的知识；也可以作为参谋，在读者遇到困难时出谋划策。希望有更多的读者从中受益！

——徐斌 CMMI主任评估师，资深咨询顾问

任甲林老师是研发改进领域的老将，善于从理论到实践，再依据实践升华理论。任老师十年磨一剑，写就了这本在整个中国研发管理领域难得一见、基于实战而非理论的量化管理作品。

质量管理体系设计得体，其创造的效益将远大于成本，量化管理也是如此。但知易行难，数据难采集、难保真、难分析、难增值，使得研发量化管理在诸多企业中味如鸡肋，没有似乎不行，有了却又派不上多大用场。如果您也存在类似的困扰，那么强烈推荐您阅读任老师的这本作品，并从中寻求启发与解答，相信定有收获！

——周伟 CMMI高成熟度主任评估师，麦哲思科技咨询总监

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