數(shù)以達(dá)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(yàn)管理與量化管理 1
1.2　度量數(shù)據(jù)分析的三個(gè)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(guān)性與回歸分析 4
1.3 業(yè)務(wù)目標(biāo) 5
1.4 質(zhì)量與性能目標(biāo) 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(biāo)識別度量元 13
2.2 定義目標(biāo)時(shí)的注意事項(xiàng) 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(yàn)方法 28
2.7 詳細(xì)定義度量元 29
第 3 章 眼中有圖——設(shè)計(jì)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(guān)系 33
3.2.1 成分對比關(guān)系 33
3.2.2 類別對比關(guān)系 34
3.2.3 時(shí)間序列對比關(guān)系 35
3.2.4 頻率對比關(guān)系 36
3.2.5 相關(guān)性分析 37
3.2.6 多系列的集合數(shù)據(jù)對比關(guān)系 37
3.2.7 多指標(biāo)的數(shù)據(jù)對比關(guān)系 39
3.3 設(shè)計(jì)指示器的十個(gè)要點(diǎn) 40
3.3.1 說明信息要完備 40
3.3.2 數(shù)據(jù)標(biāo)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(xiàng)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(shè)置合適的時(shí)間刻度 45
3.3.8 設(shè)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(biāo)簽 47
3.4 指示器設(shè)計(jì)的宏觀主線 48
3.4.1 項(xiàng)目狀態(tài)綜合指標(biāo)：項(xiàng)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(gòu) 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(shí)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(shí)重新計(jì)算性能基線 78
4.6.4 可以建立項(xiàng)目級或個(gè)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(guān)性分析 82
5.3.1 散點(diǎn)圖 83
5.3.2 Pearson 相關(guān)系數(shù) 89
5.3.3 Spearman 秩相關(guān) 90
5.3.4 方差分析 91
5.3.5 卡方檢驗(yàn) 93
5.3.6 即使不相關(guān)，分析結(jié)論也有價(jià)值！ 95
5.3.7 有相關(guān)性未必有因果關(guān)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(luò)建模 130
5.8.1 貝葉斯可信網(wǎng)絡(luò)的基本原理 130
5.8.2 貝葉斯可信網(wǎng)絡(luò)的案例 132
5.9 建立性能模型時(shí)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(shí)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(shí)如何處理 148
5.9.7 項(xiàng)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(yù)測未來 154
6.1 采用性能基線預(yù)測目標(biāo)的達(dá)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(fù)數(shù)沒有意義的場景 158
6.1.4 各種場景的計(jì)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(yù)測目標(biāo)的達(dá)成 162
6.2.1 通過x 預(yù)測y 的取值 162
6.2.2 通過y 預(yù)測x 的取值 163
6.3 采用蒙特卡洛模擬預(yù)測目標(biāo)的達(dá)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(jìn)行蒙特卡洛模擬的方法 178
6.4 進(jìn)行趨勢預(yù)測 182
6.5 使用 Gompertz 曲線預(yù)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(jié)構(gòu) 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(shí)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(jì)量型控制圖 194
7.7.1 均值 - 極差控制圖 194
7.7.2 均值 - 標(biāo)準(zhǔn)差控制圖 196
7.7.3 單值 - 移動(dòng)極差控制圖 198
7.8 計(jì)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(dòng)極差圖 204
7.9 控制圖的注意事項(xiàng) 205
7.9.1 控制圖的數(shù)據(jù)一定要按時(shí)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(dú)立樣本畫控制圖 209
7.10 過程能力指數(shù)的應(yīng)用 211
7.10.1　Cpk 的含義與計(jì)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(guān)系 213
第 8 章 精益求精——量化地管理過程改進(jìn) 215
8.1 量化識別改進(jìn)點(diǎn) 216
8.2 量化識別原因 220
8.3 量化評價(jià)改進(jìn)效果 228
8.4 量化地確定推廣范圍 236
第 9 章 融會(huì)貫通——量化分析案例 238
案例一 項(xiàng)目總體進(jìn)展指示器的設(shè)計(jì) 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(fēng)險(xiǎn)應(yīng)急措施的閾值 240
案例四 量化評價(jià)故事點(diǎn)刻度的合理性 243
案例五 在敏捷開發(fā)中應(yīng)用統(tǒng)計(jì)技術(shù) 244
案例六 需求個(gè)數(shù)與編碼工作量之間的關(guān)系 246
案例七 客戶滿意度的統(tǒng)計(jì)分析 250
案例八 工時(shí)數(shù)據(jù)的統(tǒng)計(jì)分析 255
案例九 缺陷狀態(tài)的統(tǒng)計(jì)分析 259
案例十 需求交付周期的分析 264
第 10 章 結(jié)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(dòng)與可用量化技術(shù)的對應(yīng)關(guān)系 275
10.5 量化管理技術(shù)在項(xiàng)目中的應(yīng)用場景 276
附錄 A 統(tǒng)計(jì)學(xué)基本概念 278
A.1 總體與樣本 278
A.2 隨機(jī)現(xiàn)象與隨機(jī)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(xiàng)分布 290
A.9 泊松分布 290
A.10 概率質(zhì)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(shí)際不可能原理 292
A.16 假設(shè)檢驗(yàn) 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(xiàn) 304