对比分析偏差率的五个常见疑问
发布于 2024-10-01
1877
版权声明
我们非常重视原创文章,为尊重知识产权并避免潜在的版权问题,我们在此提供文章的摘要供您初步了解。如果您想要查阅更为详尽的内容,访问作者的公众号页面获取完整文章。
麦哲思科技任甲林
扫码关注公众号
扫码阅读
手机扫码阅读
项目偏差率分析常见疑问摘要
在项目管理中,客户经常收集工期偏差率和工作量偏差率的数据,并对这些数据进行分析。偏差率的计算公式为(计划 - 实际) / 实际。对于这类数据,存在五个常见的疑问。
问题1:哪个项目的偏差率更大?
比较项目的偏差率大小时,应该比较偏差率的绝对值而不是原始值,因为偏差率有正负之分,直接比较可能得出错误结论。
问题2:两类项目估算准确率的比较
在比较不同项目估算准确率时,应该比较偏差率绝对值的均值而不是偏差率的均值,因为偏差率的正负可能导致均值接近零,从而产生误解。
问题3:不同项目估算水平的接近程度
要了解哪一类项目的估算水平更接近,需要比较两组数据的标准差大小。较小的标准差指示估算更为准确。
问题4:利用变异系数比较估算偏差
变异系数(CV)可以用来比较不同类项目的相对估算偏差大小,其计算为标准差除以均值的绝对值乘以100%。CV值较大表示数据较为离散。当均值接近或等于零时,变异系数可能失去意义。在某些情况下,可以通过调整均值来比较变异系数,但不能比较偏差率绝对值的变异系数。
问题5:使用控制图分析偏差率
控制图可以用于分析偏差率,但要注意避免自相关性,即同一项目不同时间段的偏差率可能存在相关性。对偏差率绝对值使用控制图分析并无实际意义。
麦哲思科技任甲林
麦哲思科技任甲林
扫码关注公众号
麦哲思科技(北京)有限公司总经理 敏捷性能合弄模型评估师 认证的Scrum Master 认证的大规模敏捷顾问SPC CMMI高成熟度主任评估师 COSMIC MPC,IAC 成员,中国分部主席
471 篇文章
浏览 882K
还在用多套工具管项目?
一个平台搞定产品、项目、质量与效能,告别整合之苦,实现全流程闭环。
查看方案
麦哲思科技任甲林的其他文章
CMMI 4级实践问题30问-7
第22问: 什么是过程性能模型? 过程性能模型(PPM)是关于过程的属性与其工作产品之间关系的描述,它是基于历史的过程性能数据开发的并通过收集的项目的过程和产品度量元进行调整以用来预测执行过程的结果。通俗的讲就是通过过程的输入及属性预测过程的输出,但是过程性能模型必须满足以下的几个基本特征: (1)定量模型:是定量模型而不是定性模型; (2)实用性 :是基于本组织的历史数据分析得到,而
AI编程模式的10条核心感悟
文章浏览阅读483次,点赞4次,收藏4次。AI编程时代催生10大核心变革:开发者角色从"代码实现者"转变为"需求定义者",聚焦业务逻辑而非技术细节;AI作为"聪明的傻子"倒逼需求清晰化,推动"意图式编程"取代命令式编程;验证重点转向业务逻辑完备性,文档成为核心资产;人机关系重构为"指挥官-AI"模式,错误类型转为意图偏差;测试转向验证规格,能力模型更强调业务抽象与逻辑严谨。这场范式革命将开发者的核心价值重新定义为精准的需求定义与判断能力,推动软件开发
快速学习COSMIC之五:如何识别功能用户
一个(类)功能用户是软件的功能性用户需求中数据的发送者或预期的接收者。功能用户是与被度量软件交互的人、设备或软件系统。度量目的决定了功能用户,功能用户不同,度量范围不同,度量出的功能规模就不同。 在识别功能用户时,要注意如下几点: 1 功能用户是从功能性用户需求中识别出来的。 比如有这样一个需求:业务员录入订单信息: 显然,业务员是录入订单信息这个功能的功能用户,而在需求
快速学习COSMIC方法之十:系统登录功能案例分析
我们已经讲了如何识别功能处理与兴趣对象,下面我们找一个稍微复杂点的需求来实际运用一下前面学到的知识。 功能需求描述如下: 登录系统的界面原型: 用例描述: 我们识别的功能点如下: 记录格式一: 记录格式二: 对上述的需求,容易出错的地方分析如下: 1)用户的账户信息与用户录入的登录信息是两个兴趣对象,还是一个兴趣对象呢?注意用户录入的登录信息与...
CMMI 研究所CEO 访问麦哲思,探讨中国CMMI未来之路!
2014年4月26日,CMMI 研究所CEO Kirk Botula先生与COO Lisa Masciantonio女士到访麦哲思科技(北京)有限公司,和麦哲思科技CEO任甲林先生与CTO Bruce Hofman先生进行了充分的沟通交流,对于如何融合敏捷方法到CMMI模型中,如何改进优化CMMI模型、SCAMPI评估方法,如何进一步推广CMMI模型在中国的实施,双方进行了热烈而富有创意的讨论。K
加入社区微信群
与行业大咖零距离交流学习
PMO实践白皮书
白皮书上线
白皮书上线