如何分析各类时长数据？

文章主旨：度量各类时长指标时需明确定义、单位和数据采集细节，并通过统计方法（箱线图、控制图等）从数据中挖掘管理改进机会。

关键要点：

• 时长度量的注意事项包括计量单位、精度、取整规则、记录方式（手工/自动）以及是否包含非工作时间。
• 数据分析时需明确分组依据（如按报告时间或解决时间），并关注个体 vs 平均时长。
• 通过箱线图可建立性能基线，识别如10%、50%、90%分位的典型时长。
• 采用X-R控制图按周识别异常周次，并观察整体趋势（如递增倾向）。
• 纵向对比（周箱线图、散点图）能直观反映时长变化趋势，辅助定位改进点。

内容结构：

一、时长度量的常见问题与注意事项
原文罗列了多种常见时长指标（需求响应时长、缺陷修复时长等），指出本质都是时长。然后提出定义与分析时长数据时的关键问题：

• 计量单位（小时/天/周/月）与精度（天/小时/分钟）；
• 取整规则（四舍五入/上取整/下取整）；
• 数据记录方式（手工 vs 自动）及准确性；
• 是否包含非工作时间（如故障修复需包含节假日，内部评审则排除）；
• 分析时关注个体还是平均时长；
• 按报告时间还是解决时间分组。

二、案例分析：问题解决时长数据的分析
提供了某公司18周90个问题的解决时长（小时）数据表。
按三步进行数据分析：

1. 建立性能基线（箱线图）：得出10%问题在7.3小时内解决，10%超过59小时，50%在38小时内，75%在52小时内。
2. 识别异常（X-R控制图）：按周分组发现第6周（特别快）和第15周（特别慢）两个异常周，并注意到时长有递增趋势。
3. 纵向对比变化趋势（箱线图/散点图）：显示后5周解决问题时长下限提升，整体平均值上升。

原文提到以上图形采用禅道公司的ZenDAS工具绘制。

文章总结：通过实际的数据分析案例，展示了时长数据从定义到基线建立、异常识别与趋势观察的完整流程，对管理决策具有实用指导意义。

测试开发之系统篇-Docker容器安装

了解更多

麦哲思科技任甲林

查看原文：如何分析各类时长数据？

文章来源：

麦哲思科技任甲林

扫码关注公众号