扫码阅读
手机扫码阅读
案例:工时数据分析

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

工时数据分析摘要
1 数据整理
通过重新排序表格列,按照需求数、人数、任务数和工时数的自然发生顺序,对原始数据进行了整理。
2 分布分析
- 2.1 80-20分析: 对单位需求工时进行80-20分析,发现K产品的单位工时异常高,而M和N两个产品的单位工时较低,均需进一步分析原因。
- 2.2 识别离群点: 通过图形化汇总分析需求数,识别出两个规模最大的项目为离群点。排除这些离群点后,需求数呈正态分布。类似的方法也被用来分析其他度量元,如单位需求工时、人均消耗工时和需求人均工时,发现项目C、K和E分别有离群点。
3 相关分析
- 剔除离群点: 两个规模较大的项目被视为离群点并剔除。
- 观察散点图: 通过绘制散点图,观察需求数与任务数、人数和总消耗之间的关系。
- 计算相关性系数: 相关性系数计算表明需求数、任务数、人数和总消耗之间存在相关性,尤其是需求数决定了其他三者。
基于以上分析,得到了两个回归方程用以估算总消耗,分别是:
方程1: 总消耗=136.7+26.96*需求数。
方程2: 总消耗=-6+5.537*任务数。
尽管这两个方程的残差标准差较大,导致预测区间较宽,但方程2的相关性系数较大,残差标准差较小,因此实用价值更大。
最后,文中指出数据量较小可能限制了分析的说服力。此外,离群点的原因分析、数据简化以减少成本,以及不具代表性的度量元的剔除都是未来分析中应考虑的因素。
想要了解更多内容?


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
425 篇文章
浏览 169.1K
麦哲思科技任甲林的其他文章
控制图典型错误应用一例
有公司在画控制图时,对进度偏差率画了XMR控制图。原始数据如下: 度量日期 开发进度偏差率 05-14 -2% 05-19 0% 05-21 -1% 05-22 -2% 05-23 -2%
我说CMMI 2.0之:白话GOV
GOV与II是CMMI V2.0中新增的两个PA,实施CMMI V2.0的组织需要准确理解这2个PA的含义,然后才能知道如何映射到自己的实践。我对GOV的理解整理如下,供大家在实践中参考。 首先我们强调一下这个PA中隐藏的基本观点: 1 过程管理是一把手工程,高层管理者一定要参与。 2 过程管理包含的活动: 图1 过程管理活动 高层管理者的...
如何理解别人写的需求规格说明书?
在开发过程中,开发人员、测试人员都需要阅读其他人写的需求规格说明书,当阅读别人的需求文档时,我们需要关注什么呢?参见下图的要点: 首先需要了解关于该系统的总体信息,主要包含2条: 1 明确出该软件与其他系统、人、设备的交互关系。可以通过环境图,帮我们梳理清楚该软件与周边环境的关系,从宏观上对软件所处的位置有所理解。如下图所示: 2 系统的目标是什么,即解决了客
如何设计度量数据展示的指示器?
在设计企业的度量体系时,很多企业往往在数据展示的方面不太重视,下文举例说明如何设计度量数据的指示器。 比如部门经理关注本部门内每个项目的进展情况,想通过度量数据了解每个项目的进展情况。针对此需求,我们来设计满足其需求的度量分析图形(指示器)。仔细讨论、分析此度量需求,可以得到:部门经理希望在图形上显示出部门内每个项目的工期偏差天数、偏差%,并且对于天数偏差超过比如10天的、偏差率超过15%的
回归方程有效性的检查
我梳理了一下,整理成下表给大家参考,也比较好记忆,回归之前六条,回归之后六条:检查回归方程的有效性 回归分析之前 1 对y进行正态分布的检验,如果y不服从正态分布,则需要进行变换。 2 通过相关性分析,判断x与y的相关性,如果不相关,则不需要纳入此x到方程中。 3 通过相关性分析,判断x与x之间的相关性,相关的x不能出现在同一个方程中。 4 通过散...
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