數以達理-量化研發管理指南 任甲林 9787115607409 【台灣高等教育出版社】

內容簡介
本書是作者多年來軟體工程經驗與 軟體過程改進諮詢經驗的結晶，書中對量化研發管理給出了系統論述，並通過大量的實際案例針對每種場景下的量化研發管理問題給出了解決方案。
本書先介紹了軟體研發量化管理的基本概念，然後以活動順序為主線講述了如何識別與定義軟體研發量化管理的對象、如何設計數據指示器、如何分析歷史數據的分佈規律、如何定量地分析因果規律、如何定量地預測未來、如何定量地控制過程、如何定量地管理過程改進，最後介紹了統計學的基本概念與假設檢驗在軟體研發管理中的應用。
本書論述簡明清晰、實例豐富，可以幫助讀者快速、正確地掌握如何採用統計方法管理軟體研發團隊，適合公司高管、質量總監、質量管理人員、過程改進人員、敏捷教練、諮詢顧問、項目經理及研發人員閱讀參考。

作者簡介
任甲林，麥哲思科技（北京）有限公司、上海艾縱企業管理諮詢有限公司創辦人、總經理，CMMI高成熟度主任評估師、教員，CMMI中國諮詢委員會（CAC）成員，通用軟體度量國際聯盟（COSMIC）實踐委員會委員、國際諮詢委員會成員，COSMIC 中國分部主席。1993年至今，積累了30年的軟體工程經驗，從程序員到項目經理、產品經理，再到研發總監。2005年開始從事軟體過程改進工作，至今已為 500 多家客戶提供過諮詢或培訓服務。著有《術以載道——軟體過程改進實踐指南》《以道御術——CMMI 2 0實踐指南》兩本圖書，翻譯了《軟體項目估算》一書。

精彩書評
本書將量化管理技術系統地應用於軟體研發過程的度量管理，不僅有完整的理論體系，還結合了很多實際案例來展開討論，理論與實踐結合，做到了在數據中找信息，從信息中提煉洞察，並將洞察應用於改進，為軟體研發效能提升提供了非常積極的指導。可以說本書是研發效能度量領域的佳作。
——茹炳晟 騰訊支付Tech Lead，騰訊研究院特約研究員，中國計算機學會CCF（TF）研發效能SIG主席
量化管理是過程管理的破蛹之變，是過程改進的必由之路。任甲林老師從事管理諮詢以前，有著豐富的管理經驗和編程經驗。管理實踐與管理理論的碰撞結合，使他輸出的文字系統而務實。本書中提供了大量研發案例，並給出了由數達理、溯本清源的實用方法，帶領讀者揭示數據中隱含的事實與規律。希望更多人閱讀這本書，並從中受益。
——張昱 中國科學院空天信息創新研究院工程總師
如何才能用好、用准、用活度量數據，做深、做精、做透數據分析，從而為研發管理提供數據支撐，是量化管理的難點。任甲林老師將自己多年積累的理論知識與實踐經驗濃縮于本書，指導我們在面對海量數據時化繁為簡、去偽存真、去蕪存菁。本書理論講解通俗易懂，案例說明詳盡真實，參考應用價值極高，是難得的工具書。無論是有志於過程改進的新人，還是深耕于數據分析的高手，這本書都值得您詳品細讀。
——張慧敏 北京構力科技有限公司質量經理
我是一口氣讀完《數以達理》這本書的，首先感受到的是誠意，「乾貨滿滿」。任甲林老師總結他多年來在量化管理領域的實際經驗，通過大量生動的例子，將理論具化成實踐，對量化管理中的每一個主題，通過理論—應用場景—實例這種清晰的三段式結構，深入淺出地帶我們理解量化管理如何應用於各類不同的場景，進而如何幫助組織獲得更卓越的性能。
——王慧 CMMI高成熟度主任評估師，資深諮詢顧問
任甲林老師將自己多年積累的數據分析方面的知識和經驗彙集于本書。本書圖文並茂，從基本概念到實際應用，從案例分析到理論總，可謂深入淺出。它可以作為工具，支持讀者的日常數據分析工作；可以作為老師，幫助讀者系統學習數據方面的知識；也可以作為參謀，在讀者遇到困難時出謀劃策。希望有更多的讀者從中受益！
——徐斌 CMMI主任評估師，資深諮詢顧問
任甲林老師是研發改進領域的老將，善於從理論到實踐，再依據實踐升華理論。任老師十年磨一劍，寫就了這本在整個中國研發管理領域難得一見、基於實戰而非理論的量化管理作品。
質量管理體系設計得體，其創造的效益將遠大於成本，量化管理也是如此。但知易行難，數據難採集、難保真、難分析、難增值，使得研發量化管理在諸多企業中味如雞肋，沒有似乎不行，有了卻又派不上多大用場。如果您也存在類似的困擾，那麼強烈推薦您閱讀任老師的這本作品，並從中尋求啟發與解答，相信定有收穫！
——周偉 CMMI高成熟度主任評估師，麥哲思科技諮詢總監

目錄
第 1 章 量化管理的基本概念 1
1 1 經驗管理與量化管理 1
1 2 度量數據分析的三個層次 2
1 2 1 簡單對比分析 2
1 2 2 過程穩定性分析 3
1 2 3 相關性與回歸分析 4
1 3 業務目標 5
1 4 質量與性能目標 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——識別與定義度量元 13
2 1 基於目標識別度量元 13
2 2 定義目標時的注意事項 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 定義校驗方法 28
2 7 詳細定義度量元 29
第 3 章 眼中有圖——設計數據指示器 32
3 1 指示器的基本概念 32
3 2 數據分析的七種對比關係 33
3 2 1 成分對比關係 33
3 2 2 類別對比關係 34
3 2 3 時間序列對比關係 35
3 2 4 頻率對比關係 36
3 2 5 相關性分析 37
3 2 6 多系列的集合數據對比關係 37
3 2 7 多指標的數據對比關係 39
3 3 設計指示器的十個要點 40
3 3 1 說明信息要完備 40
3 3 2 數據標示要清晰 40
3 3 3 根據分析目的選擇合適的圖形 41
3 3 4 根據數據項的多少選擇合適的圖形 43
3 3 5 先排序再分析 44
3 3 6 選擇合適的數據分組 44
3 3 7 設置合適的時間刻度 45
3 3 8 設置固定的控制限 46
3 3 9 減少網格線 47
3 3 10 處理過長的數據標籤 47
3 4 指示器設計的宏觀主線 48
3 4 1 項目狀態綜合指標：項目健康指數 PHI 48
3 4 2 管理監控的主副圖 50
3 4 3 二維多級度量體系架構 51
第 4 章 上下求索——分析歷史數據的分佈規律 54
4 1 控製圖法 54
4 2 百分位法 55
4 3 箱線圖法 56
4 4 置信區間法 62
4 5 建立性能基線的步驟 64
4 6 建立性能基線時的常見問題 72
4 6 1 一定要嘗試分類建立性能基線 72
4 6 2 判斷過程穩定的原則 78
4 6 3 何時重新計算性能基線 78
4 6 4 可以建立項目級或個人級性能基線 79
第 5 章 探因溯果——量化地分析因果規律 81
5 1 定性地畫出因果圖 81
5 2 量化分析因果規律的方法 82
5 3 相關性分析 82
5 3 1 散點圖 83
5 3 2 Pearson 相關係數 89
5 3 3 Spearman 秩相關 90
5 3 4 方差分析 91
5 3 5 卡方檢驗 93
5 3 6 即使不相關，分析結論也有價值！ 95
5 3 7 有相關性未必有因果關係 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 採用貝葉斯可信網路建模 130
5 8 1 貝葉斯可信網路的基本原理 130
5 8 2 貝葉斯可信網路的案例 132
5 9 建立性能模型時的常見問題 136
5 9 1 為什麼無法建立模型 136
5 9 2 為什麼建立了性能基線還需要建立性能模型 139
5 9 3 為什麼不能「大海撈針」式建立模型 141
5 9 4 何時需要重建模型 144
5 9 5 分類建立性能模型 146
5 9 6 回歸方程的常量係數符號有異常時如何處理 148
5 9 7 項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 數往知來——量化地預測未來 154
6 1 採用性能基線預測目標的達成 154
6 1 1 歷史的性能數據近似服從正態分佈 154
6 1 2 歷史的性能數據左偏或右偏分佈 155
6 1 3 基線規格下限為負數沒有意義的場景 158
6 1 4 各種場景的計算公式歸納整理 159
6 1 5 歷史數據採用百分位法建立的性能基線 161
6 2 採用回歸方程預測目標的達成 162
6 2 1 通過x 預測y 的取值 162
6 2 2 通過y 預測x 的取值 163
6 3 採用蒙特卡洛模擬預測目標的達成 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 中進行蒙特卡洛模擬的方法 178
6 4 進行趨勢預測 182
6 5 使用 Gompertz 曲線預測缺陷 184
第 7 章 操之有度——量化地控制過程 188
7 1 控製圖的基本原理 188
7 2 控製圖的基本結構 188
7 3 控製圖的偏差源分類 189
7 4 控製圖的判讀 190
7 4 1 判異的原則 190
7 4 2 判穩的原則 191
7 4 3 控製圖解讀時的兩種誤判 191
7 5 控製圖的用途 192
7 6 控製圖的種類 193
7 7 計量型控製圖 194
7 7 1 均值 - 極差控製圖 194
7 7 2 均值 - 標準差控製圖 196
7 7 3 單值 - 移動極差控製圖 198
7 8 計數型控製圖 199
7 8 1 c 圖 199
7 8 2 u 圖 201
7 8 3 離散數據的單值-移動極差圖 204
7 9 控製圖的注意事項 205
7 9 1 控製圖的數據一定要按時間排序 205
7 9 2 不要對聚合數據或大過程使用控製圖 206
7 9 3 不要混淆規格限與控制限 207
7 9 4 不要對非獨立樣本畫控製圖 209
7 10 過程能力指數的應用 211
7 10 1 Cpk 的含義與計算方法 211
7 10 2 不同Cpk 值的處理原則 212
7 10 3 Cpk 與合格率的關係 213
第 8 章 精益求精——量化地管理過程改進 215
8 1 量化識別改進點 216
8 2 量化識別原因 220
8 3 量化評價改進效果 228
8 4 量化地確定推廣範圍 236
第 9 章 融會貫通——量化分析案例 238
案例一 項目總體進展指示器的設計 238
案例二 缺陷清除率的簡單對比分析 240
案例三 量化分析觸發風險應急措施的閾值 240
案例四 量化評價故事點刻度的合理性 243
案例五 在敏捷開發中應用統計技術 244
案例六 需求個數與編碼工作量之間的關係 246
案例七 客戶滿意度的統計分析 250
案例八 工時數據的統計分析 255
案例九 缺陷狀態的統計分析 259
案例十 需求交付周期的分析 264
第 10 章 結語 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 管理活動與可用量化技術的對應關係 275
10 5 量化管理技術在項目中的應用場景 276
附錄 A 統計學基本概念 278
A 1 總體與樣本 278
A 2 隨機現象與隨機變數 279
A 3 數據分佈特徵 279
A