案例：缺陷状态数据分析方法与实践

         有网友询问如表1所示的原始数据如何分析，发现问题，我觉得很有代表性，试着分析进行了分析，供大家参考。

                     表1: 11个项目的缺陷状态原始数据

第1步：澄清数据的含义

问：设计如此是指设计缺陷吗？

答：设计如此包含了产品设计如此和技术设计如此。

问：B到J列的数据，没有包含的关系，是可以累加得到最后一列，对吧？

答：是的，B到J列没有包含关系。

问：这11个项目是已经完成的项目，还是当前正在进行的项目？

答：大部分是完成95%的项目。后面就是新的迭代了。

问：不予解决是什么意思？

答：不予解决就是接受这个问题存在。

问：你这个产品是项目级么？

答：产品级。

第2步：对数据做变换

           为了确保不同项目之间的数据具有可比性，将绝对的数值，转换为相对的数值。

          把每列与合计列相除得到缺陷状态的%，参见表2：

                                                                                     表2: 归一化的数据

第3步 对数据进行横向或纵向对比分析

          该数据表中的产品是同时进行的项目，没有时间的先后顺序数据，所以不做纵行对比分析，可以进行横向对比分析，即对同一时间段的项目进行对比分析。比如可以对问题解决%进行对比分析。对这11个项目可以采用柱状图分析，分析时要先排序：

                                                                                     表3: 排序后的问题解决%

                                                                     图1 问题解决%的柱状图

        对于上图，可以采用80-20的原则，取排名最靠后的2个产品进行原因分析，即为什么产品I或C这2个产品问题解决%那么低？这2个项目未必一定是离群点，只是最低而已。

        对于其他度量元依此类推，也可以画柱状图进行分析。

第4步 通过统计的方法识别离群点

        采用柱状图、条形图、饼图等是基于经验识别不合理的现象，但是未必很合理，有可能得到的结论是不科学的，此时我们可以借助统计的方法来识别离群点，即识别小概率事件，小概率事件发生的概率很小，是有别于正常事件的，是特殊原因造成的。

          对于本组数据，我们可以画箱线图来识别离群点。

                     图3 Minitab中问题解决%的箱线图

                            图4 Excel中问题解决%的箱线图

            对该度量元没有发现离群点，但是如果我们对其他度量元也进行分析：

                                                图5 Minitab中对多个度量元进行箱线图分布分析

           则我们发现产品I的延期处理%是离群点，产品C和E的转为需求%是离群点，对这3个项目应该进行原因分析！是另类的产品！

           Minitab是专业的统计分析工具，简单易用，比EXCEL功能强大。

第5步 分析数据之间的相关性

          分析相关性是为了识别因果规律，原因决定了结果。

          可以通过散点图观察两个变量之间的相关性，对于本组数据，如果我们画出无法重现%与外部原因%的散点图，得到图6:

                                                          图6: 无法重现% 与 外部原因% 的散点图

          观察上图，可以发现随着外部原因%的增加，无法重现%也是增加的，二者是正相关的！意味着很可能二者之间有因果关系，或者它们都是因另外一个因子影响而同步变化的！具体是哪种情况，需要继续和组织或产品组进行更多的沟通才能判定。

        更准确的判断是否两个数据之间存在相关性可以在Minitab中计算相关性系数，进行相关性的假设检验，对上述数据，相关性检验的结果如下：

                                                                           图7 相关性分析结果

当P值小于0.05时，可以认为这2个变量是相关的。我们找到了3对相关的度量元：

外部原因% 与 重复bug%

外部原因% 与 无法重现bug%

不解决% 与 重复Bug%

由于本组数据样本点比较少，我们还需要仔细看看散点图是否真的相关。通过图6的观察与相关性检验的结果，我们可以认可外部原因%与无法重现bug%是中度相关的，相关性系数为0.684。

                                                         图8 重复bug%与外部原因%的散点图

         仔细观察图8，隐隐的有2个趋势在里面，由于样本点少，不能轻易下结论，需要再采集数据，再观察。

                                                                            图9 不解决%与重复bug %的散点图

           仔细观察图9，红圈中的样本点如果删除，相关趋势是否还那么明显呢？

           该组数据只有11个点，相关性的趋势不是特别明显，需要再继续采集数据，不好轻易下结论。

综述：

       1 简单的数据分析可以只做到第3步，并非要做第4、5步。

       2 根据图8，我们怀疑存在2类项目，但是原始数据中没有给出每个项目的特征，比如是否新产品，采用的是迭代还是瀑布的生命周期模型，所以我们无法进行分类分析。

       3 第4步中，如果数据记录了发生的先后顺序，我们也可以通过控制图的方法识别离群点。

       4 样本点多了，数据的分布规律与因果规律才是规律，不是偶然。

       5 如果再有各产品的规模数据（比如功能点数），就可以做产品间的质量水平对比，或算出各类bug缺陷密度的基准区间，比如延期处理的bug单位功能点有多少个是合理的。

免责声明：本文系网络转载或改编，未找到原创作者，版权归原作者所有。如涉及版权，请联系删