建立基线需要注意：

样本数少于20个点时，偏差较大，先不清除异常点。分析要做。 差不多有30个点左右，清除异常点，重新计算一次。如果再有异常点，再重新计算一下。直到有稳定的控制图。 项目差异很大的项目，不应放在一起。 控制图的维护与调整需要关注。过程改变了，前面的数据可能就没有用了，需要重新计算基线。 度量数据一定要闭环：使用基线数据，使用的结果数据需要提供。以便维护组织基线。 基线建立要注意分类处理，否则容易造成垃圾基线：举例：同类规模组件发现的不同类型缺陷数矩阵（不同类型的缺陷）。鱼龙混杂在一起，发现不了问题。应该将不同类型的分别建立基线。——缺陷数合计后的控制图没有异常。但每个组织分别建立控制图，很显明发现异常点。

SEI要求，重要的基线都需要做假设检验。（用新的数据来检验，是否基线有问题）

联想：我们公司维护项目的基线有没有办法建？基线建立要分类处理。（生产效率：代码行除维护工作量。其中代码行有自动生成的一类；代码修改关键内容，代码量少，但测试工作量非常大的一类）

·       模型建立
业界模型：刚博士模型、蒙特卡罗模型，导入模型时，需要用公司自己的数据做调整。
建模工具：建立模型一定要用工具，MINITAB工具、蒙特卡罗
建模六步曲：
·          数据整理，数据整理工作量占建模工作量的95%。
·          先要想清楚模型想要预测什么？有哪些变量、因子要考虑（自然度量项就出来了）？
– 可以与未来模型的使用者采用头脑风暴方法，分析影响过程性能的因子。
– 建立关键子过程模型时：与项目经理，测试策划师沟通，引导相关人员什么容易引导过程的差异。——越早做越好。
– 模型发布前，做过的头脑风暴或评审证据需要保留，现场评估时需要提供证据：
·          模型的应用场景要想清楚！
– 需要有《基线、模型建立和维护手册》；《基线模型的使用指南》（更重要，如果有可能，先完成使用指南，至少是同步完成）。
– 模型的应用场景在《模型使用指南》中需要加入。OPP中有一个子实践；EPG要辛苦点，将场景分析写的更好一点，等PM能力提高了，可以简单一些。
– 模型的使用场景不清楚，SEI审计时，建立方法就不看了。
– 基线使用指南中，需要写明基线的使用说明。（几个点继续上升或下降等），要从项目实际情况出发。
– 组织需要有维护指南，明确什么基线在什么时候维护。
·          进行数据初步分析，因子相关性分析
– 因子的选择对模型的最终预测结果必须相关的，对最终结果没有任何影响的因子应去除；
– 两个因子是非常强相关的，选择一个就可以，比如，规模和工作量是强相关的，可以选择一个；强相关是指相关性在70%左右；
– 包括一些正态检验；
–  可能因子需要调整；
·          选择最佳子集，形成模型
·          得到公式
建模必要条件：高质量的数据（数据不准确，后面的工作都白做）、工具、情商
 

建模关键：

– 愿景。（数据不能满足愿景的需要。没有愿景，也不清楚的统计分析）
– 判断手上的数据是否满足要求。
– 度量数量的可操作定义（为什么做？——否则就是垃圾；数据是什么？什么时候收集？谁收集？如何保证所有人都理解了数据？等等）
– 度量的要求：一致性！度量项不要追求完美，只要保证一致性，即具有可比性！
– 数据检查要做，要初步分析一下：（最小值、最大值？有没有异常？选择一些数据看一下？数据“0”，是什么意思？是没有？还是没有采集？“其他”是什么意思？（太多是不是有问题？）
– 样本点少于三个时，建议不要考虑建立模型或基线。
– 每条基线与模型，都要有适用范围。
– 统计人员要做的内容：
– 正态检验？转换？（画图、放到MINITAB中验检一下）
– 数据的相关性分析：强关联性，只选择一个。相关性75%作为强相关的界线。选择一个即可。
– MINITAB:应使用SPEARMANP‘S RANK（正相关） 不要使用SPEARMAN’S RHO（负相关？）
 
·       可控因子的确定
可控因子：对项目目标有直接影响的，项目可以控制的因子。
必要时，非可控因子也需要考虑。（如使用的技术评台、客户的刚性进度要求等）
 
可控因子分类：
– 人相关：可用时间（人员地域分布）、人员态度、人员的技能
– 环境相关：可用会议室、小组距离、办公室、培训室、温度
– 技术工具相关：语言、开发工具、复用率、开发工具引用的新旧
– 过程相关：过程符合度、工作产品复杂度的要求、代码的度量
– 客户相关：客户成熟度、人脉、行业背景
– 供应商相关：
 
不可控因子：如规模、复杂度

l  一些对高成熟度常见的误解
Q:如果我们度量更多东西，在检查和度量中投入更多人力，我们最终就将达到成熟度4级……
A:CMMI的第4级称之为定量管理，定量管理是有一定的基础要求的，进行定量管理的项目必须是性质近似的，生产过程类似的，这样才可能在一段时间类积累了一堆有同类可比性的数据，对这些数据进行统计分析后才可能得出用于项目控制的基线，并利用经验数据得出的指标，对将来的项目进行管理。另外对商业目标进行分解，分析出哪些过程和子过程对达到这个商业目标起关键作用，然后对这些过程和子过程进行度量分析，如果没有选择正确的过程搜集到正确的数据，那么投入再大的人力和收集再多的数据也是没用的。
Q:达到高成熟度的关键是度量正确的东西，使用正确的技术去分析和解释度量……
 
A:关键是过程和子过程的选择，这些过程能够对提升公司的商业目标起到关键性的作用，然后对这些过程进行度量，再采用正确的技术区分析和解释数据，度量分析技术只是为了证明选择的过程和子过程是正确的。
 
Q:我们只有等到拥有更多的合适的数据后，才能尝试进行高成熟度实践……
A:基于前期收集准备的项目历史数据，通过运用统计分析方法，建立了组织级基线及模型。基线，即描述过程性能的历史分布，建立基线的目的是为了刻画历史过程的性能，确定过程输出的稳定的范围，如果过程是稳定的，则说明过程是可以预测的。
通过dephi估算方法可以提出意见和管理经验，建立的基线模型进行小范围的试用，然后在后续的项目中继续搜集项目数据，结合根本原因分析调整原来的基线。至此，组织基线和模型的建立标志着CMMI4实施过程中一个重要里程碑的达成。
基线=均值+-3标准差（3个sigma）
 
Q:我只要使用控制图分析输出结果及关键子过程，我们就能控制过程了……
 
A:ＳＰＣ控制图，ｓＰＣ属于统计技术，强调用科学方法对生产过程中的各工序参分析、质量控制和质量改进的目的。控制图是指利数进行监控来保证软件项目管理全过程的预防，从用概率统计原理，在普通坐标纸上做出两条控制线而达到改进、保证产品质量的目的。

随着深入实施CＭＭＩ，将ＳＰC技术和ＣＭＭＩ和全面质量管理等行业先进的理论规范结合起来，通过运用ｓＰｃ技术分析过程（如软件设计过程、开发计划设计过程、开发过程、运维管理过程等）状态变化来研究过程的能力和稳定性，可以及时发现系统性因素出现的征兆，并采取措施消除其影响，使过程维持在仅受随机性因素影响的受控状态，从而达到控制、改定因素，进行过程改进，并指导分析与决策的一项进和提高过程质量的目的。

l
思考
统计知识的缺失。统计方法应用非常广，缺少统计思维不容易发现可使用的场景。
建立基线和模型，度量数据的真实性是前提，非常重要。
员工对CMMI的理解误区：反感！
做到CMMI四级的难点：项目经理的能力的提升
组织建立的过程性能基线和模型，一定要是项目经理、客户关注的；
项目每一个目标，应该有基线和模型帮助项目经理来做预测；
项目经理做决策，不再凭感觉，用项目数据来说话；
项目经理只针对项目目标实现有影响的事项进行风险管理；
---------------------
作者：EdmondSung