Data Manipulation

软件衡量标准是一项包含许多活动的措施标准,涉及一定程度的衡量。 软件测量的成功在于所收集和分析的数据的质量。

What is Good Data?

收集的数据可视为一个很好的数据,如果能够就下列问题提出答案的话:

如果数据正确?——如果按照该指标定义的具体规则收集,数据可视为正确数据。

- 准确性是指数据与实际价值之间的区别。

- 精密处理表示数据所需的精度地点数目。

如果数据没有显示从一个测量装置到另一个测量装置的重大区别,则数据可视为一致数据。

? 如果数据与某一特定活动或时间段有关,则应在数据中明确说明。

- 通常,调查、案例研究和实验等调查经常在不同情况下重复进行。 因此,数据也应易于复制。

How to Define the Data?

为测量目的收集的数据分为两类:

Raw数据——原始过程、产品或资源测量结果。 例如: 一个组织的雇员每周工作时间表。

经修订的数据——从原始数据中提取基本数据要素得出属性价值的结果。

数据可根据以下各点加以界定:

Location

Timing

Symptoms

End result

Mechanism

Cause

Severity

Cost

How to Collect Data?

收集数据需要人类观察和报告。 管理人员、系统分析员、方案人员、测试人和用户必须记录表格上的浏览数据。 为了收集准确和完整的数据,必须:

简便的程序

避免不必要的记录

培训需要记录数据并采用程序的雇员

迅速以有助于原始供应商工作的有用形式向原始供应商提供数据收集和分析结果

记录在中央收集点收集的所有数据

数据收集的规划涉及几个步骤——

根据全球质量评估分析决定哪些产品可以衡量

确保产品处于组合控制之下

确切决定衡量的属性以及间接措施的产生方式

一旦一套衡量标准明确,并确定了有待测量的一组组成部分,就制定一种办法,确定参与测量过程的每一活动。

建立处理表格、分析数据和报告结果的程序

数据收集规划必须在项目规划开始时开始。 实际数据收集工作在发展的许多阶段进行。

For example - Some data related to project personnel can be Collection at thestart of the Project, while other data Collection such as effortsstart at Projectstart and continued through operation and Maintenance.

How to Store and Extract Data

在软件工程中,数据应储存在数据库中,并使用数据库管理系统建立。 下表显示了数据库结构的一个实例。 该数据库将储存在一个组织不同部门工作的不同雇员的详细情况。

在上述图表中,每个盒子都是数据库的一个表,arrow指从一个表到另一个表的多对一绘图。 绘图确定了保持数据逻辑一致性的制约因素。

一旦数据库设计和配备了数据,我们就可以利用数据操纵语言提取数据以供分析。