組織的業(ye) 務敏捷性的要求以及開發過程中越來越頻繁的迭代實踐，對研發過程管理要求越來越高。同時研發管理工具越來越豐(feng) 富，為(wei) 更及時、更充分的獲取各類過程性能數據提供了可能。CMMI，特別是實踐域“管理性能和度量MPM”，提出量化性能管理實踐框架，包含了完整的度量能力建設和基於(yu) 度量對過程性能進行管理的解決(jue) 框架。盡管度量能力的建設是量化性能管理的前提，度量定義(yi) 以及度量數據的質量卻是容易被忽略的關(guan) 鍵要素。今天我們(men) 談一談量化管理中的數據質量。

當企業(ye) 談到CMMI中的量化管理，尤其是CMMI的高成熟度實踐時，往往比較關(guan) 注如何使用數據進行量化分析，例如應用統計或其他量化管理技術，對數據進行分析，生成過程性能基線（PPB）、過程性能模型（PPM）等重要的量化過程資產(chan) 並用於(yu) 分析和預測，生成靚麗(li) 的圖表展示分析成果等等，而對作為(wei) “原料”的數據，普遍沒有足夠的關(guan) 注。 其實，從(cong) 數據管理的角度看，PPB和PPM的生成及其應用分析，是數據生命周期的下遊階段，也就是數據的分析應用，即數據價(jia) 值實現的階段。但是如果沒有上遊對用於(yu) 分析的數據質量進行管控，則很有可能分析的結果是不正確或者不準確的，並且無法支持有效的決(jue) 策。

在量化的過程性能管理中，我們(men) 通過采用各種量化分析的技術和方法，對過程性能數據的變化進行分析和加工，來了解過程的變化，以便實施管理。如果我們(men) 將數據分析環節看作一個(ge) “處理器”，那麽(me) 我們(men) 設計和使用的這些量化分析方法，隻是這個(ge) “處理器”，而輸入的數據質量，是決(jue) 定數據分析質量的長期因素。這個(ge) 應該是顯而易見的道理，隻是在實踐中，由於(yu) 確保數據質量這樣的工作偏向“後台”，比較容易被忽略。 因此，判斷企業(ye) 是否真正具備高成熟度的量化分析能力，應該從(cong) 數據的整個(ge) 生命周期全麵的看，即不僅(jin) 看組織是否能夠結合組織和項目目標，應用各種統計量化的度量分析方法，對過程性能進行管理，還要看進入分析階段前，數據的定義(yi) 、收集和驗證等環節，也就是說，企業(ye) 是否設定了數據質量的目標和具備相應的能力，對數據質量進行明確的管理，以確保其用於(yu) 統計和其他量化分析的數據是可靠的。

這些實踐要求，都體(ti) 現在CMMI模型的MPM實踐域中。例如MPM 3.3要求組織必須建立起組織級的數據質量標準和過程。在這個(ge) 要求下，組織應該在研發性能度量定義(yi) 中明確其質量要求，即在適用的質量維度（例如正確性、完整性、及時性等）上，對度量項的數據質量要求以及判定標準（例如允許的數據延時、允許的錯誤率、空值率等），同時應該製定相應的檢驗方法（例如抽樣、統計檢驗等）和過程（包括角色、職責、執行步驟、匯報結果和跟進等），確保組織有一套足夠完整的機製對數據質量進行評價(jia) 和管控。這樣才不會(hui) 出現 “垃圾進-垃圾出這樣的問題。

此文轉載自CMMI 研究院

編輯：陳吉吉
審核：白川