相关与不相关都是有价值的!
我们非常重视原创文章,为尊重知识产权并避免潜在的版权问题,我们在此提供文章的摘要供您初步了解。如果您想要查阅更为详尽的内容,访问作者的公众号页面获取完整文章。
数据相关性分析摘要
在进行数据相关性分析时,人们通常会根据经验提出假设并希望通过定量分析来证明。然而,历史数据可能并不总是支持我们的经验,但即使如此,这种分析仍然具有价值,有助于纠正错误的认识。
在一个案例研究中,公司收集了37个历史项目数据,以验证以下四个猜想:
- 项目规模越大,工期延误时间越长。
- 项目规模越大,工期偏差率越大。
- 项目工期越长,工期延误时间越长。
- 项目工期越长,工期偏差率越大。
这些猜想基于一个普遍的观点,即更大的项目往往更难以掌控,预测能力也更差。然而,基于历史数据所做的分析并未完全支持这些观点。
通过分析规模与工期偏差的散点图,定量分析显示工期偏差与项目规模之间的Pearson相关系数仅为0.147,P值为0.387,表明二者之间无相关性。
进一步检验规模与工期偏差率的关系,得到的Pearson相关系数为-0.073,P值为0.668,同样表明规模与工期偏差率无显著相关性。
关于实际工期与工期偏差的相关性,分析结果显示Pearson相关系数为0.451,P值为0.005,呈现出弱相关性,这支持了猜想中项目工期越长,工期延误的时间越长的观点。
最后,对实际工期与工期偏差率的关系进行分析,得到的Pearson相关系数仅为0.053,P值为0.756,说明实际工期与工期偏差率之间无相关性。
总结以上分析,可以得出以下结论:
- 工期延误时间与项目规模无关,但与项目工期正相关。
- 工期偏差率与项目规模和项目工期都无关。
基于上述分析结果,建议采取尽早交付和增量交付的策略。
想要了解更多内容?
麦哲思科技(北京)有限公司总经理 敏捷性能合弄模型评估师 认证的Scrum Master 认证的大规模敏捷顾问SPC CMMI高成熟度主任评估师 COSMIC MPC,IAC 成员,中国分部主席