相关与不相关都是有价值的！

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：

1. 项目规模越大，工期延误时间越长。
2. 项目规模越大，工期偏差率越大。
3. 项目工期越长，工期延误时间越长。
4. 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。

IPD（产品集成开发）跟敏捷、DevOps一样吗？有什么区别？

了解更多

想要了解更多内容？

查看原文：相关与不相关都是有价值的！

文章来源：

麦哲思科技任甲林

扫码关注公众号