案例：缺陷状态数据分析

摘要

一位网友提出了关于11个项目的缺陷状态数据分析的疑问，本文对原始数据进行了详尽分析。分析过程分为五个步骤，首先是澄清数据含义，其次是数据转换，然后是横向对比分析，接着是通过统计方法识别离群点，最后是分析数据之间的相关性。

数据含义澄清

原始数据中的术语如“设计如此”、“未解决”、“延期处理”等被澄清。大多数项目已完成95%，且数据列没有包含关系。

数据转换

为了比较不同项目，数据被转换成相对数值，即缺陷状态百分比。

横向对比分析

通过柱状图对问题解决百分比进行了对比分析，特别关注了解决问题百分比最低的两个产品。

统计方法识别离群点

箱线图用于识别离群点，如产品I的延期处理百分比和产品C与E的转为需求百分比。

数据相关性分析

通过散点图和相关性检验发现了几对缺陷状态之间的相关性，并指出需要更多数据来验证这些发现。

综述

数据分析到第三步即可，但第四和第五步可以提供更深入的见解。样本量的增加有助于揭示数据的分布和因果关系。此外，如果有更多项目特征的数据，将有助于进行更精细的分析。

一招让你的产品打败80%的同行！玩转IPD（集成产品研发）之用KANO模型做需求

了解更多

想要了解更多内容？

查看原文：案例：缺陷状态数据分析

文章来源：

麦哲思科技任甲林

扫码关注公众号