漫索研发管理

第7章研发企业量化管理思想方法

7.1 什么是量化管理

量化管理，是指以数字为基础，用数学的方法来考察和研究事物的运动状态和性能，以求对事物存在和发展的规模、程度等做出精确的数字描述和科学控制，对关键的决策点及操作流程实行标准化操作的管理模式。【百度百科】

量化管理借鉴吸收自然科学的方法和手段来解决管理问题，把管理活动抽象成数学模型，运用各种数学方法对管理结果统计分析，追求管理结果的数量化和精确化，在一定程度上促进了管理的科学性、严谨性。

如今各行各业纷纷引入量化管理方法，对于重视“业绩”的机构，例如政府和企业，尤其倡导量化管理。因为不善于使用数据的话，实在难以说清楚做了什么、做得好与坏。

任何方法都有其适用范围和局限性，量化方法也不是万能的。用量化方法来考察社会活动，从表面上看似乎增加了科学性，而实际上却可能对事物本质有误解。在某些情况下，数字能够有效地表达事物的部分特征，但是数字不能表达全部特征。有些量化结果看似精确而实际上不能反映事实真相。例如把一个亿万富翁和九个穷光蛋放在一起，可以精确地算出平均财富，这种量化结果掩盖了贫富差异的实质，得出了十个千万富翁的荒谬结论。

作者对量化管理的理解：

量化管理不是革命性的管理方法，它和传统管理之间的不是“推翻和取代”关系，而是“补充和升华”关系。

量化管理是建立在传统管理基础之上的更加精确、更高效率的管理方法。如果没有大量的基础实践，就无法提炼出有效的数据，量化管理就无从下手。

即使企业娴熟地掌握了量化管理方法，而最终的管理成效仍然依赖于集体的智慧、能力、责任心、经验教训等。

企业管理的目的是：让全员做正确的事情，并且把事情做好，从而实现甚至超越企业预期目标（如果目标不合理，就要修正目标）。

企业量化管理的目的是：精确地描述企业各项工作及其目标，运用数学统计分析方法，让人们快速、精确地了解企业各个方面的实际状况，为管理者解决问题和做出决策提供简洁明了的数字依据，从而提高管理效率、提升企业效益。

我们一定要充分理解量化管理的优点和困难，在应用时把握分寸，扬长避短。我们倡导量化管理，但是不要片面夸大量化管理的效用，不恰当地使用量化管理反而会给企业造成负面效果。

7.2 量化管理的特征和优点

一、量化的工作目标比定性的目标更加清晰明了，避免人们对工作目标的理解有较大差异而导致执行结果偏离目标。

例如某些快递公司为每笔快件设定的目标是：在指定的城市清单中，同城12小时送达，异地24小时送达。

这样的工作目标清晰无误，所有快递员都不会误解，不仅容易考核，而且也让客户放心。

相比之下，定性目标“尽快送达”貌似很动听，但是会导致管理混乱。因为所有快递员对“尽快送达”的理解并不一致，有些人认为是几个小时，有些人认为是几天，久而久之，快的会朝慢的靠拢，客户因失望而不断流失。

很久以前我去邮局办理EMS，询问多长时间能够送达？

受理员答复：不清楚，几天吧！

这不仅仅是国企人员常见的服务态度差的问题，本质问题是这项业务缺乏量化目标，受理员不知道如何答复。

即使他的服务态度很好，最多会这么答复：很抱歉，我不清楚几天能够送达，请您放心我们会努力尽快送达的。

如果你要寄一个紧急的邮件，你能放心吗？

我至少有五年没去邮局寄任何东西了，不知道邮局改进了没有。根据我从民营快递公司寄出数百个快件的经验来看，至少有90%以上快件是在预定时间内送达的，我已经对某些快递公司（例如顺丰快递）建立了很高的信任度。

上述例子说明，工作目标的量化并非天大的难事，普通民营企业也能够做到。工作目标的量化不仅提高了企业的管理效率，而且提升了客户满意度，在与巨无霸国企的竞争中胜出。

二、为了使人们达到量化的工作目标，必须制定标准化、精确化的工作流程，并且训练工作人员使其娴熟掌握技能。使企业各个环节达到预期的质量和效率，不仅实现了目标，而且为企业获得规模复制效益奠定了基础。

标准化是指同一工种的操作步骤都是相同的。每个操作步骤的结果越精确，所有步骤累计结果也就越精确。最终使同一工种的所有人员的工作质量和效率高度相似。

肯德基所有连锁店的食品质量几乎是一模一样的，成功主要源自标准化和精确化的工作流程，同一工种的人员接受相同的培训。无论是制作汉堡还是薯条，人们都依据已定义的工作流程来操作，工作产物几乎完全相同。这种管理模式可以在各个连锁店成功复制。

三、用数学统计分析方法，可以快速地计算出所有样本的总体特征量，为管理者了解企业情况、做出决策提供简洁明了的数字依据。比人工方式遍历考查所有样本的效率要高得多。

假设领导想了解本公司的客服能力。传统的做法是，他把所有客服人员叫来逐一询问情况。他问的越仔细，大家消耗的精力就越多，而且大家七嘴八舌也未必说得清楚真实情况。

如果对数据库中的大量客服记录进行统计分析，几秒钟就算出了每条客服记录的“平均受理周期、平均处理周期、平均处理工作量”，这些度量元从某种程度上可以反映出客服能力。软件系统可以很快地查询出数据异常的客服记录，领导再进行针对性地询问，这样的效率无疑大大高于传统做法。

一般地，样本数量越大，统计结果就越精确，越具有洞察力，统计分析方法的优势就越明显。即使某些样本数据不准确，也不会明显影响统计结果。如果某些样本数据造假的话，也容易通过异常分析把它找出来。

很多公司都开展客服满意度调查，但是调查结果很不可信。几乎所有的汽车4S店都对客户讲，如果您接到调查电话，务必请您打满分，我们会回报您什么什么礼品。

客户出于利益、或碍于情面，通常不愿意表达真实感受，满意度打分普遍很高。如果统计分析发现客服受理速度很慢、处理速度很慢，你就知道真相是：客户嘴上说满意，其实内心并不满意。

四、量化管理使员工绩效分析更加公正透明，利于企业稳定发展。

量化管理使得：工作流程是标准化的，容易考核员工是否遵守流程制度；工作目标是量化的，容易考核员工有没有达到目标。相同工种的人员采用相同（或相似）的考核制度，所有人员的工作记录都保存在数据库中，而不是保存在上级领导最近1个月的记忆中，绩效分析过程公正透明。

也许任何绩效分析方法都不会十分准确、令所有人满意，但是量化的绩效分析方法至少是公正透明的，做到这一点，对企业稳定发展是至关重要的。

我们都知道高考制度不是培养和选拨人才的完美方法，却是目前最有成效的制度。虽然高考制度招进了一些高分低能的学生，漏掉了一些低分却有天赋的学生，存在不少缺陷。但高考制度使得全国各地不分富贵贫穷的学生都有读大学的机会，为国家源源不断地培养和输送大量人才。从全局上讲，功远大于过，瑕不掩瑜。

用考试分数来评价学生的水平，高分者选好学校、好专业，低分者选差学校、差专业，低于录取线者没得选择。所有考生都遵守同一量化规则。虽然不完美，但是合情合理。每年高考月，全国人民忙碌而不混乱。高考制度是全国人民遵守得最好的制度之一，是量化管理的成功典范，对国家稳定发展功不可没。

五、去神秘化。企业各个岗位人员都能够学会量化管理方法，企业的命运不再依赖于个别领导人，利于企业健康长久地发展。

中国成功的企业家，大多数成了神秘的哲学家。他们习惯从孔子、老子等古圣人那里引经据典，结合自己的阅历，演绎成为自己的管理哲学。在他们眼里管理哲学是简单的，但是在大众眼里则是高深莫测的。

不同的人对一句哲理的理解是不一样的，甚至同一个人在不同时期对同一句哲理的理解也是不一样的。例如无为而治、灰度管理，你能理解并能够把握分寸吗？

如果企业多数人难以理解老大说话的深刻含义（甚至话中有话），怎么能够把活干好呢？如果老大发生了意外，那可怎么办？

日本换首相很勤快，最多一年换五个首相，社会一点都不乱。这说明日本社会治理已经高度规范化，不因首相而异。日本首相既是最大的官，也是无足轻重的官。

反观中国企业换总裁，组织结构要改革，流程制度要改革，连下级的兴趣爱好也要顺应N个领导而改变。

中国不乏辉煌一时的企业，但是长命的企业很少，主要原因之一是企业领袖那套神秘的管理哲学难以有效地传承给继承者。换一届领导，为了树立自己的威信，就要搞一次改革，一不留神把企业的命给革了。

量化管理方法基于标准化流程和数学统计，不会把管理搞成高深莫测的哲学，普通人都学得会。企业积累的各种量化知识经验，不仅用于当前工作，而且还用于预测和指导未来的工作。

7.3 量化管理的困难

一、非量化的传统和习惯难以改变

千百年来，中国人民的生活和工作，都倾向于定性管理而非量化管理。

例如中国厨师做菜，基本上都是凭感觉，几乎不用天平、量杯之类度量工具。连菜谱都写“盐少许”，具体放多少盐，由厨师自己把握。厨师只用一把菜勺，飞快地点取盐、酱油、味精、葱、姜、蒜等配料，如果取多了，用手一抖即可。这种非常不量化的做法，似乎不妨碍做出大量美味佳肴。

反之，如果你让厨师用天平和量杯去配料，他就完全失去了感觉，简直不知如何下手。

非量化管理方式可以做出好作品，但是无法打造出具有规模复制效益的企业。

尽管中国菜的味道远胜于西式快餐，但是中国餐饮企业的规模和效益远低于肯德基、麦当劳。中国餐饮企业有很好的人才和技术，但是管理方式落后，产品可能很好，但是企业落后，可惜啊。

二、人际关系凌驾于流程制度和量化结果之上

国内很多企业和事业单位存在复杂的人际关系，人际关系凌驾于流程制度之上。某些人违背了流程制度，却可以网开一面，久而久之使流程制度失效。

某些机构出台制度时，会在制度前面冠以“原则上”，你以为这是强调啊，其实别有用心。我们一直以为“原则”是用于坚守的，没想到却被设计成为漏洞。

中国最神秘的部门叫“有关部门”，最神秘的人员叫“有关人员”。当某些不好的事情发生了，却不知道、或不能说是谁负责任的时候，有关部门和有关人员就出现了，我们每天都在新闻中听到。

量化管理貌似有一个很大的“缺点”：很容易得罪人。如果没有量化管理，很多事情可以含糊处理。一旦有了量化结果，人们都认得数字，分得清高低大小，这如何掩盖啊？要么怪罪量化方法不准确，要么抵制量化管理。

存在错综复杂人际关系的企事业单位，量化管理是很难推行的，它会遭遇很多“不合理既得利益者”阻扰。

三、企业为量化管理付出了额外成本，但是未得到准确数据，未取得预期成效，难以继续推行量化管理。如果没有成功案例，同行企业们也就不愿尝试量化管理。

首先，设计量化管理方法、制定量化管理制度是件有难度、比较消耗精力的事情。企业可能还要请外部咨询师提供协助。

其次，执行量化管理的过程中，最大困难是获取充分的、真实有效的数据，否则统计分析结果不准确，就达不到量化管理的目的。

例如，人口普查是一项重要的国情调查，对国家管理、制定各项方针政策具有重要的意义。在国家统一规定的时间内，按照统一的方法、统一的调查表和统一的标准时点，对全国人口普遍地、逐户逐人地进行的一次性调查登记。人口普查工作包括对人口普查资料的搜集、数据汇总、资料评价、分析研究、编辑等全部过程。出版

人口普查是高成本的量化管理措施。我国在1953年、 1964年、 1982年、1990年、2000、2010年共进行了六次全国人口普查。随着人口流动性越来越强，人口普查的难度也越来越高。数据是否准确，将直接影响国家政策的制定。

企业需要很好的技术手段来支持量化管理，要能够快捷、准确地获取数据，否则统计结果与实际情况偏差太大，人们不相信，再也很难推动量化管理。

例如国家统计局公布的数据，2009年70个大中城市房价平均上涨1.5%。这数据与人民群众真实感受相差数十倍，简直是挑战全国人民的智商，舆论哗然。以后谁还愿意相信这类统计数据？

7.4量化管理的应用原则

企业引入量化管理，尽管会遇到各种各样的困难，但总体来讲利大于弊，在决策层面无需怀疑。这里总结了量化管理的一些应用原则，有助于企业推行量化管理。

一、企业既要有定性目标，又要有量化目标。

所谓定性目标，是指用简洁明了的几句话来表达企业的使命或志向。

直白一些的定性目标，例如“成为中国最强、全球领先的电信设备供应商”。含蓄一些的定性目标，例如“成为更加健康、更加长久的企业”。

定性目标的优点是：为公司指明了方向，有丰富的内涵，能够形成企业特有持久的文化。其缺点是：不好把握程度，不好考核是否达到目标。

量化目标则用清晰无误的数字来表达企业要达到的目标。例如销售额、增长率、市场占有率等。

量化目标的优点是不会误解，容易考核是否达到目标。缺点是：量化目标并不能全面、真实地反映企业真正所追求的东西。

例如，有些人为了达到企业设定的销售额目标，可能会做一些损害企业长期发展的事情。表面上看是达到了目标，实质上背离了企业真实的意愿。

再如，人人都希望自己健康长寿，把寿命目标设定为100岁够高了吧。如果有人从60岁起一直瘫痪在床上，靠药物支撑到100岁去世，这个量化目标是达到了，但是没有健康的长寿，有意义吗？

可见，定性目标和量化目标是密不可分的，不可孤立设定。定性目标是对企业使命的宏观、全局描述，而量化目标则是对定性目标的数字阐述。在实现量化目标的过程中，不可以违背定性目标。

例如为人民服务、为人民谋幸福是政府的长久使命，而GDP则是量化的政绩目标。只有在为人们服务、为人民谋幸福的前提下，考核GDP才有意义，即使没有达到GDP指标，人民也不会过多责怪。反之，即使GDP业绩很高，也得不到人民的认可。

企业定性目标是长期稳定不变的，而量化目标则随着形势变化而变化。例如企业的服务宗旨、价值观是长期不变的，而销售额等目标可能每年都在变。

全民奔小康，这是定性目标。小康的含义很丰富，至少包含了身体健康、精神健康两个层面。

小康的量化目标是多少呢，十年前设定的目标是全国人均年收入1000美元（约人民币8000元）。这个数字目标我们早就超过了。但是人们群众的真实生活水平还远未达到小康，很多人为了住房，搞得身体不健康，精神不健康。年轻人不像年轻人，直接变成中老年人。

在北京、上海等地，家庭年收入5万美元以上才有小康的物质基础，否则连住房都供不起，哪有心思谈小康。

所以“奔小康”仍然是全国各地人民的奋斗目标，我们追求的是小康内涵，而不是人为设定的数字目标。

二、量化目标要合理，要与企业的能力匹配，否则无法执行。

不要以为制定了量化目标，然后把目标分解到各个部门、各个岗位，让大家去干活，这就是量化管理。

我发现很多企业喜欢提出好高骛远的目标，在宣传的时候让大家很激动，但是激动之后却发现干不了，最后不了了之。

有个传统制造企业，年产值过亿元，老板请我去探讨企业管理方法。他问我：CMMI方法论是否适合于传统制造业（例如水泥生产行业），能否管理年产值千亿元、上万员工的企业？

我挺纳闷，问他为何有此需求？

他说：我们公司发展很快，去年产值翻番，已经过亿。公司没有完善的管理方法，基本上就我指挥几百个人。以我的能力，即使没有管理方法，管理几百号人，几个亿的产值是没有问题的。我们的目标是每年增长100%，按此计算，十年之后，公司的产值超过千亿元，员工超过万人。企业达到这种规模，我就管不住了（国内也没有几个人管得了）。我现在要找到很好的管理方法来实现我们公司十年、二十年的发展目标。我最近刚刚看了CMMI介绍，觉得这东西很好，就是我想要的，所以请你过来探讨。

这个想法貌似合乎逻辑，但是感觉怪怪的。按他设想的发展速度，二十年后中国GDP被他公司包了，三十年后全世界的GDP也被他公司包了。

请不要笑话他的想法，这个老板是很低调、很务实、很认真的人。他已经安排了十几个人来学习CMMI，只是行业差异太大，他们难以理解、也不知道该怎么使用CMMI。

我内心清楚连续很多年增长100%是不可能的，但若能每年增长20%那也相当了不起啊。

我真的被感动了，于是给这个企业管理层数十人培训了CMMI，起草了CMMI在传统制造业的实施方案。结果所有管理人员都觉得太难了，目前干不了。如果硬要搞CMMI的话，那么大家就得放下吃饭的活，坐而论道。老板只好把伟大设想搁置了。

这是我亲身经历的案例，可以归结为：目标太高，能力与目标差距太大，无法执行，理想变成了空想。

也许有人问，把目标定得高一些，可以激发人们的潜力，即使最终不能100%地实现，打个折实现了80%，那不是很好吗？

目标拔高一些是可以的，关键在于“程度”。目标拔高了，努力一下还能够得着，这可行。反之，不仅达不到目标，而且搅乱了企业的正常运营，引发一连串不良后果。

20世纪50年代末，中国发生的工业大跃进和农业大跃进，不仅目标没有达到，反而给中国造成了深重灾难。

例如为了实现十年内超过英国、十五年内赶上美国（所谓“超英赶美”），全国大炼钢铁。全国人民不下田耕作，全都上山采矿，使粮食产量大减，还把家里的铁器丢到炉火中，却炼成一个个的铁疙瘩。由于燃料不足，就上山伐林，把一座又一座青山砍得光光，引发日后的天灾。建造高炉的建筑材料不足，甚至至把文物建筑拆了，把砖块拿去建炉，说文物也要为炼钢服务。

农业大跃进的灾难后果是，死亡人数大约为2000万人，主要死因是饿死。一些学者认为这是人类历史上最严重的饥荒，并非天灾，而是决策错误造成的。

大跃进的遗风仍在流传，例如2011年发生的高铁事故被称为“高铁大跃进”。

不少企业追求“做大”，喊着进入世界N强，不切实际地快速扩张，结果要么陷入困境要么倒闭在扩张的路上。

我在写本节时，刚看到一则新闻。几年前国内有个汽车制造企业发展颇快，信心膨胀后提出震撼口号：“2015年中国第一、2025年世界第一”。估计世上无人相信这个口号，没有人当真，可是它自己这么想还就这么干了。为了增加销量，公司建立了庞大的销售队伍，但是产品技术和质量没有上去，结果才到2011年就陷入危机，大幅度裁员以自救。这是何苦来着？稳扎稳打不行吗？

企业人士要深刻地认识到，设定合理的目标是多么重要，切记不是越高越好。

三、不要企图搞全面的、彻底的量化管理，要有取舍。当不适合用量化管理时，用替代方法解决问题即可。

企业运营过程中，有些事情的确说不清楚，无法准确度量，那就不必量化管理。

例如人的情商对工作和生活都很重要，可是谁能算得清楚人的情商多少分呢？如果深不可测，那就不要测了。

量化管理是要付出成本的，尤其是管理者和被管理者都要付出时间成本。如果把量化管理搞得很复杂，把大家累死了，却未必产生期望的管理效益。

出于企业成本效益的考虑，我们可以放弃那些“对企业效益贡献不大，或者难度过大的量化管理措施”，把节省下来的精力用于其它地方。

例如CMMI要求采用项目估算方法来制定项目任务进度计划，否则会认为任务进度计划是随意怕脑袋制定的。一般步骤如下：

（1）先估算项目规模，例如代码行和功能点。可是在项目完成之前，天知道有多少行代码啊？

（2）项目规模除以公司人均生产率，可以算出项目总工作量。你知道公司人均生产率是多少吗？把高手和新手放在一起求平均，有意义吗？

（3）再把总工作量按照一定的比例分解到不同过程域，例如项目管理过程占20%，项目开发过程占80%，可以进一步细分需求分析、设计、编程、测试等环节的工作量。这个分解比例准确吗？

（4）每个工作环节设定人数，工作量除以人数可以得到每个工作环节的时间，如N天。项目成员的工作相互交织，人员水平差异较大，怎么算？

（5）每个工作环节的人数和天数已经估算出来了，就可以制定出“科学”的任务进度计划。

你会发现，上述项目估算方法在理论上是通顺的，但是每一步都很难操作，误差极大。这种貌似科学的估算方法，其结果的误差比项目经理拍脑袋制定计划的误差还要大。

我认为项目估算是难度很大、实用价值较低的量化管理措施，可用可不用，企业不必化过多精力在项目估算上。

当某些事情的量化管理难度过大时，没有必要死专牛角尖、非得把量化进行倒底，找到替代方法解决问题即可。就如西医（代表量化医学）不擅长解决的病症，不妨用中医（代表非量化医学）来治疗，反之亦然。

四、用于统计分析的数据要真实，要容易获取数据，要有相应的统计分析工具，不要给大家增加额外的工作量和麻烦。

真实的数据来源于真实的日常工作。人们一边工作，一边记录真实的工作情况，而不是把所有事情做完了事后补写。

有些东西事后补写是没有意义的，例如计划，纯粹马后炮。有些东西事后补写，可能会忘记了当时的细节，耽误了工作，例如设计思路、产品缺陷、客户问题需求等。

人们在记录工作情况时，要设法“条目化”，即把内容分拆成若干条，每一条都有负责人、时间、状态。最好保存在数据库中，便于跟踪处理和统计分析。

例如，把项目的数百个缺陷记录在Word文件中，每个缺陷状态的改变，都要修改Word文件，重新发送最新文件给相关人员（否则大家看不到缺陷的最新情况），使用起来非常麻烦。而且几乎没有办法对Word文件的内容进行统计分析。

所有流行的缺陷跟踪工具，都是基于数据库的，不仅能够实时处理缺陷，而且随时可以统计分析，发现缺陷的统计特征。

请记住，推行量化管理，一定要有配套的记录数据和统计分析的软件工具，如果靠手工处理，几乎没有企业坚持得下去。

五、对量化的结果要慎重分析，要搞清楚产生这个结果的原因，不要被单纯的数字大小所迷惑。

例如两名工程师A和B，缺陷统计发现A产生的缺陷数量是B的2倍。这是否说明A的工作质量比B的差？

可能是，也可能不是。

只有当两人的工作内容完全相似的情况下，则是。

否则，缺陷数量不能说明问题。例如，A的工作量或者工作难度是B的很多倍，A的缺陷比B多那是当然的，说明A比B勤劳而且质量更好。

如果企业简单地用工作缺陷数量、任务延迟数量来衡量员工的业绩好坏，却不分析是什么原因导致的，这不仅冤枉了好员工，而且可能误导人们尽可能少干活，或者专挑简单任务来做。

对员工的工作进行统计，其量化结果为绩效考核提供依据，对领导决策分析很有用。切忌直接把量化结果等同于业绩，否则错误的评价会严重挫伤员工积极性。

对量化结果的分析，是件很有意思的事情，你可能会发现一些与日常经验相反的“秘密”，真是意外收获。

例如，所有软件公司都希望售后服务的工作量越少越好。因为售后服务工作量越大，软件公司付出的服务成本就越高。

我对本公司售后服务工作进行统计后发现，有一部分客户买了我公司的软件产品后，售后服务工作量为零（即客户不需要服务）。我原本以为售后服务工作量为零是好事情，省时省钱啊。

后来我接触到那些不需要售后服务的客户，发现他们错误地使用软件、很别扭、效率很低，有一些坚持不住就不用了。

客户错误地使用软件，或者干脆不用了，对客户而言增加了使用代价或者浪费了采购费。对我公司而言也有间接损失：我们失去了与客户共同进步的机会，失去了良好的宣传途径。

我问客户：你们为什么不向我公司客服工程师寻求帮助呢？

有些人答复“以为自己理解了、用对了”。

有些人答复“以为软件就是这么设计的，就是这么难用的”。

有些人答复“不好意思麻烦别人，自己摸索呗”。

我分析这些现象之后，总结如下经验教训：千万不要以为售后服务工作量越少越好，过大或者过少都有问题。要提供合理的服务工作量，控制上限和下限。如果客户不主动提出需求，我们也要主动提供必要的服务。

7.5 CMMI量化管理思想方法

CMMI是软件过程改进方法的集大成者，已经把量化管理思想方法融入到CMMI2-3-4-5级的过程实践之中。学习CMMI无疑对软件企业量化管理大有裨益。

7.5.1企业管理水平与CMMI等级之间的关系

我曾经和某中型软件企业的领导交流企业管理方法，这位领导没有读过CMMI相关书籍，他自己把企业管理水平分了4个级别：

第一级，新老员工能够正常干活，能做项目。

第二级，公司各部门都有流程，所有人员都按照流程办事，否则人越多就越乱。

第三级，要有统计报表，让我看得明白大家做得怎么样，不要让我一个一个问过去。

第四级，发现不好的，要设法改进。发现好的，要发扬光大。

我接触的其他企业领导也表达了类似的观点，上述“本能的、朴素的”4个级别，与CMMI的2-3-4-5级恰好对应，真是殊途同归啊。

CMMI将企业能力成熟度分为5个级别：初始级，已管理级（7个过程域），已定义级（11个过程域），量化管理级（2个过程域），优化级（2个过程域），见图7-1。

CMMI 5个成熟度等级为评价软件企业能力提供了一个有序的级别，同时也为软件过程改进工作指明了方向，让人们分清轻重缓急，指导人们一步一步地提升过程能力而不是企图跳跃式地前进。

图7-1 CMMI的5个成熟度等级

CMMI的过程域指出了达到某个成熟度等级必须要解决的一系列问题。除了初始级以外，每个成熟度等级都有若干个过程域，见表7-1。由于成熟度等级是循序渐进的，如果想达到某个成熟度等级，例如CMMI 3级，除了满足CMMI 3级本身11过程域之外，还要满足CMMI 2级的7个过程域，依此类推。

表7-1 CMMI的过程域

CMMI等级	中文名称	英文名称
2级 7个过程域	需求管理	Requirements Management
	项目规划	Project Planning
	项目监控	Project Monitoring and Control
	供应商协议管理	Supplier Agreement Management
	度量与分析	Measurement and Analysis
	过程和产品质量保证	Process and Product Quality Assurance
	配置管理	Configuration Management
3级 11个过程域	需求开发	Requirements Development
	技术方案	Technical Solution
	产品集成	Product Integration
	验证	Verification
	确认	Validation
	组织过程焦点	Organizational Process Focus
	组织过程定义	Organizational Process Definition
	组织培训	Organizational Training
	集成化项目管理	Integrated Project Management
	风险管理	Risk Management
	决策分析与解决方案	Decision Analysis and Resolution
4级 2个过程域	组织过程绩效	Organizational Process Performance
4级 2个过程域	量化项目管理	Quantitative Project Management
5级 2个过程域	原因分析与解决方案	Causal Analysis and Resolution
5级 2个过程域	组织绩效管理	Organizational Performance Management

读者可能有个疑问：2级对应7个过程域，3级对应11个过程域，按理说4级、5级对应的过程域应该比11个更多才是，怎么锐减为2个2个呢？

作者答疑：CMMI2级和3级对应的过程域都是员工们要干的活，自然是成熟度等级越高要做的事情就越多。而CMMI4级和5级对应的过程域是企业高层管理者要做的事情，重点是分析和决策，当然过程域不能太多。

7.5.2 CMMI 2-3-4-5级的量化管理逻辑

看了CMMI的成熟度等级划分，千万不要误解只有到了CMMI4级才搞量化管理！

CMMI2级有个过程域叫“度量与分析”（MA），可见从CMMI2级就开始搞量化管理了。所以说，CMMI从2级到5级，每一级都有量化管理，只是范围和程度不一样而已。

CMMI 2-3-4-5级量化管理关系如图7-2所示：

（1）CMMI2级量化管理关注“项目级过程实践的度量与分析”。

（2）CMMI3级量化管理关注“组织级过程实践的度量与分析”。

（3）CMMI4&5级量化管理是围绕企业目标、基于过程绩效模型的度量与分析。

CMMI4&5级共4个过程域，它们之间相互关联，不要孤立使用。即使企业正在实施CMMI4级，也不能忽略CMMI5级的2个过程域。CMMI4&5级量化管理的结果，最终会落实到改进CMMI2&3级的过程实践。

企业员工们的大部分工作都在CMMI2&3级的过程域范围之内，CMMI4&5级量化管理不仅没有给员工增加额外的工作负担，反而可以指导改进员工们的日常工作。

图7-2 CMMI2-3-4-5级量化管理关系图

7.6 研发企业量化管理实施模型

研发企业的量化管理实施模型如图7-3所示。

图7-3 研发企业量化管理实施模型

第1步：设定和调整组织目标。

组织目标分两类：商业目标和过程能力目标。商业目标比较直观，相对容易设定，例如多少人员、生产多少东西、卖多少钱。而过程能力目标则比较抽象，不容易设定，例如研发能力、客服能力，它和很多因素相关，不是一句话、几个数字就能说得明白的。

刚开始时，大家并不清楚过程能力目标倒底是多少，无从下手。一般地，要先设计“过程绩效模型”，用一组度量元来反映过程能力。对企业当前情况经过统计分析后，获得当前的基准值（CMMI称之为过程绩效基线）。基准值反映了某过程当前的真实能力水平，可以把这个基准值设定为过程能力目标的初值，将来再调整。

商业目标和过程能力之间的关系：企业能否实现既定的商业目标，与其过程能力很有关系。一般地，过程能力越强，越容易实现商业目标。但是实现商业目标并不完全取决于过程能力，社会环境、机遇、偶然因素都会影响目标的实现。一群高水平的人不见得就能把公司经营好。所以过程能力是实现商业目标的必要条件，而不是充分条件。从企业管理的角度讲，应当下功夫提升过程能力，把基础打好，必然有利于实现商业目标。

为什么要花精力设定目标和调整目标呢？中国流传“吹牛皮不犯法”，企业随便设定高一些的目标，给外人看看行不行？

不行！如果企业是上市公司，有意吹牛皮是犯法的（误导股民、扰乱股市）。即使没有遭到法律惩罚，也会失信于客户和员工，最终危害企业自身。

第2步：制定流程制度，设计度量元和统计方法

EPG（过程工程组）负责制定和优化流程制度。如果流程不完整，则要查漏补缺。若已有流程存在不合理之处，则要改进流程。并为每个流程设计度量元及其统计方法。

这个步骤的目的是：建立标准化的流程制度，使人们“有法可依”，并且用度量元来反映流程执行的好坏程度。

第3步：对员工进行流程和技能培训

首先对员工进行流程培训，让员工们知道应该怎样开展工作。其中有些流程存在一定的技术难度，例如设计，如果员工的技能较差，即使他知道设计流程，也做不出好的设计成果。这个时候，还要对员工进行较长时间的技能培训。

注意：对于软件企业而言，技能培训比流程培训难度更大、消耗精力更多。员工技能的提升不可能速成，技能培训是一项持久的工作。 第4步：真实过程的条目化记录

这个步骤有三个要素：

（1）及时记录。例如测试过程发现缺陷，要马上记录缺陷。否则时间长了就记不起来了，而且会耽误其他人的工作。

（2）真实信息。记录真实情况，绝对不可以造假，也不鼓励事后修改过去不完美的痕迹。例如项目任务进度表，要输入真实的计划和真实的执行情况，即使偏差很大，它也是有价值的，是宝贵的过程信息。不可篡改执行情况（这是造假），也不要修改计划来迎合实际执行情况（这是马后炮，造成了计划很完美的假象，无实用价值，却使统计分析失真）。

（3）条目化。在记录工作情况时，要设法“条目化”，即把内容分拆成若干条，每一条都有负责人、时间、状态。便于跟踪处理和统计分析。

第5步：统计分析，获得量化结果

按照预先设计的度量元和统计方法，对大量的条目化记录（源数据）进行统计分析，计算出度量元的值，并且按照预先设计的格式产生报表。

注意：第4步和第5步，一定要使用配套的软件工具。如果靠手工处理数据和统计分析，不仅枯燥乏味，而且工作量极大，几乎没有人坚持得住。

第6步：对比目标和结果，分析原因，给出对策

对比“量化结果”和“组织设定的目标”，如果两者存在比较大的差异，则要分析根本原因，然后给出解决问题和优化的方案，并且执行这些方案。

经过第1步至第6步的量化管理活动（循环开展），最终使组织目标更加切合实际情况，目标可管理，企业持续进步。

7.7常用算术统计：和、均值、百分比、增长率

算术统计是最简单、最普遍的统计方法，小学毕业的人都看得懂、做得了。即便如此简单，不少人却会错用。

下面是我亲耳听到的案例：

有个软件公司（乙方）为粮站（甲方）开发了信息管理系统。双方领导在吃饭时聊到软件功能，甲方领导说：那么多数据看起来麻烦，让我看看平均值就可以了。

乙方领导说这个容易，操起电话通知程序员：把你做的软件加上求平均的功能。

程序员得到这个需求后，不分青红皂白，把“粮食数量、员工数量、员工年龄、薪资”等数字字段全部加起来求平均。

软件升级后，双方领导看了差点昏厥。

乙方领导对我说：幸好粮站没有猪、狗，否则那小子会把“人、猪、狗”放在一起求平均，甲方还不被气死。

这就是当今大学毕业的程序员的杰作，我那个年代的程序员是不会这样干的。大量新生代程序员普遍缺乏扎实的数理逻辑教育和训练，这样到企业干活真是令人担忧啊。

7.7.1求和

“求和”一般有两种方式：

（1）计算总和，即所有样本值的累加，例如年销售额，是一年内所有销售记录的总和。

（2）分段求和，例如一年分12个月，计算每个月的销售额，共有12个分段求和。

提醒：不要把“人、猪、狗”等不同种类的数据放在一起求和。

7.7.2均值

“均值”等于“样本值之和”除以“样本数量”，例如“月销售额均值=年销售额/12*100%”。

提醒：不要把“人、猪、狗”等不同种类的数据放在一起求平均。

当样本之间存在很大差异时，均值会掩盖样本差异，失去参考价值（或产生误导）。例如把“富人和穷人”放在一起求均值（平均财富、平均消费等），就会掩盖贫富差异的真相，误以为没有穷人。

有些房产宣传材料上写“某地气候宜人，年平均温度20度”。你看到20度，顿时感觉很舒服。可是这平均20度究竟是怎么算出来的呢？

白天50度，晚上零下10度，平均温度是20度。夏天50度，冬天零下10度，平均温度也是20度。这两个地方实际气候都与20度差距太大，一点儿都不舒服。

所以年平均温度没有多少参考价值，应当分别计算春夏秋冬四季各自的平均温度，这样的均值才有参考价值。

当样本之间差异很大时，把所有样本放在一起求均值意义不大。要设法把样本分段，使每段内的样本差异比较小，再计算每段的均值。

7.7.3百分比

计算每个类别样本占总数的百分比，用于反映样本的分布规律，便于企业及时了解状况，调整资源部署。

例如某企业在甲、乙、丙三地设了销售机构，此三地的年销售额分别为500万，400万，100万，百分比分别为50%，40%，10%。

根据上述百分比，可见甲地销售很好，而丙地销售不好。企业可能如下调整资源：

（1）在市场形势不好，企业需要节约成本的情况下，可把丙地资源全部并入甲地，收缩战线，扬长避短，集中力量把甲地和乙地的销售做好。

（2）如果市场形势比较好，企业有扩张的能力，可维持甲和乙不变（原本就比较好），加大丙地的投入（原本比较差），扬长补短。

7.7.4增长率

增长率=（当前值–过去值）/过去值*100%，常用的是年增长率和月增长率：

（1）年增长率。如“年销售额增长率=（今年销售额-去年销售额）/去年销售额*100%”。

（2）月增长率又分两种：环比和同比。环比是本月和上月相比，即（本月值-上月值）/上月值*100%。而同比是本月和去年本月相比，即（本月值-去年本月值）/去年本月值*100%。

7.8常用统计图：饼图、柱状图、直方图、控制图

绘制统计图的主要好处是：直观、醒目地展示数据，加深人们对统计数据的印象和洞察力。

若干年前我回老家，有一位中学同学任派出所所长，邀请我参观派出所。一进大门，我首先看到的是白色墙壁上画了一大幅“柱状图”，标注了每个警员的破案数。

所长很得意地和我讲这个“杰作”。他上任后不久发现，某些老警员很懒散，貌似天天上班、经常巡逻，就是不破案（主要是盗窃案），最苦最累的活总是让新警员去干。

由于是事业单位，轻一些的批评不起作用，重一些的批评又不好说出口。所长想了一个办法，就在门口画了“警员破案数柱状图”，每月更新一次。

由于新警员的破案数远远大于老警员，反差强烈，这幅图不仅醒目而且刺目。同事、领导、老百姓进出大门都看得到，指指点点。老警员们很不好意思，以后每次接到报警，就抢着干活，结果业绩很快上去了。

所长不用批评、不讲废话，画一幅图就解决了员工积极性问题，真是一图抵千言啊。

7.8.1饼图

饼图（Pie Chart）用于显示每个类别样本占总数的百分比，图形示例见图2-5。

图2-5 饼图示例

7.8.2柱状图和条状图

柱状图（Column Chart）和条状图（Bar Chart）都是用于显示样本的数值，例如显示一年12个月的销售额，x轴表示月份，y轴表示销售额。

柱状图的x轴是横向的（向右延伸），y轴是竖向的，示例见2-6。当样本数量不多时，柱状图符合人们的阅读习惯。当样本数量很多时，样本难以在一个页面内显示，要左右滚动页面，阅读不方便。

图2-6 柱状图示例

条状图的x轴是竖向的（向下延伸），y轴是横向的，适合样本数量比较多的情况。当一个页面显示不下时，可以上下滚动页面，示例见图2-7。

图2-7 条状图示例

7.8.3频率直方图

频率直方图（Frequency Histogram）将某变量的数值范围等分为若干区间，统计该变量在各个区间上出现的频率，并用矩形条的长度表示频率的大小。利用频率直方图可以分析数值的分布特征。

频率直方图常用于质量分析，判断生产过程是否处在正常状态（正态分布）。正态分布直方图的形状是中间高、两边低，左右近似对称，如图2-8所示。在正常生产条件下，如果得到的直方图不是正态形状，就要分析其原因，采取相应措施。

图2-8 正态分布的直方图

除了质量分析之外，频率直方图在营销统计分析也很有用处：

例如某公司有数百个销售合同，销售额最小1万元，最大95万元，公司想了解客户采购金额的分布特征，算出主流客户的消费能力，以便调整销售策略。

显然，计算数百个合同的平均销售额并不能反映分布特征。这时频率直方图就派上用场了。设定最小值0元，最大值100万元，十个等分区间，计算出每个区间的频率，绘制直方图。频率最高的区间，就是主流客户的消费能力。

再如，在国内签下合同却不能及时收款的现象比比皆是，严重影响企业运营。有些客户在合同预定的时间内付款，有些延误1个月，有些延误半年乃至数年。企业领导都很关心合同收款情况，很想了解“收款延迟天数”的分布情况。

每个合同的“实际收款日期”减去“计划收款日期”等于“收款延迟天数”。显然，计算所有合同的平均收款延迟天数，并不能反映分布情况。可以绘制收款延迟天数的频率直方图：设定最小值-30天，最大值360天，十三等分，绘制直方图。【-30,0】表示客户没有延迟付款。该直方图中，低区间的频率越高，表示收款情况越好。反之，高区间的频率越高，表示收款情况越差。

制作直方图最关键的是对样本进行分组，调整“分组数”和“组距”会改变直方图的现状。通常要多试验几次，才能找出反映分布规律的直方图。

频率统计算法：输入最小值 MIN，最大值MAX，分组数N。组距D=(MAX-MIN)/N。实际组数为N+2个，增加了2个区间：“小于MIN”和“大于MAX”，计算每个区间的频率。

频率分布统计报表如下表所示：

区间	频率	百分比
小于MIN	个
[MIN, MIN+D]	个
（MIN+D, MIN+2D ]	个
……	个
大于MAX	个

7.8.4控制图

控制图是根据假设检验原理构造的一种图，用于监测生产过程是否处于控制状态。它是统计质量管理的一种重要手段和工具。

在生产过程中，产品质量由于受随机因素和系统因素的影响而产生偏差。前者由大量微小的偶然因素叠加而成，后者则是由可辨识的、作用明显的原因所引起，经采取适当措施可以发现和排除。

当一生产过程仅受随机因素的影响，从而产品的质量特征的平均值和偏差都基本保持稳定时，称之为处于控制状态。此时，产品的质量特征是服从确定概率分布的随机变量，它的分布(或其中的未知参数)可依据较长时期在稳定状态下取得的观测数据用统计方法进行估计。分布确定以后，质量特征的数学模型随之确定。为检验其后的生产过程是否也处于控制状态，就需要检验上述质量特征是否符合这种数学模型。为此，每隔一定时间，在生产线上抽取一个大小固定的样本，计算其质量特征，若其数值符合这种数学模型，就认为生产过程正常，否则，就认为生产中出现某种系统性变化，或者说过程失去控制。这时，就需要考虑采取包括停产检查在内的各种措施，以期查明原因并将其排除，以恢复正常生产，不使失控状态延续而发展下去。

应用最广的控制图是W.A.休哈特在1925年提出的，一般称之为休哈特控制图，如图2-9所示。它的基本结构是在直角坐标系中画三条平行于横轴的直线，中间一条实线为中线，上、下两条虚线分别为上、下控制界限。横轴表示按一定时间间隔抽取样本的次序,纵轴表示根据样本计算的、表达某种质量特征的统计量的数值，由相继取得的样本算出的结果，在图上标为一连串的点子，它们可以用线段连接起来。

中间的一条为中心线(Central Line,CL),一般用蓝色的实线绘制；在上方的一条称为控制上限(Upper Control Limit,UCL)；在下方的称为控制下限(Lower Control Limit,LCL)。对上、下控制界限的绘制，则一般均用红色的虚线表现,以表示可接受的变异范围，至于实际产品质量特性的点连线条则大都用黑色实线绘制。【百度百科】

图2-9 控制图示例

统计过程控制（SPC）中最常用的控制图是遵循正态分布计量特征的平均数-极差（X-R）控制图，如图2-10所示。

平均数

标准差S（或σ）

极差

控制上限UCL = 平均数+3σ; 控制下限LCL = 平均数-3σ。样本落在控制上下限之内的概率是99.7%，落在上下限之外的概率是0.3%（由于概率很小，可以认为是异常）。

图2-10 平均数-极差（X-R）控制图示例

7.9回归分析介绍

变量之间的关系一般分为两种：一种是完全确定关系，即函数关系；一种是相关关系，即变量之间既存在着密切联系，但又不能由一个或多个变量的值求出另一个变量的值。

对于彼此联系比较紧密的变量，人们总希望建立一定的公式，以便变量之间互相推测。回归分析的任务就是用数学表达式来描述相关变量之间的关系。例如，凭经验我们知道“产品质量”和“用户满意度”变量密切相关，但是这两个变量之间到底是哪个变量受哪个变量的影响，影响程度如何，则需要通过回归分析方法来确定。

回归分析按照涉及的自变量的多少，可分为一元回归分析和多元回归分析；按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。如果在回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析。

一般来说，回归分析是通过规定因变量和自变量来确定变量之间的因果关系，建立回归模型，并根据实测数据来求解模型的各个参数，然后评价回归模型是否能够很好的拟合实测数据；如果能够很好的拟合，则可以根据自变量作进一步预测。【百度百科】

例如工作量估算模型：E = A + B×(ev) C 。其中E是以“人月”为单位的工作量，ev是估算变量如代码行（LOC）或者功能点（FP），A,B,和C是常数。根据项目历史数据，可以计算出A,B,C常数，之后这个模型就可用于预测新项目的工作量。

再如，假设手机产品的用户满意度＝A×质量＋B×价格，通过回归分析可以求得A和B（负数）。此后该公式可用于预测用户满意度。

7.10研发企业的常用度量元

本书后续章节列出营销过程、客服过程、项目过程（开发与管理）、人力资源管理、成本管理等领域常用的度量元，取之于IDP流程。这些度量元及其统计报表都已经在软件工具MainSoft中实现。

请读者根据本企业实际情况进行取舍或扩充，也欢迎读者与作者交流，共同改进研发企业的度量体系。

营销过程的常用度量元
分类	度量元	统计方法
客户信息管理	数量与增长率	按年统计客户数量、年增长率
	数量与增长率	按月统计客户数量、环比、同比
	百分比	按客户类型统计客户数量和百分比
		按客户所属城市统计客户数量和百分比
		按客户所属区域统计客户数量和百分比
		按客户所属行业统计客户数量和百分比
		按客户状态统计客户数量和百分比
	签约客户特征	列表显示所有签约客户的：累计合同额，采购次数，首次采购周期，收款延期天数，问题需求数量和处理工作量，实施维护数量和工作量，以及平均值、最小值、最大值。
	联系人特征	按联系人级别统计数量和百分比
	联系人特征	按信息来源统计数量和百分比
销售计划与跟踪	销售情况	按年度统计全部计划销售额、实际销售额、完成率、年增长率
	销售情况	按年度统计每个销售人员的实际销售额、年增长率
	跟踪记录特征	按销售跟踪状态统计跟踪记录的数量和百分比
	跟踪记录特征	按跟踪人统计跟踪记录的数量和百分比
销售合同管理	金额与增长率	按年统计合同金额、应收款、实收金额、增长率
	金额与增长率	按月统计合同金额、环比、同比
	百分比	按合同类型统计金额与百分比
		按合同状态统计金额与百分比
		按客户类型统计金额与百分比
		按所属城市统计金额与百分比
		按所属行业统计金额与百分比
	频率分布	客户首次采购周期频率直方图和百分比饼图
		客户采购次数频率直方图和百分比饼图
		合同金额频率直方图和百分比饼图
		收款延期天数频率直方图和百分比饼图
	异常查询统计	输入收款延期天数，查询合同，计算比例
	异常查询统计	输入金额差异，查询合同，计算比例

客服过程的常用度量元
分类	度量元	统计方法
客户问题需求	数量与增长率	按年统计客户问题需求的数量、处理工作量和增长率
	数量与增长率	按月统计客户问题需求的数量、处理工作量和环比、同比
	百分比	按类型统计数量、处理工作量、百分比
		按受理处理分类统计数量、处理工作量、百分比
		按状态统计数量、百分比
		按紧急程度统计数量、百分比
	效率	受理周期的最大值，最小值，均值
		处理周期的最大值，最小值，均值
		处理工作量的最大值，最小值，均值
	频率分布与查询	受理周期的频率直方图和百分比饼图
		处理周期的频率直方图和百分比饼图
		处理工作量的频率直方图和百分比饼图
实施与维护	数量与增长率	按年统计实施与维护的数量、工作量和增长率
	数量与增长率	按月统计实施与维护的数量、工作量和环比、同比
	百分比	按客户统计实施与维护的数量、工作量及百分比
		按项目统计实施与维护的数量、工作量及百分比
		按人员统计实施与维护的数量、工作量及百分比
客服工作汇总	按客户统计	计算每个客户对应的客户问题需求数量及工作量、实施维护数量及工作量，进行排序。
客服工作汇总	按人员统计	计算每个客服人员对应的客户问题需求数量及工作量、实施维护数量及工作量，进行排序。

项目的常用度量元
分类	度量元	统计方法
项目成本	开支和预算对比	按费用类型、所属阶段，对比项目预算和实际开支，绘制柱图饼图。
项目成本	人员工时成本	列出每个项目成员的工时、成本系数和工时成本。
项目工时	按工作类型统计	按工作类型统计项目工时、任务工时、非任务工时。
项目工时	按阶段统计	列出每个阶段的任务计划工时和任务执行工时，以及百分比。
任务进度	按阶段统计	列出所有阶段的进度、任务完成数量、任务延期数量
	延期未完成任务	列出所有延期未完成的任务
	里程碑	列出所有里程碑信息
项目缺陷	百分比	按缺陷严重性、状态、类型、报告者、接受者统计数量和百分比
项目缺陷	趋势图	新增缺陷趋势图，缺陷状态变化趋势图
项目问题	百分比	按问题严重性、状态、类型、报告者、接受者统计数量和百分比
管理能力	项目周期偏差	项目延期天数 / 项目计划天数
	任务延期比例	延期任务数量 / 任务总数
	任务工时偏差	（任务实际工时 – 任务计划工时）/ 任务计划工时
	任务工时比重非任务工时比重	任务总工时 / 项目总工时非任务总工时 / 项目总工时
	任务细分能力	统计“1周内，2周内，1月内，一个月以上”的任务计划比例
	任务完成能力	统计“1周内，2周内，1月内，一个月以上”的任务完成比例
	质量保证通过率	通过次数 / 检查次数
	评审通过率	通过次数 / 评审次数
	测试通过率	通过次数 / 测试记录总数
	评审效率	评审发现缺陷数(均值)=∑每次评审发现缺陷数量 / 评审次数
	评审效率	评审发现问题数(均值)=∑每次评审发现问题数量 / 评审次数
	测试效率	测试用例缺陷数(均值)=∑每个测试用例的缺陷数 /测试用例总数
	问题解决周期	∑每个问题解决周期 / 已经解决问题总数
	缺陷解决周期	∑每个缺陷解决周期 / 已经解决缺陷总数
其它	项目成员情况	每个项目成员的工作量（百分比），报告缺陷数量，处理缺陷数量，处理问题数量，处理客户问题需求数量。
	异常数据统计	延期里程碑，延期完成任务，延期未完成任务，未关闭项目问题，未关闭项目缺陷。大于阈值N为异常
	异常数据统计	项目需求数量，版本数量，测试用例数量，评审数量，文档数量。小于阈值N为异常
	代码缺陷排行	代码缺陷从高到低排列

多项目对比度量元
分类	度量元	统计方法
项目一览表	项目基本字段	用树形表和列表展示项目基本字段：所属组织，项目简称，项目统计分析，项目类型，项目经理，开始日期，计划完成日期，结项日期，任务进度，延期天数，创建人，创建时间。
项目进度表	日期对比	每个项目立项时设定的项目计划开始日期和计划完成日期
		每个项目的任务最早计划开始日期和任务最晚计划完成日期
		每个项目的任务最早实际开始日期和任务最晚实际完成日期
	项目Gantt图	展示每个项目全部任务的计划进度条和实际进度条
项目人员表	项目人员数量	每个项目的人员总数和姓名。
项目工时表	项目工时	每个项目总工时，任务计划工时，任务实际工时(比例)，非任务工时(比例)
	项目成员工时	每个项目成员总工时，任务计划工时，任务实际工时(比例)，非任务工时(比例)
	每人每日工时	每个项目、每个项目成员的每日工时
项目成本表	开支预算	每个项目的预算、实际开支、人力资源成本
项目成本表	人力资源成本	每个项目的预算、实际开支、人力资源成本
百分比	项目类型百分比	对所有项目，统计每种项目类型的数量和百分比。
	项目来源百分比	对所有项目，统计每种项目来源的数量和百分比。
	项目级别百分比	对所有项目，统计每种项目级别的数量和百分比。
	项目经理百分比	对所有项目，统计每位“项目经理”所占项目数量和百分比。
	工作类型工时百分比	对所有项目，统计每种工作类型的工时数量和百分比。
	项目费用类型百分比	对所有项目，统计每种费用类型的金额和百分比。
	项目缺陷百分比	对所有项目，统计项目缺陷类型百分比，缺陷严重性百分比，缺陷状态百分比
	项目问题百分比	对所有项目，统计项目问题类型百分比，问题严重性百分比，问题状态百分比
项目过程数据	项目任务	统计每个项目全部任务总数和完成数
		统计每个项目全部任务的计划工作量和实际工作量
		统计每个项目、每种任务类型的工作量和百分比
	项目缺陷	统计每个项目、每种缺陷类型的数量
		统计每个项目、每种缺陷状态的数量
		统计每个项目、每种缺陷严重性的数量
	项目问题	统计每个项目、每种问题类型的数量
		统计每个项目、每种问题状态的数量
		统计每个项目、每种问题严重性的数量
	项目需求	统计每个项目、每种需求类型的数量
		统计每个项目、每种需求状态的数量
		统计每个项目、每级目录下面的需求数量
	项目文档	统计每个项目的文档数量，文档规模（总页数）
	项目评审	统计每个项目、每种评审状态的数量
	项目评审	统计每个项目、所有评审花费的工作量
	变更控制	统计每个项目、每种变更类型的数量
	变更控制	统计每个项目、每种变更审批状态（待审批，审批中，同意，不同意）的数量
	测试用例	统计每个项目、每种审阅状态（未审阅，需改进，通过，不合格）的数量
	测试用例	统计每个项目、每种测试状态（通过，未通过）的数量
项目异常数据	异常数据	统计每个项目的异常数字：（1）延期里程碑数量x，延期完成任务数量x，延期未完成任务数量x，未关闭项目问题数量x，未关闭项目缺陷数量x。如果x>0，表示异常。（2）项目需求数量y，设计方案数量y，版本数量y，测试用例数量y，项目评审数量y，项目文档数量y。如果y=0，表示异常。

人力资源的度量元
分类	度量元	统计方法
人员任务进度表	任务计划进度任务实际进度	统计某组织内所有人员在所有项目的任务进度，绘制计划进度表（蓝色）和实际进度表（红色），直观地了解每个人的任务进展情况。
人员任务饱和度	任务计划饱和度	（每日任务计划的工作量/8）*100%
	任务执行饱和度	（每日任务执行的工作量/8）*100%
	工作日志饱和度	（每日工作日志的工作量/8）*100% ，包含非任务工时。
人员工时表	项目工时	统计某组织内所有人员每天的工时，分别显示：项目工时，非项目工时，任务工时，非任务工时。
	非项目工时
	任务工时
	非任务工时
人员项目表	参加项目数量	统计某组织内每个人参加的项目数量（显示项目名称）
人员工作统计	任务数量	统计指定人员在指定时间内“创建、执行”任务数量
	缺陷数量	统计指定人员在指定时间内“报告、处理”缺陷数量
	项目问题数量	统计指定人员在指定时间内“报告、处理”项目问题数量
	客户问题需求数	统计指定人员在指定时间内“报告、受理、处理”客户问题需求数量
人事信息	人员分布特征	按学历统计数量和百分比
		按本公司工作年数统计数量和百分比
		按职位（或级别）统计数量和百分比
		按员工年龄统计数量和百分比

成本效益的度量元
分类	度量元	统计方法
成本分布	成本业务类别	按工种如营销、研发、生产、售后服务等统计金额和百分比
	费用类型	按费用类型如差旅费、资料费、设备费等统计金额和百分比
	所属项目	按成本所属项目统计金额和百分比
	所属客户	按成本所属客户统计金额和百分比
成本效益对比	年统计	按年统计成本金额、合同实际收款额、毛利、年增长率
成本效益对比	月统计	按年统计成本金额、合同实际收款额、毛利、环比、同比

7.11常见问题答疑

7.11.1请简单说明量化管理的要点

（1）要有合适的量化目标。

（2）要有配套的流程制度，并且培训员工掌握相应的技能。

（3）一边工作，一边记录工作情况，尽量条目化。

（4）要有配套的记录数据和统计分析的软件工具。

（5）要对量化结果进行分析，才能公平考核，才能改进工作。

7.11.2智力创作（如软件开发）能够量化管理吗？

可以。把智力创作分解为若干过程域，每个过程域都定义了操作流程。分解得越细，流程越标准化，量化管理也就越细致精确。

例如软件开发，可以分解为如下过程域：

项目管理过程：任务进度管理，项目成本管理，变更控制，文档管理，配置管理，项目评审，质量保证，问题跟踪等。

项目开发过程：需求工程，设计，模块开发与集成，版本发布，测试，缺陷跟踪，试用-验收，维护等。

可以为上述每个过程域设计度量元和统计分析方法。不仅软件开发活动可以量化管理，整个软件企业的运营都可以量化管理。

一般地，智力创作的过程及其成果，比制造实物更不容易感知和掌控，越是如此越需要引入量化管理方法。至少，量化比不量化好！

7.11.3量化管理与企业规模、贫富有关吗？

无必然关系。小企业、穷企业也可以搞量化管理，成功与否，主要取决于决心和能力，而不是规模和贫富。

当然，存在一些间接关系。企业规模越大，量化管理的迫切性越高。企业越富有，对量化管理的投入可以多一些。

7.11.4企业领导需要什么程度的数学水平才能搞量化管理？

一、必要条件：必须懂算术，达到小学数学水平。

企业量化管理中的绝大多数数学统计是“求和、求平均、计算百分比”，使用算术“加减乘除”就够了。

你可能不太相信要求如此之低！

中国古代有多少帝王和官吏的数学水平超过小学的？他们只用算盘照样把国家管理起来了。李嘉诚只是小学毕业，照样是华人首富，是最成功的华人企业家。你不用担心了数学水平了吧！

二、充分条件：懂代数，达到中学数学水平。

懂代数的话，基本上就看得懂常用统计分析方法的数学原理，例如控制图中的中心线、方差、上限下限是怎么算出来的。

而且可以根据企业的情况，主动地思考如何进行更加有效地统计分析，而不是等着别人填写固定的、不合时宜的统计报表。

很复杂的数学统计方法，就让专家去搞，领导看结果就行。值得注意的是，如果统计方法复杂到企业领导完全看不懂，他十有八九不在乎、或者根本不相信这个统计结果，价值几乎为零。

例如软件工程教科书里面有个估算工作量的数学模型：

E = A + B×(ev) C

其中A,B,和C是由经验导出的常数，E是以“人月”为单位的工作量，ev是估算变量如代码行（LOC）或者功能点（FP）。

例如基于代码行的数学模型有：

Walston-Felix模型 E = 5.2×(KLOC)0.91

Bailey-Basili模型 E = 5.5+0.73×(KLOC)1.16

Boehm简单模型 E = 3.2×(KLOC)1.05

基于功能点的数学模型有：

Albrecht模型 E = -13.39 + 0.0545 FP

Kemerer 模型 E = 60.62×7.728×10-8 FP3

Maston模型 E = 585.7 + 5.12 FP

你以为真的有企业领导相信上面这个数学模型？它对多数企业而言就是个摆设而已。所以不要在企业管理领域玩弄、炫耀复杂的数学模型。

我大学毕业已经有二十年，早已经把高等数学忘记光了，但是算术和代数是终身都不会忘记的。这本书上的绝大多数度量元及其统计方法都是我设计的，我相信中学毕业的人都看得懂。