41. Як можна використати метрики при розробці нового пз?

Для початку потрібно визначити основні фактори ризику для вашого проекту. Це можна зробити різними способами ; особисто мені найбільше подобаються три: аналіз минулих аналогічних проектів , підготовка всієї проектної команди до загального наради , на якому кожен озвучує ризики , які він бачить у проекті , і використання стандартних списків ризиків , як правило , наявних в кожному проекті ( специфічних для галузі в цілому чи для вашої компанії). Фактори ризику - це не самі ризики. Це причини , що лежать в основі появи ризиків . Для свого проекту (розробка інформаційної системи для зовнішнього замовника) можна визначити такі основні фактори ризику

42. Які метрики краще використовувати і для яких цілей при розробці нового пз?

Метрики повинні підбиратися під вирішення конкретного завдання і служити цілям проекту . Тому кожну ситуацію потрібно розглядати окремо. Для досягнення найкращого результату вся команда повинна знати про застосовувані метриках і про причини , якими продиктована необхідність збору метрик .

Для ефективного впровадження метрик необхідно:

Стабільні процеси . Якщо у вас повний « бардак » на проекті , то , швидше за все метрики будуть мати велику похибку. З іншого боку , метрики можуть застосовуватися для наведення порядку на проекті. Але , в будь-якому випадку , мінімальні стабільні процеси потрібні. На жаль , ми не завжди можемо впливати на процеси . Наприклад , ми не можемо змусити клієнта не надсилати знайдені помилки поштою , а заносити в систему відслідковування помилок безпосередньо, із заповненням всіх необхідних полів. Але ми можемо це справа хоч якось оптимізувати . Наприклад, у ряді систем відстеження помилок можна створювати сутності шляхом відправки повідомлення через електронну пошту. Це дуже зручно. Клієнт пише як зазвичай лист , а ми відразу отримуємо задачу в системі. Ще раз повторюся , що ми не можемо змінити деякі речі , але можемо їх оптимізувати .

Інструментарій . А також бажання і можливість « допив » його , в разі необхідності , під збір необхідних проекту метрик . Як і в попередньому пункті , ми не завжди можемо впливати на вибір інструменту. У даному випадку по можливості підлаштовуємось або пробуємо змінити інструментарій , в гіршому - забуваємо про метрики до кращих часів.

Зацікавлені особи . Повинна бути підтримка всіх зацікавлених сторін. Як мінімум , це має бути дійсно потрібно вам .

Класифікації метрик .

Залежно від характеристики :

Метрики кількості . Метрики кількості це , ті які ми можемо виміряти. Приклади метрик - кількість дефектів , покриття вимог , кількість дефектів знайдених користувачами , відношення кількості відкритих дефектів до закритих і т.д.

Метрики якості. Крім кількості нас ще цікавить і якість. Метрики якості демонструють нам наскільки добре ми робимо ту чи іншу роботу по проекту. Наприклад , якість звітів про помилки , якість розроблених тест- кейсів. Метрики якості називають ще суб'єктивними оцінками. Як правило , метрики якості повинні підтверджуватися метриками кількості . Наприклад , ми надаємо оцінку якості заносяться дефектів. Це суб'єктивна оцінка учасників проекту. Для її підтвердження ми можемо проаналізувати кількість дефектів з резолюцією «Не є дефектом » або кількість запитів програмістів на уточнення кроків для відтворення інциденту. Суб'єктивні метрики збираю у вигляді опитувальників в Wiki або Word , там же можна зберігати узагальнені результати опитувань.

Також метрики можна розділити залежно від етапу проекту:

Фінальні . Метрики , демонтують показники роботи за весь період роботи над проектом. Крім усього іншого дані метрики допоможуть при оцінці схожого за обсягом і завданням проекту .

Проміжні . Метрики за результатами ітерації. Порівнюються з результатами попередніх ітерацій . Сприяють виявленню проблем в процесі .

Метрики по конкретному функціоналу . Це в тих випадках , коли ми хочемо отримати метрики по роботі над конкретним функціоналом

Метрики по об'єкту спостереження :

Метрики процесу . Дані метрики оцінюють різні характеристики процесу . Приклади - загальна кількість помилок , розподіл дефектів за суворістю і пріоритетам , кількість відхилених помилок , кількість дефектів на N рядків коду , ефективність тестування , розподіл дефектів за компонентами , кількість дефектів повідомлених користувачами , вартість виправлення дефектів і т.д.

Метрики результату. Даний тип метрик оцінює результат , до якого ми прийшли. Приклад метрик - кількість дефектів від користувачів, кількість відмов від продукту , кількість випущених виправлень , витрати на підтримку продукту .

Метрики тестування невіддільні від загальнопроектних метрик . Але якщо , виділити їх окремо , то я б класифікував їх за типами сутностей :

Метрики за дефектами .

Метрики по тест- кейсам .

Метрики по задачам. Співвідношення закритих завдань до відкритих , швидкість виконання завдань , швидкість тестування , ефективність планування .

Метрики з конкретного виду тестування (автоматизація , тестування навантаження , тестування зручності користування і т.д.).

1. Що включає в себе первинний статистичний аналіз?

2. Як побудувати гістограму?

3. Що таке гістограма?

4. Як перевірити точність отриманих даних?

5. Які статистичні характеристики використовуються для визначення відхилень?

6. Що таке математичне сподівання?

7. Що таке дисперсія?

8. Що таке середнє квадратичне відхилення?

9. Для чого використовується коефіцієнт асиметрії?

10. Що значить коефіцієнт ексцесу?

11. Як визначити, чи існує нормальний закон розподілу?

12. Що таке закон розподілу?

13. Які види гістограм ви знаєте?

14. Що таке коефіцієнт кореляції?

15. Які властивості коефіцієнта кореляції?

16. Які є види коефіцієнтів кореляції? Чим вони відрізняється?

17. Як розраховується парна рангова кореляція?

18. Як визначити, чи існує залежність між метриками?

19. Як можна розрахувати коефіцієнт кореляції?

20. Що таке регресія?

21. Для чого використовується регресія?

22. Які є передумови визначення регресії?

23. Які є методи побудови регресії?

24. Як побудувати регресію?

25. Як визначити функцію регресії?

26. Які визнаєте засоби автоматизації обробки даних?

27. Які визнаєте засоби автоматизації аналізу даних?

28. Що таке CAESE-засоби?

29. Що таке експертне оцінювання?

30. Які ви знаєте властивості програмного забезпечення?

31. Як і коли може використовуватися експертне оцінювання програмного забезпечення?

32. Що таке рефакторинг?

33. Які дані можна отримати після проведення вимірювань в Visual Studio?

34. Як використати дані вимірювань в Visual Studio? Які висновки можна зробити?

35. Які дані можна отримати після проведення вимірювань в iPlasma?

36. Як використати дані вимірювань в iPlasma? Які висновки можна зробити?

37. Як метрики ПЗ використовуються при рефакторингу?

38. Чи відрізняються прямі метрики при вимірюванні проекту вцілому та окремо кожного класу? Чому?

39. Чи відрізняються непрямі метрики при вимірюванні проекту вцілому та окремо кожного класу? Чому?

40. Які метрики краще використовувати при проведенні рефакторинга? Чому?

41. Як можна використати метрики при розробці нового ПЗ?

42. Які метрики краще використовувати і для яких цілей при розробці нового ПЗ?