3月25日，思码逸咨询总监、研发过程提效专家关钦杰在 QECon 质效城市论坛【深圳站】分享了主题为《聊聊研效管理中的数据操纵》的演讲。

以下内容根据关钦杰老师分享内容整理：

在生活中，当我们去描述客观事实的时候，我们经常要用数据说话，比如，盐少许，就不如说盐 2 克更加科学精准。但是反过来我们也会发现，有时候数据不变，但说法不一样，结果和信息也会发生偏差。

我们今天也来聊一个相对轻松有趣的话题：研效管理过程当中数据操纵有哪些？我们有哪些反操纵的方法？数据本身不会说谎，但如何去呈现，传递的信息和结果可能会发生很大的一个反差。

相关性不等于因果关系

首先是一个有意思的例子，现实生活当中我们经常说“鱼和熊掌不可兼得”，那我们来看这幅图，横轴代表品质，纵轴代表颜值，大家觉得这两组数据放在一起，它有相关性吗？显然是没有相关性的。

既然长得帅和品质好，没有相关性，那在单身的男女去找伴侣的时候，肯定要找一个又帅品格又好的。但扎心的现实是什么呢？我们去看这组数据。

在现实当中，我们不愿意和又丑又渣的人约会，就会剔除一部分样本。同时双方都有选择的权利，也有人可能会不愿意和你约会，又剔除了一部分数据之后，数据发生了变化——颜值和品质之间出现了负相关，也就是说越帅的人，具有“海王”体质的可能性相对高。这就是伯克森悖论。

伯克森悖论是说当我们去把所有的样本总和放在一起看的时候，你会发现这些数据之间不具备相关性。但是当机会不同的时候，它会造成一种机会上的相关性。选择机会不一样，会造成相关性也发生很大的变化。伯克森悖论时刻提醒我们，我们的直观感觉总是建立在我们能够注意到的现象之上的，但真实世界包含了很多被我们忽视的现象，要了解真实的情况，就需要把忽视掉的情况都考虑到。

接下来是实际研发管理中的一个实例，我们用了两组数据，一组是每周的加班时长，统计加班时长跟产出之间是否相关。结果显示，加班时长和产出之间并没有非常强的正相关关系。在标注出的红色区间中，一定的加班时长范围内产出量呈现聚集性分布。这说明卷更长的加班时间，对产出的影响可能是不大的。

另一组数据也是大家比较关心的两个参数，一个是生育率，一个是房价。调查发现房价和生育率之间是很明显的负相关。对此，大家有两种解读。第一种解读是说，房价太高了，大家买不起房子所以就不生小孩；第二种解读是，在很多一二线城市，聚集了一些高收入的人群，他们的收入足以负担房价，但因为职业工作忙碌的原因，在30岁之前生小孩的概率非常低，因而也导致了这种负相关。

这也就告诉我们，相关性不一定等于因果关系。

在一些场景实例中，需求量与代码量也并不一定呈正相关，那可能会出现产品抱怨需求交付慢、研发委屈天天加班的情况，我们会问：研发的工作量都去哪了？这时，我们可以通过数据去做下钻分析：通过 commit message，将每一个commit对应到一个任务上去，这样可以清晰地看到每一个 commit 的目的和工作量，研发团队实际上在需求变更上花费了大量的工作量，而这些返工工作量也挤压了完成新需求开发的工作量。类似的下钻分析可以让我们更清楚地知道如何进行需求管理，让需求更稳更快地交付。

因此，在实际的工作当中，当我们去看到一组数据的时候，不要马上为这组数据它是正相关还是负相关而欢呼，因为有相关性的两组数据，并不一定有因果关系。

百分比陷阱

谷歌曾经遭到公众质疑，认为谷歌搜索返回的结果当中有假新闻和虚假信息。对此，谷歌的一名副总裁回应说，日常搜索中确实有一小部分查询会返回误导性的内容，但是占比很小，只有约0.25%。乍一听，这个数字很小，问题好像也并不严重。但谷歌每天要处理50亿次搜索，0.25%意味着，每天有1200多万次搜索会返回虚假信息，足以造成较大的负面影响，并不是一个小问题。

谷歌副总裁的说法其实是在利用百分比的方式弱化问题。百分比对同一个数据，在表述上也是“可大可小”的，完全看你想强调什么。比如某个地方的消费税，从购买价格的4%提高到了6%，可以说是增长了2个百分点，也可以说是增长了50%，因为花同样的钱，要交的税比原来确实多了50%。

但这两种说法，给人的感觉完全不一样，如果我想让人觉得增税幅度微不足道，就可以说只增加了2个百分点。如果我想让人觉得增税幅度很大，就可以说税率增加了50%。这也就意味着，需求交付率可能是一个伪指标。为什么呢？我们需要问两个问题：

第一，需求的大小可比吗？

我们的需求交付率是多少？迭代的百分比是多少？这个百分比是可以比较的吗？未必，因为需求的复杂度不一样，拆分的颗粒度不一样，不见得交付了10个需求就比5个需求的工作量大。

第二，前置时长平均值可信吗？我们经常会看到说需求的交付前置周期，前置时长是多少天？需求的平均交付时长是13.5天，但我们把数据标准从均值改为80分位/85分位数，会发现大多数需求交付周期长达21天，比13.5天多了差不多50%，是非常大的差异。

为什么这两个数据之间有这么大的差异？我们来看一下场景实例。这是不同的产品线和不同时期需求的实际规模，也就是对应到我们所说的代码当量。

我们用代码当量去校准需求的颗粒度。代码当量是在抽象语法树基础上计算开发工作量，可以挤压掉代码行统计水分，有效地去除编码过程中的不良习惯和噪音，比如空行注释等等不良的操作习惯。我们在这里将代码当量作为一个类等比的单位。即大家有统一认知的、更加接近实际开发工作量的单位，可以用来校准需求的颗粒度。

第一个维度是稳定性。当需求颗粒度在450当量以内时，不会受到太多需求变更的干扰，交付的速率相对来说更高，稳定性相对高。第二个维度是质量。需求颗粒度大于2500当量，重点缺陷密度呈现指数增长。

所以在这个过程中，我们需要给组织提供一个可以校准的方法，然后再利用历史数据得到一个最优区间，帮助我们去指导需求的颗粒度拆分。在拆分后落到实际研发的过程中，我们如何去规划也取决于估算标准故事点是否合理，需要我们对历史结果进行校准。

警惕数据删失

在前面的部分我们讲到，百分比和均值都有一定的陷阱，再去看数据时，需要多当心，深入地思考。那么我们还可以做哪些下钻分析？接下来我们来看第三个典型的数据操纵——警惕数据的删失。

在《拆穿数据胡扯》这本书中有一个有趣的例子，是关于死亡年龄与音乐类型的曲线，即从事的音乐类型与寿命之间的相关性。我们看到，从事传统音乐类型（如布鲁斯、爵士乐、福音音乐等）的音乐人似乎是比较安全的，而新风格的音乐表演（如朋克、金属，尤其是说唱和嘻哈）看起来非常危险。

而实际上是：

• 导致这些数据有误导性的原因是右删失——在研究结束时仍然活着的人被从研究中删除了。

• 说唱和嘻哈属于新的音乐类型，最多40多年的历史，大多数音乐人从20几岁开始从业，所以大多数人都健在。

• 相比之下，爵士乐、蓝调、乡村等音乐已经存在一个多世纪了，所以多数人活到了80岁甚至更久。

由于这个数据中剔除了健在的人，只把去世的人的数据拿进来了，所以导致这个数据看起来非常恐怖，不完整的数据统计周期会导致数据样本有这样大的偏差。

在场景实例中，也有样本范围选择偏倚的问题，比如可能会遇到，近一年半生产率呈现下降趋势，而近半年生产率呈现上升趋势。如何去反操纵呢？我们给出的反操纵术关键词是：不以高低论英雄。而是向外看水平，与行业相比，处于什么样的水平；向内看变化，与历史比，发生什么变化。

以上，我们引用了一些比较有趣的例子，大家可以结合现实中的实例去进行数据洞察以及反操纵的思考。

总结

• 抽样偏差可能使无关数据间呈现相关性。

首先我们要解决抽样偏差的问题，如果要通过大样本分析得到清晰数据，我们需要解决抽样偏差和样本偏差本身的一些问题，抽样偏差有时候会使无关的数据呈现出某种相关性。

• 相关性不等于因果关系

• 为核心指标建立衡量健康度的指标阀

• 不要光看均值，要结合大多数看

• 不以高低论英雄，向外看水平，向内看变化

数据从来都不会说谎，但也不会说出全部真相。在这个时代我们去谈研发数字化的建设，更便捷地、更快速地获取了大量的数据的情况下，这些数据怎么呈现、怎么展示、怎么保证它的健康度，是我们未来很长一段时间需要不断去关注和思考的一个重要问题。