Manipulation de données
Les mesures logicielles sont une norme de mesure qui contient de nombreuses activités, ce qui implique un certain degré de mesure. Le succès de la mesure logicielle réside dans la qualité des données collectées et analysées.
Qu'est-ce que Good Data?
Les données collectées peuvent être considérées comme de bonnes données, si elles peuvent produire les réponses aux questions suivantes -
Are they correct? - Une donnée peut être considérée comme correcte, si elle a été collectée selon les règles exactes de la définition de la métrique.
Are they accurate? - La précision fait référence à la différence entre les données et la valeur réelle.
Are they appropriately precise? - La précision concerne le nombre de décimales nécessaires pour exprimer les données.
Are they consistent? - Les données peuvent être considérées comme cohérentes, si elles ne présentent pas de différence majeure d'un appareil de mesure à l'autre.
Are they associated with a particular activity or time period? - Si les données sont associées à une activité ou à une période particulière, elles doivent être clairement spécifiées dans les données.
Can they be replicated?- Normalement, les enquêtes telles que les enquêtes, les études de cas et les expériences sont fréquemment répétées dans des circonstances différentes. Par conséquent, les données devraient également pouvoir être répliquées facilement.
Comment définir les données?
Les données collectées à des fins de mesure sont de deux types -
Raw data- Les données brutes résultent de la mesure initiale du processus, des produits ou des ressources. Par exemple: Feuille de temps hebdomadaire des employés d'une organisation.
Refined data - Les données raffinées résultent de l'extraction d'éléments de données essentiels à partir des données brutes pour dériver les valeurs des attributs.
Les données peuvent être définies selon les points suivants -
- Location
- Timing
- Symptoms
- Résultat final
- Mechanism
- Cause
- Severity
- Cost
Comment collecter des données?
La collecte de données nécessite une observation humaine et des rapports. Les gestionnaires, les analystes système, les programmeurs, les testeurs et les utilisateurs doivent enregistrer les données de ligne sur les formulaires. Pour collecter des données exactes et complètes, il est important de -
Gardez les procédures simples
Évitez les enregistrements inutiles
Former les employés à la nécessité d'enregistrer les données et aux procédures à utiliser
Fournir les résultats de la saisie et de l'analyse des données aux fournisseurs d'origine rapidement et sous une forme utile qui les aidera dans leur travail
Valider toutes les données collectées dans un point de collecte central
La planification de la collecte de données comprend plusieurs étapes -
Décidez des produits à mesurer en fonction de l'analyse GQM
Assurez-vous que le produit est sous contrôle de configuration
Décidez exactement quels attributs mesurer et comment les mesures indirectes seront dérivées
Une fois que l'ensemble de mesures est clair et que l'ensemble de composants à mesurer a été identifié, concevoir un schéma pour identifier chaque activité impliquée dans le processus de mesure
Établir une procédure de traitement des formulaires, d'analyse des données et de rapport des résultats
La planification de la collecte de données doit commencer lorsque la planification du projet commence. La collecte réelle des données a lieu au cours de nombreuses phases de développement.
For example - Certaines données relatives au personnel du projet peuvent être collectées au début du projet, tandis que d'autres collectes de données telles que l'effort commencent au démarrage du projet et se poursuivent pendant l'exploitation et la maintenance.
Comment stocker et extraire des données
En génie logiciel, les données doivent être stockées dans une base de données et configurées à l'aide d'un système de gestion de base de données (SGBD). Un exemple de structure de base de données est illustré dans la figure suivante. Cette base de données stockera les détails des différents employés travaillant dans différents services d'une organisation.
Dans le diagramme ci-dessus, chaque zone est une table dans la base de données et la flèche indique le mappage plusieurs-à-un d'une table à une autre. Les mappages définissent les contraintes qui préservent la cohérence logique des données.
Une fois que la base de données est conçue et remplie de données, nous pouvons utiliser les langages de manipulation de données pour extraire les données à analyser.