데이터 조작
소프트웨어 메트릭은 어느 정도의 측정을 포함하는 많은 활동을 포함하는 측정 표준입니다. 소프트웨어 측정의 성공은 수집 및 분석 된 데이터의 품질에 있습니다.
좋은 데이터 란 무엇입니까?
수집 된 데이터는 다음 질문에 대한 답을 얻을 수 있다면 좋은 데이터로 간주 할 수 있습니다.
Are they correct? − 메트릭 정의의 정확한 규칙에 따라 수집 된 데이터는 올바른 것으로 간주 될 수 있습니다.
Are they accurate? − 정확도는 데이터와 실제 값의 차이를 의미합니다.
Are they appropriately precise? − 정밀도는 데이터를 표현하는 데 필요한 소수 자릿수를 다룹니다.
Are they consistent? − 데이터가 한 측정 장치에서 다른 측정 장치로 큰 차이를 보이지 않는 경우 일관성있는 것으로 간주 할 수 있습니다.
Are they associated with a particular activity or time period? − 데이터가 특정 활동 또는 기간과 관련된 경우 데이터에 명확하게 지정되어야합니다.
Can they be replicated?− 일반적으로 설문 조사, 사례 연구, 실험과 같은 조사는 여러 상황에서 자주 반복됩니다. 따라서 데이터는 쉽게 복제 할 수 있어야합니다.
데이터를 정의하는 방법?
측정 목적으로 수집되는 데이터는 두 가지 유형이 있습니다.
Raw data− 원시 데이터는 프로세스, 제품 또는 자원의 초기 측정 결과입니다. 예 : 조직 직원의 주간 작업 표.
Refined data − 정제 된 데이터는 속성 값을 도출하기 위해 원시 데이터에서 필수 데이터 요소를 추출한 결과입니다.
데이터는 다음 사항에 따라 정의 할 수 있습니다.
- Location
- Timing
- Symptoms
- 최종 결과
- Mechanism
- Cause
- Severity
- Cost
데이터를 수집하는 방법?
데이터 수집에는 사람의 관찰과보고가 필요합니다. 관리자, 시스템 분석가, 프로그래머, 테스터 및 사용자는 양식에 행 데이터를 기록해야합니다. 정확하고 완전한 데이터를 수집하려면 다음이 중요합니다.
절차를 간단하게 유지
불필요한 녹음을 피하십시오
데이터를 기록 할 필요성과 사용할 절차에 대해 직원 교육
데이터 캡처 및 분석 결과를 원래 공급자에게 신속하고 유용한 형식으로 제공하여 작업을 지원합니다.
중앙 수집 지점에서 수집 된 모든 데이터의 유효성을 검사합니다.
데이터 수집 계획에는 여러 단계가 포함됩니다.
GQM 분석을 기반으로 측정 할 제품 결정
제품이 구성 제어하에 있는지 확인
측정 할 속성과 간접 측정 값이 파생되는 방법을 정확하게 결정합니다.
메트릭 세트가 명확하고 측정 할 구성 요소 세트가 식별되면 측정 프로세스와 관련된 각 활동을 식별하기위한 계획을 고안하십시오.
양식 처리, 데이터 분석 및 결과보고를위한 절차 수립
데이터 수집 계획은 프로젝트 계획이 시작될 때 시작되어야합니다. 실제 데이터 수집은 여러 개발 단계에서 이루어집니다.
For example − 프로젝트 인원과 관련된 일부 데이터는 프로젝트 시작시 수집 될 수 있으며, 노력과 같은 다른 데이터 수집은 프로젝트 시작시 시작되어 운영 및 유지 보수를 통해 계속됩니다.
데이터 저장 및 추출 방법
소프트웨어 엔지니어링에서 데이터는 데이터베이스에 저장되고 데이터베이스 관리 시스템 (DBMS)을 사용하여 설정되어야합니다. 다음 그림은 데이터베이스 구조의 예입니다. 이 데이터베이스는 조직의 여러 부서에서 일하는 여러 직원의 세부 정보를 저장합니다.
위 다이어그램에서 각 상자는 데이터베이스의 테이블이고 화살표는 한 테이블에서 다른 테이블로의 다 대일 매핑을 나타냅니다. 매핑은 데이터의 논리적 일관성을 유지하는 제약 조건을 정의합니다.
데이터베이스가 설계되고 데이터로 채워지면 데이터 조작 언어를 사용하여 분석 할 데이터를 추출 할 수 있습니다.