矩陣數(shù)據(jù)分析法（Matrix Data Analysis Chart），它是新的質量管理七種工具之一。

矩陣圖上各元素間的關系如果能用數(shù)據(jù)定量化表示，就能更準確地整理和分析結果。這種可以用數(shù)據(jù)表示的矩陣圖法，叫做矩陣數(shù)據(jù)分析法。在QC新七種工具中，數(shù)據(jù)矩陣分析法是唯一種利用數(shù)據(jù)分析問題的方法，但其結果仍要以圖形表示。

數(shù)據(jù)矩陣分析法的主要方法為主成分分析法（Principal component analysis），利用此法可從原始數(shù)據(jù)獲得許多有益的情報。主成分分析法是一種將多個變量化為少數(shù)綜合變量的一種多元統(tǒng)計方法。

矩陣數(shù)據(jù)分析法，與矩陣圖法類似。它區(qū)別于矩陣圖法的是：不是在矩陣圖上填符號，而是填數(shù)據(jù)，形成一個分析數(shù)據(jù)的矩陣。

它是一種定量分析問題的方法。目前，在日本尚廣泛應用，只是作為一種“儲備工具”提出來的。應用這種方法，往往需求借助電子計算機來求解。

在矩陣圖的基礎上，把各個因素分別放在行和列，然后在行和列的交叉點中用數(shù)量來描述這些因素之間的對比，再進行數(shù)量計算，定量分析，確定哪些因素相對比較重要的。

當我們進行顧客調查、產(chǎn)品設計或者其他各種方案選擇，做決策的時候，往往需要確定對幾種因素加以考慮，然后，針對這些因素要權衡其重要性，加以排隊，得出加權系數(shù)。譬如，我們在做產(chǎn)品設計之前，向顧客調查對產(chǎn)品的要求。利用這個方法就能確定哪些因素是臨界質量特性。

1.可以利用親和圖（affinity diagram）把這些要求歸納成幾個主要的方面。然后，利用這里介紹進行成對對比，再匯總統(tǒng)計，定量給每個方面進行重要性排隊。

2.過程決策圖執(zhí)行時確定哪個決策合適時可以采用。

3.質量功能展開。兩者有差別的。本辦法是各個因素之間的相互對比，確定重要程度；而質量功能展開可以利用這個方法的結果。用來確定具體產(chǎn)品或者某個特性的重要程度。

當然，還有其他各種方法可以采用，但是，這種方法的好處之一是可以利用電子表格軟件來進行。

下面通過例子來介紹如何進行矩陣數(shù)據(jù)分析法。

1、確定需要分析的各個方面。我們通過親和圖得到以下幾個方面，需要確定它們相對的重要程度：易于控制、易于使用、網(wǎng)絡性能、和其他軟件可以兼容、便于維護。

2、組成數(shù)據(jù)矩陣。用Excel或者手工做。把這些因素分別輸入表格的行和列，如表所示。

3、確定對比分數(shù)。自己和自己對比的地方都打0分。以 “行”為基礎，逐個和“列”對比，確定分數(shù)?！靶小北取傲小敝匾o正分。分數(shù)范圍從9到1分。打1分表示兩個重要性相當。譬如，第2行“易于控制”分別和C列“易于使用”比較，重要一些，打4分。和D列“網(wǎng)絡性能”比較，相當，打1分?！绻靶小睕]有“列””重要，給反過來重要分數(shù)的倒數(shù)。譬如，第3行的“易于使用”和B列的“易于控制”前面已經(jīng)對比過了。前面是4分，現(xiàn)在取倒數(shù)，1/4=0.25。有D列“網(wǎng)絡性能”比，沒有“網(wǎng)絡性能”重要，反過來，“網(wǎng)絡性能”比“易于使用”重要，打5分?，F(xiàn)在取倒數(shù)，就是0.20。實際上，做的時候可以圍繞以0組成的對角線對稱填寫對比的結果就可以了。

表1：矩陣數(shù)據(jù)分析法

	A	B	C	D	E	F	G	H
1		易控制	易使用	網(wǎng)絡性能	軟件兼容	便于維護	總分	權重%
2	易于控制	0	4	1	3	1	9	26.2
3	易于使用	0.25	0	0.20	0.33	0.25	1.03	3.0
4	網(wǎng)絡性能	1	5	0	3	3	12	34.9
5	軟件兼容	0.33	3	0.33	0	0.33	4	11.6
6	便于維護	1	4	0.33	3	0	8.33	24.2
	總分之和	34.37

4、加總分。按照“行”把分數(shù)加起來。在G列內得到各行的“總分”。

5、算權重分。把各行的“總分”加起來，得到“總分之和”。再把每行“總分”除以“總分之和”得到H列每個“行”的權重分數(shù)。權重分數(shù)愈大，說明這個方面最重要，“網(wǎng)絡性能”34.9分。其次是“易于控制”26.2分。

案例一：矩陣數(shù)據(jù)分析法在軟件項目中的應用

　　軟件缺陷的產(chǎn)生是由多方面的因素造成的，缺陷數(shù)據(jù)反映了開發(fā)過程中多個因素相互作用的對應關系。在實施了多個軟件項目的開發(fā)以后，已經(jīng)積累了一定數(shù)量的歷史缺陷數(shù)據(jù)，我們如何利用這些數(shù)據(jù)找到開發(fā)過程中容易產(chǎn)生質量問題的環(huán)節(jié)和因素呢?如果只是粗略地看歷史統(tǒng)計數(shù)據(jù)，是很難看出各項目之間及項目的生命周期各階段的缺陷率的差異的。我們可以用這些歷史數(shù)據(jù)來設計一個矩陣，用矩陣數(shù)據(jù)分析法就能求出多個項目的各個階段產(chǎn)生缺陷率的高低，找到產(chǎn)生缺陷的關鍵因素，這樣可以幫助了解引入的缺陷，從而對新開發(fā)的項目會引入的缺陷數(shù)做出一個相當合理的預測，達到控制缺陷率，提高軟件質量的目的。隨著實施的軟件項目數(shù)量的增加，收集到的缺陷數(shù)據(jù)越來越多，生成的矩陣越大，對未來缺陷率預測和控制的準確性也就越高，軟件整體質量呈螺旋式穩(wěn)步上升。

　　下面通過一個例子來說明矩陣數(shù)據(jù)分析法在軟件缺陷管理中的具體應用。為了確定軟件缺陷主要出現(xiàn)在項目生命周期六個階段中的哪幾個階段，我們對n個開發(fā)項目進行統(tǒng)計，每個項目計算六個階段的缺陷密度，為了驗證結果重復性，又將這n個項目分為Ⅰ、Ⅱ兩組，每組n／2個項目，然后對數(shù)據(jù)求均值、標準差、相關系數(shù)、特征值、特征向量，得出三個主成分，也就確定了項目生命周期中出現(xiàn)大部分缺陷的幾個階段，為改進項目薄弱環(huán)節(jié)提供依據(jù)。詳細步驟如下：

　?、賹⒁酝浖椖糠e累的歷史缺陷數(shù)據(jù)進行分類、統(tǒng)計列表。各項目在生命周期各階段的歷史缺陷率數(shù)據(jù)見表3。

　?、?根據(jù)表3數(shù)據(jù)計算均值、標準差和相關系數(shù)，計算結果見表4。

　?、鄹鶕?jù)相關系數(shù)矩陣(表4)求特征值、特征向量和貢獻率。由于計算量很大，方程的計算用計算機完成。計算結果見表5。

　　④ 分析計算結果。貢獻率代表主成分的影響程度，數(shù)值越大代表性越大，特征向量表示項目與該主成分的關系。從表5可看到，第一、二、三主成分的貢獻率達90．4％ ， 已代表所有變量的絕大部分，也就是說在項目開發(fā)過程中，軟件缺陷主要出現(xiàn)在項目生命周期的需求、構架和設計階段。這樣由上述的主成分分析，找到了容易出現(xiàn)軟件缺陷問題的階段，在以后的改進過程中把注意力集中到特征值大的方面來，就可以有效地控制、預防軟件缺陷問題。