第六版PMBOK中工具与技术的介绍：数据收集数据分析数据表现

数据收集技术：

1.头脑风暴：收集关于项目方法的创意和解决方案。
2.焦点小组：召集预定的相关方和主题专家，了解他们对所讨论的产品服务或成果的期望和态度。主持人引导大家互动式讨论。
3.访谈：通过与相关方直接面谈，来获取信息的正式或非正式的方法。
4.标杆对照：将实际与计划的产品过程和实践，与其他可比组织的实践进行比较，以便识别最佳实践。
5.问卷调查：设计一系列书面问题，向众多受访者快速收集信息。地理位置分散，受众多样化，适合开展统计分析的调查。也可用来收集客户满意度。
6.检查表：又称计数表，用于合理排列各种事项，以便有效地收集关于潜在质量问题的有用数据。用核查表收集属性数据就特别方便。
7.统计抽样：从目标总体中选取部分样本用于检查。
8.核对单：需要考虑项目，行动或要点的清单。它常被用作提醒。应该不时地审查核对单，增加新信息，删除或存档过时的信息。
9.市场调研：考察行业情况和具体卖方的能力。在规划采购管理中使用。

数据分析技术

1.备选方案分析：用于比较不同的资源能力，进度压缩，不同工具，这有助于团队权衡资源，成本和持续时间变量，以确定完成项目工作的最佳方式。
2.储备分析：用于确定项目所需应急储备量和管理储备。应对进度方面的不确定时，或用来应对已经接受的已识别风险。应该在项目进度文件中清楚的列出应急储备。
3.假设情景分析；各种情景的评估，预测他们对项目目标的影响。基于已有的计划，考虑各种各样的情景。
4.模拟：把单个项目风险和不确定性的其他来源模型化的方法。以评估他们对项目目标的潜在影响。它利用风险和其他不确定性资源计算整个项目可能的进度结果。
5.挣值分析：进度绩效测量指标，用于评价偏离初始进度基准的程度。
6.迭代燃尽图：用于追踪迭代未完项中待完成的工作。它基于迭代规划中确定的工作，分析与理想燃尽图之间的偏差。
7.绩效审查：根据进度基准测量，对比和分析进度绩效。如实际开始与完成日期，已完成百分比，以及当前工作剩余持续时间。
8.趋势分析：检查项目绩效随时间的变化情况，以及确定绩效是在改善还是在恶化。并于未来绩效目标进行对比。
9.偏差分析：关注实际开始与完成日期与计划的偏离，实际持续时间与计划的差异。评估这些偏差对未来的影响。以及确定是否需要采取纠正或预防措施。
10.质量成本：包括预防成本，评估成本，失败成本（内部外部）。最优COQ能够在预防成本和评估成本之间找到恰当的平衡点，以避免失败成本。
11.根本原因分析（RCA）：用于识别缺陷成因。
12.成本绩效分析：在项目成本出现差异时，确定最佳的纠正措施。
13.相关方分析：产生相关方清单和关注相关方的各种信息，确定项目相关方的风险偏好。
14.SWOT分析：对项目优势劣势，机会和威胁进行逐个检查
15.文件分析：通过对项目文件的结构化审查，可以识别出一些风险。包括：计划，假设条件，制约因素，以往项目档案，合同，协议和技术文件。项目文件中的不确定性或模糊性，以及同一文件内部不一致，都可能是风险信号。
16.假设条件和制约因素分析：每个项目及其管理计划的构思都是基于一系列假设条件，并受一系列制约因素的限制。
17.风险数据质量评估：开展定性风险分析的基础。
18.风险概率和影响评估：考虑的是特定风险发生的可能性。
19.其他风险参数评估：为了方便未来分析和行动，对单个项目风险进行优先级排序。
20.敏感性分析：哪些风险或不确定因素对项目结果有最大的影响。敏感性分析通常用龙卷风图来表示。在龙卷风图中，标出定量风险分析模型中的每项要素与能影响的项目结果之间的关联系数。每个要素按关联强度降序排列，形成典型的龙卷风形状
21.决策树分析：在若干方案中选择一个最佳方案，它用不同分支代表不同决策或事件。通过计算每条分支的预期货币价值，来选出最优的路径。
22.影响图：不确定条件下决策制定的辅助图形工具
23.成本效益分析：用来估算备选方案优势和劣势的财务分析工具。比较其可能的成本与预期收益率。
24.技术绩效分析：把项目期间所取得的技术成果与取得相关技术成果的计划进行比较。它要求定义关于技术绩效的客观的，量化的测量指标，以便据此比较实际结果与计划要求。它包括重量，处理时间，缺陷数量，存储容量等。
25.自制或外购分析：可以使用回收期，投资回报率，现金流贴现，净现值，收益成本来确定货物或服务是应该在项目内部自制还是从外部购买。
26.建议书评估：在实施采购中，确定它们是否对包含在招标文件包中的招标文件，采购说明书，供方选择标准，都做出完整且充分的响应。
27.挣值分析（EVA）：计算进度和成本偏差，以及成本和进度的绩效指数，以确定偏离目标的程度。
28.绩效审查：对照协议，对质量资源进度和成本绩效进行测量，比较和分析，以审查合同工作的绩效。确定工作包提前或落后于进度计划，超出或低于预算，是否存在资源或质量问题。
29.回归分析：作用于项目结果的不同变量之间的相互关系，以提高未来项目的绩效。在结束项目或阶段时使用。
30.过程分析：在质量管理中，识别过程改进机会，同时检查在过程期间遇到的问题，制约因素和非增值活动。

数据表现技术：

1.层级型：组织结构图，自上而下显示各种职位以及相互关系。
2.责任分配矩阵：项目成员在各个工作包中的任务分配。
3.文本型：详细描述团队成员的职责
4.相关方参与度评估矩阵：个体相关方当前与期望参与度之间的差距
5.概率和影响矩阵：每个风险发生的概率和一旦发生对项目的影响映射起来的表格。用于将相关方当前参与水平与期望参与水平进行比较，对相关方参与水平进行分类的原因。
6.层级图：使用两个以上的参数对风险进行分类，使用的数据表现。常见的有气泡图。
7.相关方映射分析/表现：利用不同方法对相关方进行分类的方法。对相关方进行分类有助于团队与已识别的项目相关方建立联系。
8.亲和图：用来对大量创意进行分组的技术，以便进一步审查和分析。
9.思维导图：把从头脑风暴中获得的创意整合成一张图，用以反应创意之间的共性与差异。
10.流程图：一个或多个输入转化为一个或多个输出的过程中，所需要的步骤顺序和可能分支。
11.逻辑数据模型：把组织数据可视化，以商业语言加以描述，不依赖任何特定技术。可用于识别出现数据完整性或其他质量问题的地方。
12.矩阵图：行列交叉的位置展示因素原因，目标之间的关系强弱。
13.因果图：将原因分散为离散的分支。

14.直方图：展示数字数据的条形图。