商业智能仪表板的软件开发：使用机器学习技术对 COSMIC ISO/IEC 19761 基于规模的工作量估算进行实证研究

《Information》：Software Development of Business Intelligence Dashboards: Empirical Study of COSMIC ISO/IEC 19761 Size-Based Effort Estimation Using Machine Learning Techniques

　　

摘要

衡量商业智能（BI）与数字营销分析仪表板开发的功能规模，可以为软件开发工作所需时间和成本的估算提供量化输入。然而，目前数字分析实践者缺乏基于测量的实用指导来规划仪表板开发，而这些测量输入能够支持可靠的估算模型。因此，本研究提出了首个用于测量 Power BI、Data Studio 和 Tableau 软件用户需求功能规模的通用软件测量国际联盟（COSMIC）ISO/IEC 19761 框架。本研究开展了一项实证研究，基于 COSMIC 方法测量了两个数据集的功能规模。这些功能规模被作为多个机器学习（ML）模型的输入，用于预测 BI 仪表板开发所需的投入。这些机器学习模型的结果表明，在收集或选择用于训练投入估算模型的数据时，应优先考虑投入一致、变异性低的项目，并推荐对类似数据集使用 Stacking Regressor、Linear Regression 和 Voting Regressor 模型，因为这些模型在预测 BI 开发投入方面记录了最高的标准化准确率，且具有高度泛化性能。这些研究结果证明，将 COSMIC 作为软件工程标准应用于 BI 和数字营销分析项目具有重要意义，因为它提供了基于数据的测量方法，使决策能够依据数据而非直觉或猜测。