第2章 前置条件：历史数据准备、利益相关方对齐、工具环境

2.1 适用场景

本章适用于以下三类典型场景，团队在进入RICE数值校准工作流之前必须逐项核对：

• 首次建立校准基线：团队从未系统化校准RICE数值，需要从零搭建数据基础与协作流程。
• 历史数据质量重建：已有评估数据但缺失值过多、格式不统一或置信度标注丢失，需要回退到前置阶段修复数据。
• 利益相关方更替>：关键决策人、数据负责人或工具运维角色发生变动，需重新对齐校准目标与环境配置。

2.2 前置条件

在执行本章操作前，团队必须已具备以下基础条件，否则应暂停推进：

• 至少完成 1 个完整评估周期 的RICE原始数据采集（含 Reach、Impact、Confidence、Effort 四项原始值）。
• 产品/技术/运营三方已口头同意启动校准，并指定对接人。
• 基础计算资源（数据库或数据仓库）可正常访问，至少分配 1 名数据工程师支持。

2.3 操作步骤

本章包含三个并行工作流，建议由不同角色同步推进以缩短准备周期。

1. 历史数据收集与清洗：从源端导出原始RICE评估表，完成缺失值填充、异常值剔除、格式统一与置信度标记恢复。
2. 利益相关方识别与对齐>：绘制干系人图谱，组织校准目标对齐会议，输出书面确认书。
3. 工具环境搭建与验证：部署/配置数据分析环境、校准平台与协作工具，通过功能测试用例。

步骤 2.3.1 历史数据收集与清洗

数据工程师按照以下规范处理原始数据集：

import pandas as pd
import numpy as np

# 加载原始RICE评估数据
df = pd.read_csv("rice_raw_assessments.csv")

# 缺失值处理：Confidence 缺失直接剔除，其他字段用中位数填充
df = df.dropna(subset=["confidence"])
df["reach"].fillna(df["reach"].median(), inplace=True)
df["impact"].fillna(df["impact"].median(), inplace=True)
df["effort"].fillna(df["effort"].median(), inplace=True)

# 异常值剔除：effort 为负数或 reach 大于 10^9 视为异常
df = df[(df["effort"] > 0) & (df["reach"] < 1e9)]

# 恢复置信度标记：将已校准的历史记录标记为 calib=1
df["calib_flag"] = np.where(df["confidence"] > 0.7, 1, 0)

# 输出清洗后数据集
df.to_csv("rice_cleaned.csv", index=False)
print(f"清洗完成，保留记录数: {len(df)}")

步骤 2.3.2 利益相关方识别与对齐

PM 负责组织干系人图谱绘制与对齐会议，输出物为《校准目标确认书》。

• 识别范围：产品决策人、技术负责人、数据负责人、运营代表、QA 代表。
• 对齐议题：校准周期、数值上下界、Confidence 阈值、争议裁决机制。
• 确认方式：会议纪要 + 电子签署，存档至指定协作空间。

步骤 2.3.3 工具环境搭建与验证

运维/数据工程师负责环境交付，并执行以下验证命令：

# 验证 Python 数据分析环境
python3 -c "import pandas, numpy, scipy; print('ML stack OK')"

# 验证数据库连接（以 PostgreSQL 为例）
psql -h calib-db.internal -U rice_user -d rice_calib -c "SELECT COUNT(*) FROM assessment_raw;"

# 验证校准平台 API 可用性
curl -s -o /dev/null -w "%{http_code}" http://calib-platform.internal/health

2.4 输入输出物

类型	输入物	来源	输出物	去向
数据	原始RICE评估表	评估系统/Excel	清洗后数据集（rice_cleaned.csv）	校准计算模块
文档	干系人名单	PM 提供	《校准目标确认书》（签署版）	校准档案库
环境	工具清单 & 权限申请	技术团队	就绪环境验证报告	运维档案

2.5 责任边界

角色	责任内容	交付物	验收人
数据工程师	数据导出、清洗、质量验证	清洗后数据集 + 数据质量报告	数据分析师
产品经理 (PM)	干系人识别、对齐会议组织、确认书签署跟进	《校准目标确认书》	技术负责人
运维/数据工程师	工具环境搭建、权限配置、功能验证	环境验证报告	QA 代表
技术负责人	仲裁争议、审批环境变更	变更审批记录	PM

2.6 记录材料

以下材料需归档至项目 Wiki 或指定文档库，保留至少 2 个校准周期：

• 数据清洗日志：含原始记录数、清洗规则、剔除/填充记录明细。
• 对齐会议纪要：参会人、决议事项、遗留问题及负责人。
• 环境验证报告：每项工具的验证命令、输出截图、通过/失败结论。
• 权限变更记录：涉及数据库、API、协作空间的权限开通清单。

2.7 异常处理

前置阶段常见异常及应对方案如下：

• 数据缺失超过 40%：暂停清洗，回溯数据采集流程，补充采集后再进入清洗。
• 干系人拒绝签署确认书：由技术负责人或高级PM介入，重新对齐校准目标；若仍无法达成，推迟校准周期。
• 工具环境兼容性失败>：记录错误日志，切换至备用环境（如 Docker 容器或预发布环境），并在 1 个工作日内修复。

2.8 验收标准

三个工作流全部完成后，由 QA 代表逐项检查以下指标，全部通过方可关闭本章：

检查项	验收标准	验证方式
数据完整率	≥ 95%（缺失 + 异常率 ≤ 5%）	运行数据质量脚本，输出报告
干系人确认率	100%（所有识别干系人均签署确认书）	核对签署名单与干系人图谱
工具功能通过率	100%（所有验证命令返回正常）	执行环境验证报告中的测试用例
文档归档完整度	4 类记录材料全部归档	检查 Wiki 目录结构