图 -5
图 -5 分析了漏测缺陷对用户造成的不同影响，如业务中断、系统崩溃、或设备相关问题等。例如，如果 “ 影响 1” 是设备相关问题，那么被测软件所在的硬件平台可能需要进行改进；同样，如果蓝色部分是高严重等级的影响类型，那么可以看出漏测是高严重等级影响类型的具体比例是多少。
通过前面示例的数据库工具，还可以输出大量其他图表，上面所举的两个例子只是最常用的两种分析图。
2、评价漏测分析效果
评价改进的效果需要有精确的数据和一致的分析报告，以下几个数据会被用到：
TFVUD 是用户发现缺陷数（Total Field Valid Unique Defects），即由用户发现的经过了确认的、非重复的、非用户错误操作的、非建议类型的所有缺陷；
PDD 是测试发现缺陷数（Post Development Defects），即在开发完成后的测试周期中发现的缺陷数，但它不包括那些向用户发布后发现的缺陷；
KLOC 表示千行代码。
利用上面数据可以得到以下分析数据：
● TFVUD
-------------------
千行变更代码 & 新代码
应当在产品全生命周期中测量上面的值，用作一个版本和另一个版本在相同时间检查点上进行比较的评价指标。例如，一个季度中， 2.0 版本的该测量值应该比 1.0 版本低。进行该项测量的目的是减少单位代码规模中用户发现的的有效问题数。
● PDD
-------------------
PDD+TFVUD
在产品全生命周期中同样应当测量上面的值，作为一个版本和另一个版本在相同时间检查点上进行比较的评价指标。例如，一个季度中， 2.0 版本的该测量值应该比 1.0 版本高。进行该项测量的目的是推动尽早地在开发过程中发现缺陷，从而降低缺陷的修复成本。
