Evidence-based stakeholder identification: Managing conflict and its impact on requirements prioritisation

在复杂的软件构建世界中，最重要的人往往是最难寻找的。这些人被称为利益相关者（stakeholders），他们是塑造最终产品的客户、管理者和用户。如果团队遗漏了一个关键人物，软件可能会无法解决正确的问题，或者忽略关键风险。几十年来，寻找这些人一直是一个依赖人类直觉的过程，依靠项目经理的经验来猜测谁拥有最大的影响力。然而，随着项目规模变得越来越大且日益全球化，仅靠猜测已不再足够。挑战不仅在于找到这些人，还在于理解如何权衡他们相互冲突的意见。一个人可能认为某个用户至关重要，而另一个人则坚持认为该用户无关紧要。当这些主观观点发生冲突时，传统方法往往难以找到清晰的前进路径，让团队对谁才是真正重要的角色感到困惑。

来自阿尔梅里亚大学的一个研究小组提出了一种解决这一难题的新方法，他们不再依赖直觉，而是转向一种旨在处理分歧的数学方法。他们的工作聚焦于一个被称为“显著性”（salience）的概念，这简单来说就是一个人在群体中被感知到的重要程度或影响力。在他们的研究中，他们将不同人的意见视为证据，就像陪审团权衡证词一样。他们使用了一种被称为“证据理论”（evidence theory）的框架，这种方法最初是为处理不确定性而开发的，用于将这些主观评分合并成一个清晰的整体图景。研究人员不仅仅是在寻找共识；他们构建了一个专门用于管理冲突的系统。通过分析推荐者之间的分歧程度，他们的方法可以确定哪些利益相关者是项目真正的核心，而哪些只是边缘性的噪音。

为了测试他们的想法，研究人员将该方法应用于来自伦敦大学学院（UCL）RALIC 项目的一个真实世界数据集。该项目涉及合并图书馆和健身中心的使用系统，原团队已经确定了 18 个关键人物和 28 个角色。研究人员提取了一个推荐网络，其中数百人对他人的影响力进行了 0 到 10 分的评分。他们将这些评分输入系统，系统将其转化为关于谁最重要的一种共同信念。结果令人瞩目。在网络的一个版本中，他们的方法将潜在利益相关者的初始池减少了近 85%，根据所使用的特定数学规则，将名单缩减至仅 15 或 19 个关键个体。在另一个版本中，缩减幅度约为 70%。该系统成功地过滤掉了噪音，识别出了一个核心群体，其中既包括了原团队遗漏的人员，也确认了他们此前已怀疑的人员的重要性。

研究揭示了冲突与清晰度之间一种引人入胜的关系。研究人员发现，当提供推荐的人分歧较小时，系统可以就一个更小、更精确的关键群体达成一致。相反，当网络充满高度冲突时，系统会变得更加谨慎，识别出一个稍大的群体以确保不会遗漏任何重要信息。这种行为表明，团队内部的分歧水平本身就是一个有用的信号。研究人员还发现，人们表达偏好的方式至了一种极其重要的因素。他们测试了三种不同的获取输入的方式：按顺序排列项目、给出分数或分配固定点数。他们发现，这些不同的方法产生了显著不同的结果。例如，在一个存在高度冲突的网络中，从排序系统转变为评分系统，会完全改变哪些需求被视为最重要的。

或许最重大的发现是，选择特定人群来提供输入会改变项目的优先级。当研究人员将整个利益相关者群体设定的优先级与仅由他们识别出的“关键”利益相关者设定的优先级进行比较时，结果往往在统计学上是不同的。这意味着，依赖所有人的意见所导致的决策，可能与依赖最具影响力的人的意见所导致的决策不同。在某些情况下，“大众”优先考虑的功能是关键利益相关者并不在意的，反之亦然。研究表明，如果团队没有仔细筛选他们倾听的对象，他们就有可能构建出虽然满足了多数人、却未能满足那些真正驱动项目成功的少数人的软件。

研究人员总结道，他们的方法提供了一种实际且自动化的方式来识别应该倾听谁，将一个混乱、主观的过程转变为一个结构化、定量的过程。他们并未声称解决了软件开发中的所有问题，但他们证明了管理冲突不仅仅是平息分歧，更是利用冲突来精炼“谁才是关键人物”的名单。通过将利益相关者的意见视为可以组合和分析的数据，团队可以超越直觉，基于清晰的共识做出决策。这项工作强调了，在现代软件项目的复杂网络中，知道该听谁的，与知道该构建什么同样重要。这项研究提醒我们，通往成功项目的路径往往不是始于一份功能清单，而是始于对背后人类网络的精准理解。