1 每个过程或阶段的进入、退出准则是否可以量化？
比如：
系统测试的进入准则是否可以修改为：静态检查的缺陷100%修改，退出准则修改为：投入的单位工作量不少1人天/kloc, 发现的缺陷不少于6个/kloc。
注意定义退出准则时，要考虑投入与产出两个维度，在满足了投入的前提下，要求产出结果如何，如上例。
2 关键过程、子过程或活动（如评审、测试过程等）的投入是否可以量化？ 产出是否可以建立性能基线，性能模型？
3 不同方法、不同技术、不同流程的优缺点是否可以采用统计的方法进行比较？
比如：
迭代开发与瀑布开发，做原型与不做原型，做详细设计与不做详细设计，做单元测试与不做单元测试，会议评审与邮件评审，手工随机测试与基于用例测试，自动化测试与非自动化测试等等，对工期、质量、成本的影响有多大差别？
4 项目前期活动的量化结果是否可以预测后期活动的结果？即建立的模型中，x为开发上游的因子，y为下游的结果。
如：当需求活动结束后，用需求阶段发现的缺陷个数预测设计阶段、编码阶段、交付的缺陷个数，从而为后期活动确定质量目标。
5 估算模型或方法的合理性是否能通过相关性分析等统计手段进行验证？
很多公司自定义了工作量估算方法，这种方法是否合理呢？需要把实际的工作量与估计的工作量或规模进行相关性分析，看看是否强相关！
6 项目工期的估计是否可以进行蒙特卡罗模拟？
对每个任务进行三点估算后，建立起任务的依赖关系，则可以对项目总工期进行蒙特卡洛模拟了！每个项目都会有工期目标，这个目标能否实现，可以通过模拟来预测。
7 项目目标的达成概率是否可以定量预测？
有性能基线的用性能基线来预测目标达成概率，有性能模型的则用性能模型来预测目标达成概率，二者都没有的，可以考虑采用蒙特卡罗模拟预测目标达成概率。
8 过程裁剪的结果是否有助于达成项目的目标，是否可以定量预测，而不仅仅是经验预测？
3级是基于经验进行裁剪，4，5级要思考是否可以通过过程性能模型、蒙特卡罗模拟判断过程裁剪的结果是否能有助于达成目标，以选择最优的过程设计结果。
9 过程改进的结果是否可以通过假设检验进行验证？
对均值与标准差都可以进行假设检验，以判断这种改进的结果是必然的，而不是偶然的！
10 是否可以通过统计的方法识别项目风险的识别？
工期的风险、质量与过程性能目标达成的风险都可以预测。参见6与7。
11 项目问题的识别是否可以通过统计的方法进行识别？
统计过程控制、预测区间可以帮助识别离群点，而不是仅仅靠经验，靠80-20原则识别问题。
12 多轮或多天测试发现的缺陷是否可以通过可靠性增长模型进行预测？
Gompertz模型是对测试累计缺陷进行趋势预测的利器，在我们的公司中是否可以使用？为什么不能使用？
13 过程改进措施的选择，是否可以通过统计的方法预测效果？（5级）
2-3级是凭经验识别改进点，有可能是误判，做了无用功，当我们有了历史数据，有了PPM以后，是否可以预测措施的有效性呢？有效则采纳，否则拒绝。
14 根因分析的措施是否可以通过统计的方法进行择优？（5级）
类似13，减少无用功。
15 通过统计的方法是否减少了做无用功？曾经简化了哪些过程、模版、度量元等？（5级）
高成熟度不是越做越复杂，而是越来越高效，体现在哪里了呢？
16 从3级到5级商业目标有哪些优化？（5级）
组织级的实际效果如何？能否通过商业目标的变化体现出来呢？
17 针对某个目标，是否可以从多个维度采用多种措施进行系统改进？（5级）
5级消除的是共性原因，单一的手段可能不显著，通常情况下需要多种手段并行，系统改进！
18 是否考虑引入新的工具？新的方法？新的技术才能提升组织级的性能呢？（5级）
要突破瓶颈，需要创新，而不是小修小改！
并非要求上述的所有问题都给出积极正面的回答，而是需要在改进时反思，在这些地方是否有变化？
