软件系统在当今世界已经有极其广泛的应用,大量新型的软件相关系统在不断地被开发和使用,譬如社会软件服务系统、软件生态系统等.与此同时,开放和自治的软件开发环境正在彻底变革软件的开发方法、过程.如何处理、理解和利用软件开发中产生的大量数据,使之可以促进新环境下软件质量的管理与改进,是我们面临的严峻挑战.经验软件工程正是这样一门学科,其研究内容涉及如何在软件工程的环境中获得经验数据、如何进行数据分析,从而提出假设并进行科学求证,最终指导软件过程和质量的改进.经验软件工程从观察、假设、分析到推导结论的方法，为解决开放、不确定性、大数据环境下的软件质量问题提供了有效的方法和途径。软件工程有其特殊性，主要表现在稀疏性、独特性、可解释性几方面。随着技术的发展、大数据时代的到来，可以从实践中获得海量的数据，但在大数据的环境下，再人工地理解每个项目的应用领域和最佳实践以获得对研究结果的解释将不太可能。要想从这些海量数据中把分散的隐藏的信息挖掘出来，就需要使用数据挖掘相关的技术和算法。与机器学习、社会化网络分析、数据挖掘、自然语言处理、信息检索等学科门技术的结合，可以帮助我们以更丰富的手段和方法获得有价值的信息，并建立有效的理论与预测模型。如何结合软件过程数据的自身特质，选用合适的、在已有的基础上改进的，甚至突破传统的数据挖掘和分析方法，将是非常重要和有意义的。