IFPUG估算法通过功能点分析，提供客观、统一的软件规模度量标准，有助于提高项目成本和进度估算的准确性，促进团队沟通，支持项目管理和生产力评估，提升软件开发过程的可控性与可预测性。若不遵循IFPUG估算法基本原则可能导致软件规模估算不准确，影响成本和资源规划的可靠性，忽略用户视角和功能性需求可能引发需求理解偏差，导致项目范围蔓延。
因此，在使用IFPUG估算法进行项目规模估算时，为确保估算的准确性，需要遵循以下原则：
1、基于用户视角
功能点估算需要基于用户视角进行测量和估算，是关于用户可见可理解的业务功能需求。我们需要衡量的是交付给用户的功能价值，而非技术实现，因为软件本身是为用户提供使用价值，满足用户的实际需求。如客户信息查询功能的估算，不考虑是通过 Web 界面还是 API 实现。
而功能点的分析要求，是将系统分解为用户可直接感知的功能单元，如事务处理、数据维护、报表生成等，避免从技术架构角度拆分功能。
2、功能性需求为主
IFPUG估算法关注的是软件系统的功能性需求，即系统能够为用户提供的具体功能和服务，而不是技术实现细节。
而非功能性需求，如性能、安全性、可维护性和易用性等，虽然对开发工作量有重大影响，但并不直接计入功能点计数。这些需求通常通过调整因子（如价值调整因子VAF）或单独估算来考虑。
3、标准化的功能计数规则
（1）统一的功能类型分类
IFPUG 将功能分为 5 类基本组件，每类有明确的计数规则：
（2）复杂度分级规则
每个功能类型根据处理逻辑复杂度分为低、中、高三个复杂度等级，不同等级对应不同的功能点权，以更准确地反映软件的实际规模。
4、独立性与一致性原则
每个功能点的计数应独立于其他功能，以避免重复计算。例如，信息录入和信息修改应被视为两个独立的外部输入（EI）处理，不能重复计算。
而同一组织或项目群需采用统一的计数规则，确保不同项目的功能点数据可比较。如对报表的定义需确定是否包含筛选功能，定义需保持一致性。
5、数据与逻辑分离原则
在IFPUG估算法中，数据与处理逻辑解耦。ILF 和 EIF 仅关注数据的逻辑结构，如数据实体、属性，不考虑数据的物理存储方式，如数据库表结构；而 EI/EO/EQ 关注处理逻辑，不涉及数据存储细节。
在估算过程中，我们应排除技术实现细节，如界面复杂度、算法效率等，而仅关注业务功能本身的价值。
6、应用边界原则
进行功能点计数前，必须明确定义应用边界。边界确定了哪些功能属于当前被度量的应用，哪些功能属于外部系统或用户。
而数据功能（ILF/EIF）和事务功能（EI/EO/EQ）的识别都严格依赖于这个边界，跨越边界的数据移动触发事务计数。
另外，为了提高项目估算的科学性和准确性，可以考虑使用AI估算工具。如Co-Project智能项目管理平台的AI自动估算功能或软件成本造价工具，通过多角度、多层级地调整影响因子（包括设置调整因子如软件估算时机、软件因素、开发因素，以及调整功能点值如复杂度、修改类型、复用程度等），实现了一键自动估算项目规模、生成产品报价的功能，从而提高了项目估算的科学性和准确性，使用这些功能能够节省15%-25%的开发成本。
总之，以上是关于IFPUG的估算的基本原则，明确基本原则并借助AI工具，有利于进一步提高规模估算的准确性。
