以第一段舉例，用2200除以400個功能處理，可以得到這一段的平均規模，命名為小規模，每一段都按照這種處理方法，分別得出超大、大、中、小規模，四個分類（結果如本方法中第一個圖所示）。後續，再如同前一種方法，由度量人員對每一個功能處理判斷其規模即可。同樣地，這裡也需要制定客觀準則，以幫助度量人員判斷大小。這種方法比較適用於功能處理規模分佈不均勻的軟體（比如大部分功能處理都比較小，只存在少數比較大的功能處理），並且方法中通常推薦分為四段。

4）平均用例法

    這種方法與功能處理平均規模法類似，在度量功能處理、功能點的同時，需要同時度量用例個數，再去尋找它們之間的關聯關係。本例中，功能處理與功能點是8倍的關係，而每個用例相當於3.5個功能處理，那麼再對後續專案進行規模估算時，便可以直接根據用例個數得出結論。雖然這種方法看起來很簡單，但它的準確度可能最低。同時，這也要求公司應採用標準定義的模板來編寫用例，確保一致。

    需要注意的是，雖然近似估算可以幫助公司進行快速估算，但是這都要以歷史資料為基礎。首先，公司必須使用標準COSMIC方法對部分典型專案進行度量，然後根據上面介紹的近似估算方法找出關聯關係，後續當對未來專案進行度量時，便可根據這些關聯關係快速估算。當然，這些關聯關係也不是一成不變的，需要不斷使用實際資料進行校準，再時常更新，確保近似估算的結果儘可能接近實際值。

    很多公司在進行快速估算時，都希望可以有一些行業的標杆資料參考，這樣就不需要公司去進行資料積累，省去了不少工作量，而且可以直接上手。但是，每個公司都有自己的業務特點，也存在各式各樣的開發流程，而行業資料是相當於把每一家業內公司的資料進行概括、概括、再概括，從而提煉出全行業通用的資料，它對於每一個公司而言的準確性有多少呢？我們反過來考慮，所有業內公司都使用同樣的行業資料，那大家的估算結果都一樣嗎？答案也是否定的。所以，要擺脫掉不勞而獲的這種想法，沒有自己的資料積累，使用拿來主義的資料，你在享受方便的同時，它所帶來的誤差也是要必須接受的。