带你读《SAS数据分析开发之道 软件质量的维度》第二章质量2.3SDLC的质量(一)

简介: 带你读《SAS数据分析开发之道 软件质量的维度》第二章质量2.3SDLC的质量

SDLC的质量


我们在第1软件开发生命周期部分介绍过SDLC 的各个阶段。在SDLC 中,最好将质量添加到软件中,包括在编写代码之前的软件规划过程也要考虑到质量。在    一个非常简单的例子中,假设我们需要对一个数据集进行分类以保留独特的观察结果。类似这样的功能性需求(但显然更加复杂在软件项目中出现的频率是非常高的,而且大多数情况下,项目开始只介绍功能性目标。

但是行业和公司目标、其他规定和标准及总体的软件目标规定软件必须完成的操作及必须实现的程度。性能目标包括软件预期的运行方式,但是,性能目标在软件生命周期中会发生变化,初期目标和要求应该看作是潜在的软件性能需求。表2-1示为软件规划过程中考虑加入性能时会与性能相关的问题。

2-1常见的目标和问题

 

性能目标

性能问题

可靠性、使用寿命

软件能运行一次、多次还是使用周期较长

可靠性、稳健性

如果出现故障,软件会带来风险吗

效率、运行效率

软件有资源限制或运行时间限制吗

可扩展性

输入的数据集有多大,可以不断扩大吗


 

 

续表

 

性能目标

性能问题

可移植性

软件能够在 SAS 的不同版本或在不同的操作系统中运行吗

复用性

软件的组件将来能重复利用吗

可测试性

软件应该以可测试的形式编写吗,例如,是否要使用一个正式的测试计划

 

只有清楚功能性和性能方面的问题,利益相关者才能真正地理解软件及其复杂性。一旦在规划阶段确定了软件真正的需求,接下来就可以讨论其他类似创建还是购买之类的问题。例如,编写(修改SAS软件是将数据集分类还是从第三方销售商购买此功能?

正式设计阶段的另一个优点是能够重新定义和优先考虑项目的需求,即便是比较    小的软件项目,也仅需要   1   小时的时间进行讨论。在最初的场景中,最终的目标是通过分类识别独特的观察值。然而,SAS     指数无须对数据进行分类即可完成这一目标,因此,设计阶段可能会讨论提出的技术解决方案的优缺点。规划和设计阶段的区别在    于规划阶段注重需求,而设计和开发阶段关注解决方案和软件。因此,软件规划阶段    应确定和理解客户的需求和目标,但达成这些目标的具体的技术性方法会随着时间的    推移慢慢出现。

 

相关文章
|
3月前
|
数据采集 存储 监控
数据驱动开发:如何将数据分析融入开发流程
【8月更文挑战第14天】数据驱动开发是一种高效、智能的软件开发方法论,它通过将数据分析深度融入开发流程中,实现了精准决策、提升效率和持续改进的目标。为了成功实施数据驱动开发,团队需要明确数据需求、设计合理的数据架构、集成数据收集工具、实施CI/CD流程、进行数据分析与决策支持以及建立反馈循环机制。同时,还需要应对数据质量、技术和组织与文化等挑战。通过不断努力和实践,团队可以逐步建立起完善的数据驱动开发体系,推动产品不断迭代升级和业务持续增长。
|
5月前
|
存储 弹性计算 DataWorks
云端开发与数据分析的强强联合
通过这次方案的搭建和使用,我更加确信阿里云产品组合是企业数字化转型的强大助力。我鼓励大家积极探索和尝试这些服务,以发掘它们在实际业务中的潜力和价值。我深刻体会到了阿里云产品组合的强大能力和灵活性。它们不仅帮助我们解决了实际问题,还为未来的发展提供了坚实的基础。我强烈推荐其他企业和开发者尝试这样的产品组合,以提升开发效率和数据处理能力。
128 35
|
5月前
|
存储 数据挖掘 索引
Python streamlit框架开发数据分析网站并免费部署
使用Python的Streamlit框架,开发了一个在线数据分析工具,替代Excel查看设备温度CSV数据。通过pandas读取数据,matplotlib绘制图表。程序处理CSV,提取所需列,计算最大最小平均值,用户可多选查看特定数据。[GitHub](https://github.com/yigedaigua/MGHB)上有完整代码,应用已部署至Streamlit Cloud。
|
6月前
|
数据可视化 数据挖掘 Python
基于Python开发的Excel数据分析系统(源码+可执行程序+程序配置说明书+程序使用说明书)
基于Python开发的Excel数据分析系统(源码+可执行程序+程序配置说明书+程序使用说明书)
144 0
|
6月前
|
机器学习/深度学习 数据挖掘 BI
推荐一款 Python 数据分析报告开发与分享神器
推荐一款 Python 数据分析报告开发与分享神器
117 0
|
6月前
|
机器学习/深度学习 数据采集 人工智能
Python可以应用于多个领域,如Web开发、数据分析、机器学习等
Python可以应用于多个领域,如Web开发、数据分析、机器学习等
118 0
|
SQL 数据采集 数据可视化
数据开发模块中的SQL和数据分析模块中的SQL查询
数据开发模块中的SQL和数据分析模块中的SQL查询
176 1
|
数据挖掘
怎么理解数据分析、维度和指标?
怎么理解数据分析、维度和指标?
|
机器学习/深度学习 人工智能 算法
Python编程入门基础及高级技能、Web开发、数据分析和机器学习与人工智能
Python编程入门基础及高级技能、Web开发、数据分析和机器学习与人工智能
175 0
|
数据挖掘 索引 Python
python开发:空气质量历史数据分析(四)
python开发:空气质量历史数据分析(四)
153 0
python开发:空气质量历史数据分析(四)