BABOK - 方案评估和验证(Solution Assessment and Validation)概述

简介:

描述

  方案评估和验证描述如何评估被提议的方案,检查这个方法是否最合适满足业务需要,标识出不同方案间的区别和优先点,并且决定必须的工作区或者需要更改的地方。

目的

  评估方案,确保满足策略目标,涉众对需求满意

任务

  • 评估需求覆盖率(Assess Requirements Coverage)
  • 分配需求(Allocate Requirements)
  • 确定组织意愿(Determine Organizational Readiness)
  • 验证方案(Validate Solution)
  • 评价方案(Evaluate Solution)

任务:评估需求覆盖率(Assess Requirements Coverage)

  • 目的
    检查可能的方案是否满足需求,评定结果应该包括推荐的方案、排除的方案或者折衷的方案
       
  • 输入
    可选的设计方案
  • 输出
    设计方案评估

任务:分配需求(Allocate Requirements)

  • 目的
    把需求分派到发布或者方案组件中。这个任务确保可能的发布最大化的满足业务价值,并且可以由设计部门来处理。感觉有点类似与我们做需求优先级划分的工作。
    • 把需求归类到硬件、软件或者人工处理流程等
    • 推荐的产品发布策略
    • 明白在不同实现方法间的折衷处理
  • 输入
    • 方案设计
    • 验证的需求
  • 输出
    分配的需求

任务:确定组织意愿(Determine Organizational Readiness)

  • 目的

      确定组织对新方案执行的意愿

    • 执行组织意愿评估
    • 优化组织部署的推荐方法
  • 输入
    • 业务架构
    • 方案设计
  • 输出
    • 组织意愿评定(Organizational Readiness Assessment)
    • 组织变更建议(Organizational Change Recommendations)

任务:验证方案(Validate Solution)

  • 目的

      验证被确定和部署的方案是否满足业务需要:

    • 定义验收准则
    • 标识缺点
    • 分析影响
    • 定义校正动作
    • 验证校正动作
  • 输入
    • 确认的或部署的方案
    • 验证的需求
  • 输出
    • 验证的方案
    • 缺点影响分析(Defect Impact Analysis)
    • 验证的校正动作(Validated Corrective Actions)

任务:评价方案(Evaluate Solution)

  • 目的

      评估方案对业务的价值,比较实际和希望的成本和收益

  • 输入

      部署的方案绩效度量

  • 输出
    成本收益分析

 

更多内容:业务分析与需求.pdf 




 本文转自 jingen_zhou 51CTO博客,原文链接:http://blog.51cto.com/zhoujg/519760,如需转载请自行联系原作者


相关文章
|
28天前
|
机器学习/深度学习 人工智能 DataWorks
机器学习PAI常见问题之self-attention再target-attention如何解决
PAI(平台为智能,Platform for Artificial Intelligence)是阿里云提供的一个全面的人工智能开发平台,旨在为开发者提供机器学习、深度学习等人工智能技术的模型训练、优化和部署服务。以下是PAI平台使用中的一些常见问题及其答案汇总,帮助用户解决在使用过程中遇到的问题。
|
28天前
|
机器学习/深度学习 人工智能 分布式计算
机器学习PAI常见问题之配了exporter_type: "final",训练完却没有如何解决
PAI(平台为智能,Platform for Artificial Intelligence)是阿里云提供的一个全面的人工智能开发平台,旨在为开发者提供机器学习、深度学习等人工智能技术的模型训练、优化和部署服务。以下是PAI平台使用中的一些常见问题及其答案汇总,帮助用户解决在使用过程中遇到的问题。
|
存储 JSON 自然语言处理
multi-class分类模型评估指标的定义、原理及其Python实现
本文介绍multi-class分类任务中的模型评估指标及其使用Python的实现方式(包括使用sklearn进行实现,以及使用原生Python函数进行实现的操作)。 本文使用的示例是在英文多标签文本分类数据集AAPD数据集上,使用fastText包运算得到的多标签分类结果,与真实标签之间计算对应的指标结果(原则上使用one-label标签应该也能这么算,我就不另写了)。本文第一节将介绍相应数据的处理方式,第二节及其后是各指标的原理和计算方式。
multi-class分类模型评估指标的定义、原理及其Python实现
|
JavaScript 数据可视化 IDE
SAP 云平台多目标应用 Multi-Target Application 的开发技术介绍(一)
随着SAP云平台的出现,SAP云平台开发生态圈告别了过去单凭ABAP打天下的局面。
273 0
SAP 云平台多目标应用 Multi-Target Application 的开发技术介绍(一)
|
JavaScript Java Apache
SAP 云平台多目标应用 Multi-Target Application 的开发技术介绍(二)
随着SAP云平台的出现,SAP云平台开发生态圈告别了过去单凭ABAP打天下的局面。
200 0
SAP 云平台多目标应用 Multi-Target Application 的开发技术介绍(二)
ML之FE:基于load_mock_customer数据集(模拟客户)利用featuretools工具实现自动特征生成/特征衍生
ML之FE:基于load_mock_customer数据集(模拟客户)利用featuretools工具实现自动特征生成/特征衍生
ML之FE:基于load_mock_customer数据集(模拟客户)利用featuretools工具实现自动特征生成/特征衍生
SAP QM QP03显示一个含有Multiple Specs检验特性的检验计划
SAP QM QP03显示一个含有Multiple Specs检验特性的检验计划
SAP QM QP03显示一个含有Multiple Specs检验特性的检验计划
|
机器学习/深度学习
ML之Validation:机器学习中模型验证方法的简介、代码实现、案例应用之详细攻略
ML之Validation:机器学习中模型验证方法的简介、代码实现、案例应用之详细攻略
ML之Validation:机器学习中模型验证方法的简介、代码实现、案例应用之详细攻略