带你读《SAS数据分析开发之道 软件质量的维度》第一章概览1.1引言(二)

简介: 带你读《SAS数据分析开发之道 软件质量的维度》第一章概览1.1引言(二)

终端用户开发


许多终端用户开发人员可能都不会把自己看作是软件开发人员,我在美国退伍军    人管理局精神科工作时第一次接触到    SAS,我的老师都是心理学家、精神病理学家、统计学家及其他研究人员。我们接诊病人,记录并输入数据,编写和维护我们自己 的软件,分析临床试验数据,就各种精神病主题展开调查并发表论文。尽管我们中一    半以上的人都进行过多种形式的数据分析,但我们中并没有一位真正意义上的程序     员。然而,由于我们首先是医生,其次才是研究人员,因此,对许多人来说,把自      己看作是软件开发人员的想法听起来非常奇怪。

实际上,这种身份认同危机正是我用SAS从业人员来代替专业人员称呼的原因,专业人员使用 BaseSAS语言开发软件,而我们这些人中大部分都认为自己只是软件开发人员(尽管我们可能会创建许多   SAS    软件。本书代表着我们向前迈出了一步,逐渐接受自己作为软件开发人员的角色——无论大小。

终端用户开发人员最大的优点是帮助行业专家设计软件——行业专家了解最终的   项目意图及数据。精神病医生不需要媒介来辅助传达技术性概念,因为他们自己就能    创建软件。同时,商业分析专员也不需要向开发人员传达终端商业需求及软件意图,    因为开发人员就是精神病医生——是行业内的专家。由于终端用户开发人员同时具备    行业知识及技术能力,因此,无须商业分析员或其他经纪人,他们就能够迅速实施技    术性解决方案满足企业需求。

相比之下,传统的软件开发环境通常有一个行业知识划分,在这一部分,我们必须要向软件开发人员说明高级项目意图及需求(开发人员缺乏行业专业知识同时又必须要向客户解释软件的技术信息(客户缺乏计算机科学或软件开发方面的技    术性专业知识。随着时间的推移,利益相关人员就需要扩展自己的工作角色,扩充      自己的知识,但如果操作不当,行业知识划分可能会导致交流障碍、软件意图或需求    的错误解读,造成软件功能较少或质量较低。在这些环境中,商业分析人员和其他经    纪人具有非常重要的作用,他们能够确保行业知识、项目需求及目标和技术需求之间    的顺畅交流。

传统的软件开发环境在某些方面的表现确实要优于终端用户环境。由于传统环境中的开发人员本身就是软件开发人员,因此,他们更有可能会接受软件设计、计算机技术、系统管理或其他技术领域方面的教育和培训。但终端用户开发人员(如临床医生或精神病理学家)可能缺乏相关的计算机专业知识来继续后续的工作,因此,他们可能想获得机会去学习软件开发的相关知识。例如,我在美国退伍军人管理局精神科工作时,接受的培训都是与病人护理、精神病学、隐私规则或其他一些医学重点学科相关的知识。我们阅读并撰写与精神病话题相关的刊物——但从来不会涉及软件开发的相关知识。

由于需要掌握较多的行业专业知识,并参加相关的教育和培训,因此,终端用户开发人员不大可能去使用软件开发领域已建立的最佳实践(而且在某些情况下,可能完全不了解最佳实践,如对软件开发生命周期SDLC的依赖、敏捷Agile)开发方法及性能要求——如国际标准化组织(ISO)软件产品质量模型中提到的那些性   能要求。因此,与传统软件开发人员相比,在软件开发最佳实践及软件开发环境中所提及的最佳实践方面,终端用户开发人员处于相对劣势。

为了克服终端用户开发环境内在的弱点,在该环境中操作的 SAS从业人员应该参加软件开发的学习与培训,完成自己的软件开发任务。回首自己在退伍军人管理局    精神科工作并创建出一些质量还算不错的软件时,如果我当时读过一些精神疾病诊断    与统计手册(DSM的案例研究,并多读一些 SAS 白皮书和计算机科学方面的图书, 那么我的技能(以及软件技能)会有很大提升。

 

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。
131 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。
100 1
|
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
118 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
119 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?
|
3月前
|
数据采集 数据可视化 数据挖掘
数据分析大神养成记:Python+Pandas+Matplotlib助你飞跃!
在数字化时代,数据分析至关重要,而Python凭借其强大的数据处理能力和丰富的库支持,已成为该领域的首选工具。Python作为基石,提供简洁语法和全面功能,适用于从数据预处理到高级分析的各种任务。Pandas库则像是神兵利器,其DataFrame结构让表格型数据的处理变得简单高效,支持数据的增删改查及复杂变换。配合Matplotlib这一数据可视化的魔法棒,能以直观图表展现数据分析结果。掌握这三大神器,你也能成为数据分析领域的高手!
71 2
|
3月前
|
机器学习/深度学习 数据采集 数据可视化
基于爬虫和机器学习的招聘数据分析与可视化系统,python django框架,前端bootstrap,机器学习有八种带有可视化大屏和后台
本文介绍了一个基于Python Django框架和Bootstrap前端技术,集成了机器学习算法和数据可视化的招聘数据分析与可视化系统,该系统通过爬虫技术获取职位信息,并使用多种机器学习模型进行薪资预测、职位匹配和趋势分析,提供了一个直观的可视化大屏和后台管理系统,以优化招聘策略并提升决策质量。
161 4