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(三)

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

软件开发生命周期


SDLC    描述的是软件从雏形到终结的各个阶段。从更广泛的意义上来讲,SDLC也被称作系统开发生命周期,两个名词的缩写是一样的。行业内有许多对SDLC解读,图1-2 所示是一种比较常见的模式。

在许多数据分析和终端用户开发环境中,SDLC    都是不到位的,而且软件都是使用一种自由散漫的方法创建的,这种散漫的方法有时被称为牛仔式编码。尽管这不是什么缺点,而且也不考虑 SDLC 各个阶段是否正式确认或执行,ISO软件产品质量模型确实有益于这些宽泛的开发环境。由于本书会反复提到SDLC的各个阶段,因此,对正式开发环境缺少经验的读者需要学习与每个阶段相关的概念,这样才能在阅读本书的过程中将这些概念(即便不进行具体操作实践)运用到自己特定的环境中。规划。确定项目需求,进行高层次的讨论,如“创建还是购买”决定——确定开发软件,或购买解决方案或放弃项目。后续的讨论应该决定出既定软件的功能及性能,进而确定软件的目标质量。

image.png


1-2    软件开发生命周期

 

设计。讨论功能和性能,因为它们涉及技术实施。规划是围绕着需求展开的,而设计和后续几个阶段则是基于解决方案和软件的。谈到质量,我们需要构建具体、可评估的性能需求,而且如果需要进行正式的软件测试,则需要创建一个含有测试案例的测试计划。

开发。创建能满足项目需求的软件,包括配套的文件和其他相关产品。

测试。测试并调整软件,使其满足需求(如果测试计划存在,则对照测试计划中的测试案例及测试数据对软件进行测试

接受。软件经过测试满足既定的功能和性能目标,符合项目需求,并被利益相关人员正式接受。

运作。软件被具体运用到实践中,尽管软件的操作和维护是由不同的个人或小组负责,但软件的操作和维护是同步的。

维护。软件在实际的操作过程中需要进行维护和调整。我们会在第 13章“可维护性”中讨论各种维护,开发完成之后,用户(终端用户开发环境中、原始开发人员或支持软件维护的 O&M小组对软件进行维护。

终结。软件在某一时刻退出使用,被其他新的软件取代,然而这是由利益相关人员内部决定的,而不是由于软件质量较差或者无法满足功能与性能的要求而被撤回的。


尽管在一般的描述中 SDLC 包含的是独立的阶段,但各个阶段之间并不是完全孤立的,而是相互联系的。例如,在设计阶段,开发人员可能需要拿出几天的时间来做    一些开发工作,验证自己的某个理论,从而确定该理论是否能为软件项目提供可行的    解决方案     ;或者,在寻找软件漏洞或缺陷的测试阶段,开发人员可能需要仔细检查软件,包括重新设计和开发。因此,尽管SDLC 各个阶段代表了当前工作的中心和焦点, 但并不排除在每个阶段中掺杂其他阶段的工作。

 

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。
135 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。
109 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)
146 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
119 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
120 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!
79 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。
178 4