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(四)

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

SDLC角色


客户软件开发人员测试人员用户等角色在软件开发文献中都有特定的意义,尽管在其他环境中,跨功能开发团队可能会根据角色划分责任,但角色和责任是直接联系的。我们常见的一个例子是,在终端用户开发环境中,开发人员编写、测试并使用自己的软件,之后,开发人员、测试人员、用户或者客户也会接触到这些软件。SAS   终端用户开发人员通常是研究人员、分析专员、科学家及其他专业人员,在自己各自的行业内担任要职,其开发的软件是为了后期的工作。

利益相关人员指的是个人或组织在满足其需求和期望的系统或系统的某些特征中有直接相关的利益、股权或所有权。由于本书后面的部分会提到以下不同的利益相关人员,因此,读者应该根据环境的具体要求解读以下定义,有可能在你的开发环境中一人分饰多个角色,抑或没有某些角色。

赞助者指的是以现金或其他方式为项目提供资金支持的个人或组织。赞助者在本书中出现的频率较低,但作为软件的资金支持者,他们通常会提出对软件质量的要求。

客户指的是在设定或创建的系统中,需求得到满足的个人或团体。客户可能是产    品拥有者(AgileScrum环境中、项目经理、赞助者或其他提出需求的权威人物。这与其他软件开发文献不同,尤其是与Agile相关的文献不同,在这类文献中客户指的是软件的终端用户。

SAS从业人员 /开发人员指的是编写SAS代码的人。本书会交叉使用从业人员开发人员两个词汇,但更倾向于使“SAS从业人员,因为它涵盖了所有使SAS应用程序来编写 SAS软件以支持自己具体工作的专业人员。

软件测试人员运行质量保证功能以确定软件是否能满足要求及其他技术规格。测试人员可能是编写代码的开发人员,可能是一个独立的开发人员(如在软件同行评议,也可能是主要负责测试软件的个人或质量保证小组。

用户指的是使用项目产品的个人或组织在终端用户开发环境中,用户是编写该软件的 SAS从业人员 ;而在其他环境中,用户则可能是分析专员或其他使用SAS软件但不负责软件开发、测试或维护的利益相关者。

相关文章
|
20天前
|
运维 监控 安全
公司监控软件:SAS 数据分析引擎驱动网络异常精准检测
在数字化商业环境中,企业网络系统面临复杂威胁。SAS 数据分析引擎凭借高效处理能力,成为网络异常检测的关键技术。通过统计分析、时间序列分析等方法,SAS 帮助企业及时发现并处理异常流量,确保网络安全和业务连续性。
48 11
|
5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。
|
7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。
140 35
|
7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。
147 1
|
8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)
165 0
|
8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
133 0
|
8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
130 0
|
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?
|
5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!
97 2
|
2月前
|
机器学习/深度学习 算法 数据挖掘
数据分析的 10 个最佳 Python 库
数据分析的 10 个最佳 Python 库
102 4
数据分析的 10 个最佳 Python 库

热门文章

最新文章