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(五)

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

瀑布模型


瀑布式软件开发模型采用的是阶段式软件开发方法,各个独立的阶段是逐级进行    的。例如,图 1-3 所示为,规划阶段之后,再进入设计阶段,而所有的设计结束之后,才进入开发阶段。该方法通常称作大量预先设计BDUF,因为在最初的设计阶段,软件的最终形态就已经被充分预设,后续设计都要严格遵守设计理念。

image.png


1-3    瀑布模型

 

多年以来,瀑布模型一直被看作传统的软件开发模式,但 21  世纪初敏捷

Agile)软件开发模式的兴起,催生了一批新的软件开发人员,他们很幸运地没有被   呆板的瀑布模式浸染,因此,这一传统的模式也逐渐退出历史的舞台。瀑布开发模式经常受到抨击,因为它迫使客户要提前预测所有的商业需求,这降低了初期设计的灵活性    ;而且,软件产品也可能需要准时交付,但几周或几个月之后,客户的需求或目标可能早就已经转移了。因此,这就造成开发出的软件产品符合预设的需求,但无法满足当前的需要。

尽管当前的软件开发文献对瀑布模型进行了猛烈的抨击,但它仍有一个优点是SDLC    阶段分明,尽管各个阶段是强制进行的,但它的这个优点不可否认。例如,由于开发要以规划、设计为前提,所以软件开发人员只在充分考虑商业需求之后才编写软件,使软件能满足既定的目标。而且,由于所有的软件开发过程都在测试阶段之前完成,所以测试阶段能对照要求全面地审查软件的功能和性能。因此,尽管该模式比较呆板,但阶段分明的方法有利于控制SDLC 各个阶段的质量。

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