京公网安备 11010802034615号
经营许可证编号:京B2-20210330
浅谈分析师角色在大中型软件项目中的重要性
在很多中小型软件技术公司,对角色划分很不明确,对分析师角色中重要性意识很淡薄。
程序员往往扮演者多种角色,数据库工程师、程序员角色、分析师角色。现在我们举一个假设:假设一个百万中型软件项目,开发团队9个人,分成2组,每组设一个组长负责整个大功能模块的任务分解、技术攻关与团队协调作用。如果软件项目整个生命周期都遵循软件工程的规范,那么我相信最后的结果是软件的质量是有保证的。整个项目的开销的总量是节约的。
整个项目遵循软件生命周期需要的人员的安排软件需求调研阶段安排一名分析员与业务员一起分析需求,需求的分析确认花掉的时间为A,需求到设计过程的花掉时间为B,A+B整个过程花掉的是一名分析员的成本,假设A+B=3个月*6K=18K。
设计到编码过程花掉的时间为C,人力为7名,C=3个月*4K*7=84K.
测试到运行花掉时间为D,人力为2名,D=2个月*2*3K=12K。
共计成本为=18K+84K+12K=114K。
假设整个项目10名工作人员参与整个软件生命周期,整个软件生命周期成本一定会高于遵循软件工程的方法。项目参与整个软件生命周期的弊端:
1.需求理解的角度不同,形成的观点太多,干扰决策的思维,增加决策的难度。
2.多个人与用户沟通,同一个信息会发表多种看法,不能更好引导用户的需求的表达。
3.多个人参与分析,需求的撰写的风格不一样,统一风格浪费时间。
4.分工越细越能提供效率,粗略的分工不利于提高工作效率。
5.一个任务多个人合作,导致权责不明,权责不明就会引发赏罚不明,赏罚不明就会导致团队离心离德,最后项目就会走向失败。
分析阶段是项目最关键的阶段,假设分析阶段不能彻底,充分考虑需求,挖掘需求,软件设计阶段的稳定性就会很差,很差的稳定性就会导致设计最后是复杂性极高,最后几乎无法设计的结局出现。为什么分析阶段很关键,就是要软化软件设计阶段的不稳定性,提高设计的稳定性,才能保证软件设计的质量,保证整个软件生命周期的进度。
为了保证软件分析的充分性,系统分析员角色诞生。系统分析员角色的诞生,不是凭空产生,系统分析员的素质要求是很高的,是综合性高级人才。系统分析员应该是一个业务领域的专业,比用户\业务员更懂业务的人员,能够对用户的业务有前瞻性的人员,说白了就相当于组织的决策者。能了解组织的未来走势。系统分析员应该是一个擅长文字表达的语言家,能够将自己对业务的理解描述给用户,让用户理解。具备很高的交际能力。系统分析员是IT技术领域的专家,对IT领域的技术很了解,能懂得程序员的思维,能用程序员喜欢的图形与符号描述系统。系统分析员是一个了解软件开发规范的人员。能够规范的编写软件开发过程中的开发文档。能够编写规范的软件开发过程的开发文档对系统分析员是重要的素养。一个符合规范的文档,易于阅读,易于阅读的文档时易于理解的,易于理解,保证了信息歧义性降低,从而保证了软件的质量。同时文档时整个软件项目开发中团队人员沟通的桥梁。主要沟通是通过文档沟通,少部分是通过开会\语言交流沟通。语言\开会等其他方式的沟通是很需要时间的一种沟通模式。软件开发中尽量避免语言沟通,使用文档沟通。
最后,我想说明的是分析员在大中型软件项目扮演的角色是很重要的,希望项目经理对分析员角色的重视,当然选拔一个合格的系统分析员是最重要的,也是最难的一件事情。
此文章仅供参考,纯属个人观点。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-10在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-10在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01