
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
PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12游戏流水衰退率:计算方法与实践意义 在游戏行业中,流水(即游戏收入)是衡量一款游戏商业表现的核心指标之一。而游戏流水衰退 ...
2025-08-12CDA 一级:数据分析入门的基石 在当今数据驱动的时代,数据分析能力已成为职场中的一项重要技能。CDA(Certified Data Anal ...
2025-08-12破解游戏用户流失困局:从数据洞察到留存策略 在游戏行业竞争白热化的当下,用户流失率已成为衡量产品健康度的核心指标。一款游 ...
2025-08-11数据时代的黄金入场券:CDA 认证解锁职业新蓝海 一、万亿级市场需求下的数据分析人才缺口 在数字化转型浪潮中,数据已成为企业核 ...
2025-08-11DBeaver 实战:实现两个库表结构同步的高效路径 在数据库管理与开发工作中,保持不同环境(如开发库与生产库、主库与从库)的表 ...
2025-08-08t 检验与卡方检验:数据分析中的两大统计利器 在数据分析领域,统计检验是验证假设、挖掘数据规律的重要手段。其中,t 检验和卡 ...
2025-08-08