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
在数据可视化领域,树状图(Tree Diagram)是呈现层级结构数据的核心工具——无论是电商商品分类、企业组织架构,还是数据挖掘中 ...
2025-11-17核心结论:“分析前一天浏览与第二天下单的概率提升”属于数据挖掘中的关联规则挖掘(含序列模式挖掘) 技术——它聚焦“时间序 ...
2025-11-17在数据驱动成为企业核心竞争力的今天,很多企业陷入“数据多但用不好”的困境:营销部门要做用户转化分析却拿不到精准数据,运营 ...
2025-11-17在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07