网上科普有关“用sa方法获得的需求说明书有四部分”话题很是火热，小编也是针对用sa方法获得的需求说明书有四部分寻找了一些与之相关的一些信息进行分析，如果能碰巧解决你现在面临的问题，希望能够帮助到您。
用sa方法获得的需求说明书有四部分如下：
1、结构化分析方法?结构化分析(Structured Analysis，SA)方法是一种面向数据流的需求分析方法，适用于分析大型数据处理系统。?
SA方法的分析结果由数据流图DFD、数据词典和加工逻辑说明几个部分组成，软件需求说明书(SRS)是需求分析阶段的最后成果。其中数据流图用来描述数据流从输入到输出的变换流程；数据字典是关于数据的信息的集合，也就是对数据流图中包含的所有元素的定义的集合。
2．Jackson方法?Jackson方法是由M．Jackson提出的，Jackson方法的基本思想和SD方法是一致的，但它不是面向数据流，而是面向数据结构的，在数据结构基础上建立程序结构。该方法特别适合于设计企事业管理一类的规模适中的数据处理系统。
?Jackson方法的基本步骤是：
1、建立系统的数据结构；
2、以数据结构为基础，对应地建立程序结构；?
3、列出程序中要用到的各种基本操作，再将这些操作分配到程序结构适当的模块中。
产品运营同学，如何正确的提数据需求?
数据标注方法主要有四类：分类法（Classification）、画框法（Bounding Box）、注释法（Annotation）、标记法（Tagging）。
1、分类法（Classification）
分类法是将数据分为不同的类别或类别集合的过程。标注者需要将数据样本分为预定义的分类或标签中的一类或多类。这种方法常用于图像分类、文本分类和情感分析等任务。例如，在图像分类中，标注者可以将图像中的物体分为不同的类别，如猫、狗、车等。
2、画框法（Bounding Box）
画框法是用于标记目标对象在图像或视频中位置的方法。标注者需要绘制边界框（bounding box）来框出目标对象的位置。这种方法常用于对象检测、目标跟踪和计算机视觉中。例如，在自动驾驶领域，可以使用画框法来标记道路上的车辆位置。
3、注释法（Annotation）
注释法涉及将详细的文本或图形注释添加到数据中，以提供关于数据的额外信息。这种方法通常用于文本数据、地图数据和医学图像等领域。例如，在医学图像中，可以使用注释法来标记肿瘤的边界和特征。
4、标记法（Tagging）
标记法是将标签或关键词与数据相关联的方法。标注者需要为数据添加描述性标签，以便搜索和分类。这种方法常用于文本数据、音频数据和社交媒体内容。例如，在社交媒体上，用户可以为自己的帖子添加标签，以便其他用户更容易找到相关内容。
数据标注的注意事项
1、明确定义标签：在开始标注之前，确保明确定义数据的标签和标准。标签应该清晰、一致，以避免歧义和混淆。
2、标注人员培训：为标注人员提供充分的培训，使他们了解任务的要求和标准。标注人员需要理解如何进行标注，并掌握特定领域或任务的专业知识。
3、标注规范：制定标注规范，明确数据标注的细节，包括标签的定义、标注方式、错误处理和不确定性处理等。规范应该是可操作的指南。
4、数据样本随机性：在进行分类或对象检测标注时，确保数据样本的选择是随机的，以避免偏见和过拟合。
5、质量控制：实施质量控制流程来监测和评估标注的质量。这可以包括审查标注示例、交叉验证和反馈回路。
6、标注一致性：不同标注人员之间的一致性是关键。使用多个标注人员进行独立标注，然后计算标签之间的一致性以评估质量。
日常工作里，数据产品经理往往会跟很多需求方打交道，在需求上跟各业务方「周旋」。目的都是为了让需求本身变得更加具体、合理，让需求的相关信息尽可能的透明、准确。保证需求在后续开发的执行效率，减少来回沟通的成本，以及降低返工的风险。
本篇具体聊一下，一个成熟的数据需求应该是什么样的（文中所涉及内容也在公司内部给相关业务方做过分享）。
一个数据需求，主要由四部分关键点组成：业务背景、明确问题、形成指标、需求分类。
1.1 业务背景：介绍业务背景
目的：核心是为了向数据团队产品或技术同学，同步需求背景。描述当前需求的业务背景，和想要利用数据解决的问题范围。因为从数据要解决的问题边界上，有些是数据没有办法能够解决的。而需求在提出的时候也需要注意 「多从全局考虑问题，而不是局限于某个小业务模块，避免重复造轮子」 。
常见问题：
需求没有业务背景描述，或背景描述空泛，这样造成的结果是：
1）数据产品同学无法评估需求合理性，无法在需求池需求列表进行优先级排序
2）无法评估是否有更好，更优的解决方案
1.2 明确问题：希望数据解决什么？
目的：为了更准确的明确需求本身是什么，希望数据来解决什么。通常分为三点：
1）业务形式：讲清楚业务方是什么业务，需求所属什么业务，例如订单相关，风控相关，供给相关，客服相关等
2）业务规模：业务自身的体量如何，产生的数据集合数据结果大概是什么量级。这有便于需求评估时候的技术选型做决策
3）业务周期：业务本身是长期业务还是试点的短期项目，是测试期内还是已经正式上线？这会决定需求的输出方式（邮件，报表，临时SQL提供等）
常见问题：
1）不提供业务的周期信息，造成原本应该用临时手段解决的需求转而用了资源消耗较高的方案，得不偿失
1.3 形成指标：构建指标*维度?
「指标」 指的是对业务量级描述的度量值， 「维度」 指的是观察度量值的视角。例如：“订单数，用户量，商品数”等属于指标；而“品类，省份城市，终端”等属于维度。
目的：如果是统计类型的需求，这一步可以将需求细化，具体到有哪些指标和哪些维度，这将直接决定技术同学在「实施」层面的标准。一个合理明确的数据需求务必需要写清楚：
1）指标：指标的业务描述，指标本身的统计逻辑
2）维度：从哪些视角观察度量值，维度在精不在多。同时维度的多少也将直接影响数据的计算和结果存储的成本，也是需求合理性的重要评判依据
常见问题：
1）没有维度，指标不全面。造成需求返工
2）指标无明确定义，计算规则。无法写计算逻辑
1.4 需求分类：明确输出方式
目的：描述的需求的分类，即业务同学想要实现的输出效果。需求的输出方案会分为几类：赋能型，离线展示型，实时监控型，专题分析型，临时需求
常见问题：
1)原本临时的需求要做成线上离线报表或实时监控，资源消耗高
2)可以一次得出结论的要求长期监控，投入产出回报率低
业务团队按照需求规范提供了需求后，传递到数据团队手中。由数据产品统一把关，若在一些技术问题上不能明确给出解决方案的，则需要拉上技术同学共同评估。整体围绕两方面展开：
2.1 需求要素：有数据，可执行，数据能够解决
我们在评估数据需求的时候需要明确一点「数据需求!=需求」，数据需求三要素：
1）有数据：有指标数据，且必须准确可靠
2）可执行：数据能落地，技术手段可实现
3）数据能够解决：数据需求所选指标可解决业务问题，考量需求落地性，产品最终结果是否可驱动业务动作
2.2 执行角色：谁解决
在事情的执行上，通常会有一些需求边界不清晰，而在一个组织里会因为事情边界的不清晰带来诸多问题。需求边界不清晰的体现通常表现为：原本该业务团队自行实现的，转而采用了消耗资源较大的数据专业团队的能力实现，这是一类「大刀砍小树」的现象，会造成没必要的资源浪费。
因此我们在划分需求边界的时候通常有如下规则：
1）数据团队：核心解决 “报表可视化、跨业务团队、基于 日志、量大” 类型需求
2）业务团队：
2.1)单一业务需求
2.2)线上实时数据需求 (接口)批量访问等场景 类型需求；举例:临时数据、自动邮件、关系型接口
以上
关于“用sa方法获得的需求说明书有四部分”这个话题的介绍，今天小编就给大家分享完了，如果对你有所帮助请保持对本站的关注！
本文来自作者[书生梦岚]投稿，不代表共度号立场，如若转载，请注明出处：https://goduck.cc/cshi/202503-13224.html
评论列表（4条）
我是共度号的签约作者“书生梦岚”！
希望本篇文章《用sa方法获得的需求说明书有四部分》能对你有所帮助！
本站[共度号]内容主要涵盖：国足,欧洲杯,世界杯,篮球,欧冠,亚冠,英超,足球,综合体育
本文概览：网上科普有关“用sa方法获得的需求说明书有四部分”话题很是火热，小编也是针对用sa方法获得的需求说明书有四部分寻找了一些与之相关的一些信息进行分析，如果能碰巧解决你现在面临的问...