开发过程中的八种确认方法
发布于 2024-10-04
1952
版权声明
我们非常重视原创文章,为尊重知识产权并避免潜在的版权问题,我们在此提供文章的摘要供您初步了解。如果您想要查阅更为详尽的内容,访问作者的公众号页面获取完整文章。
麦哲思科技任甲林
扫码关注公众号
扫码阅读
手机扫码阅读
确认活动是确保项目方向正确,满足客户需求的重要过程。它可以在项目的任何阶段进行,特别强调持续性和质量的前移。项目前期的确认活动侧重于需求的质量检测,而项目后期则是验证最终系统是否符合客户的实际需求。
在开发过程中,常见的八种确认手段分别为:
- 原型确认:通过构建系统原型,让客户判断其是否满足需求。
- COSMIC度量需求规模:应用COSMIC方法确保需求描述到可测试程度,明确数据对象、属性等,以避免需求模糊不清。
- 同行评审:让不同职能的同事评审需求文档,以多角度识别潜在问题。
- 编写测试用例:通过高层次的测试用例,确保需求的完备性和明确性。
- 增量交付:分步骤交付产品,早期获取客户反馈,避免最后阶段才发现问题。
- 模拟环境测试:在模拟环境中测试系统,检测可能的问题。
- 真实环境试运行:在实际环境中试运行,让客户体验以检查需求满足度。
- 系统上线后的反馈:收集客户在系统上线后的使用反馈,尽管时机较晚,但是它是确认系统满足需求的最终手段。
需要区分的是,代码走查、集成测试、静态扫描、设计评审等属于验证行为,并非确认活动。
麦哲思科技任甲林
麦哲思科技任甲林
扫码关注公众号
麦哲思科技(北京)有限公司总经理 敏捷性能合弄模型评估师 认证的Scrum Master 认证的大规模敏捷顾问SPC CMMI高成熟度主任评估师 COSMIC MPC,IAC 成员,中国分部主席
471 篇文章
浏览 829.7K
还在用多套工具管项目?
一个平台搞定产品、项目、质量与效能,告别整合之苦,实现全流程闭环。
查看方案
麦哲思科技任甲林的其他文章
使用ZenDAS进行Gompertz趋势分析
采用Gompertz预测缺陷总数是一个简单易用的模型,准确率也比较高。在ZenDAS中可以一键触发进行分析。
AI重构研发:不止是工具革新,更是全维度组织重塑
同时,度量的核心不再是“单一数据”,而是“数据背后的效能提升逻辑”——比如,通过分析AI辅助前后的工作数据,判断AI对整体研发效能、质量的提升幅度,进而优化AI与人工的配合模式。而AI的介入,彻底打破了这种固有模式——未来的研发工作,将是“人+AI结对协作”的全新形态。其实仔细梳理会发现,AI给研发领域带来的这五个维度的变化,并不是孤立存在的——文化变革是基础,组织结构变革是载体,流程变革是核心,考核评价机制变革是引导,度量体系变革是支撑,五者相互关联、层层递进,共同构成了AI时代研发工作的全新框架。
AI编程的三大痛点及其工作模式
文章浏览阅读436次,点赞7次,收藏7次。AI结对编程面临三大核心痛点:遗忘前期约定导致返工(痛点一)、擅自脑补需求细节造成偏差(痛点二)、使用陈旧API引发兼容问题(痛点三)。本文提出20种"懒人友好"工作模式精准应对:通过"回归校验+约束内化"防止遗忘,采用"思路先行+逆向评审"避免脑补,运用"伪代码翻译+红绿蓝测试"规避版本问题。特别推荐三大万能模式(约束内化、回归校验、红绿蓝)可同时缓解所有痛点。这些即插即用的方法无需增加工作量,能显著减少AI编程中的返工成本,
产品质量提升「两头钳」策略
文章浏览阅读490次,点赞11次,收藏4次。摘要:本文提出软件产品质量提升的「两头钳」策略,通过前端严控需求质量和后端把关测试用例,实现质量管控全流程贯通。前端重点规范需求描述、强化评审机制和建立可复用需求资产;后端强调测试设计的完整性、用例评审的严格性以及缺陷的根因分析。该策略将80%的质量问题前置解决,形成可追溯、可度量的闭环质量管理体系,显著降低返工成本,提升交付效率。实施建议包括小范围试点、工具链支撑和定期复盘优化,适用于各类软件开发模型的质量改进。
过程描述的方法
图片: 图片: 在CMMI模型中提供了一种描述过程元素的方法,包含了12个要素:• 过程角色(Process roles):哪些角色参与本过程的哪些活动,可以用角色-职责矩阵表示• 适用的过程和产品标准(Applicable process and product standards),包括企业内的或者企业外的• 适用的规程、方法、工具和资源(Applicable procedures, meth
加入社区微信群
与行业大咖零距离交流学习
PMO实践白皮书
白皮书上线
白皮书上线