建模的误区(转)

建模的误区

关键字:
建模  贴文时间
2001-11-8 14:56:59  文章类型:
翻译  给贴子投票
投票
  luckygao    翻译  出处: http://www.sdmagazine.com/documents/s=844/sdm0108k/0108k.htm

建模的误区
走出一般性的设计误区,迈向成功之途
作者:Scott Ambler (scott.ambler@ronin-intl.com)
原文:http://www.sdmagazine.com/documents/s=844/sdm0108k/0108k.htm
译注:本文翻译未征得作者同意,仅作练习。
无论你遵从的是重量级的方法,比如Enterprise Unified Process(EUP),还是轻量级的开发过程,如Extreme Programming(XP),建模在软件开发中都是不可或缺的。但不幸的是其中充斥着各种谬误与迷思。这来自于各个方面,有从理论家错误的研究、数十年来信息技术领域内的文化沉积、软件工具开发商天花乱坠半的市场宣传以及象Object Management Group (OMG)和IEEE这类组织的标准。这个月,我要揭示建模中的误区,指出其相应的事实真相。
误区一:建模就等于是写文档
这很可能是其中最具破坏力的一条,因为开发人员可以此为借口而完全放弃建模。许多优秀的软件开发人员会说他们不想把时间浪费在这些“无用的“文档上。他们沉溺于编码之中,制造着一些脆弱而劣质的系统。另外,甚至于许多尽责的开发人员现在也认为建模是一件讨厌的事,而不愿去学习相应的建模技术。
事实分析:“模型”与“文档”这二者在概念上是风马牛不相及的—你可以拥有一个不是文档的模型和不是模型的文档。一幅设计图就是一个模型,而不论是被画在餐巾纸的背面,或写在一块白板上,或在Class Responsibility Collaboration(CRC)卡片中,还是根据记录在报纸和便签纸上的流程图而生成的一个粗略的用户界面原型。虽然这些都不能说是文档,但他们却都是有价值的模型。
建模很象是作计划:作计划的价值在于计划编制的过程中,而非计划本身;价值体现在建模的活动中,而非模型本身。实际上,模型不是你系统中的一部分正式的文档,而且在完成它们的使命后可以被丢掉。你会发现值得保留的只有很少的模型,而且它一定是非常完美。
误区二:从开始阶段你可以考虑到所有的一切
这种说法流行于二十世纪七十年代到八十年代早期,现今的许多经理都是在那个时候学习的软件开发。对这一点的迷信会导致在前期投入可观的时间去对所有的一切建模以期把所有一切都弄正确,试图在编码开始前就“冻结”所有的需求(见误区四),以致于患上“分析期麻痹症”

时间: 2024-09-12 08:05:54

建模的误区(转)的相关文章

走出Win7虚拟内存设置的误区

什么是虚拟内存?它有什么作用? 内存在计算机中的作用至关重要,电脑中所有运行的程序都需要经过内存来执行,如果执行的程序很大或很多,就会导致内存消耗殆尽.为了解决这个问题,Windows运用了虚拟内存技术,将一部分硬盘空间来充当内存使用,虽然硬盘的运行速度不能与内存相比,可是容量却要比内存的容量高出许多.其作用在于可将一些读取到内存中却暂时不用的数据转移到虚拟内存中,这样便可释放出内存的空间,将有限的内存空间去继续存放未被读取的数据,以缓解内存的紧张. 常见的Win7下虚拟内存设置的误区 1.虚拟

大数据和Hadoop时代的维度建模和Kimball数据集市

维度建模已死? 在回答这个问题之前,让我们回头来看看什么是所谓的维度数据建模. 为什么需要为数据建模? 有一个常见的误区,数据建模的目的是用 ER 图来设计物理数据库,实际上远不仅如此.数据建模代表了企业业务流程的复杂度,记录了重要的业务规则和概念,并有助于规范企业的关键术语.它清晰地阐述.协助企业揭示商业过程中模糊的想法和歧义.此外,可以使用数据模型与其他利益相关者进行有效沟通.没有蓝图,不可能建造一个房子或桥梁.所以,没有数据模型这样一个蓝图,为什么要建立一个数据应用,比如数据仓库呢? 为什

大数据到底怎么学:数据科学概论与大数据学习误区

"数据科学家走在通往无所不知的路上,走到尽头才发现,自己一无所知."-Will Cukierski,Head of Competitions & Data Scientist at Kaggle 最近不少网友向我咨询如何学习大数据技术?大数据怎么入门?怎么做大数据分析?数据科学需要学习那些技术?大数据的应用前景等等问题.由于大数据技术涉及内容太庞杂,大数据应用领域广泛,而且各领域和方向采用的关键技术差异性也会较大,难以三言两语说清楚,本文从数据科学和大数据关键技术体系角度,来说

大数据处理专家SAP HANA,SAP HANA十大误区

在当今大数据时代,如果你还不知道SAP HANA,那只能说明你OUT了.SAP HANA是一个软硬件结合体,提供高性能的数据查询功能,用户可以直接对大量实时业务数据进行查询和分析,而不需要对业务数据进行建模.聚合等.对于一些对SAP HANA听说但不是很了解的客户来说,从字面理解上会存在很大的误区,下面我们就来一起分析一下SAP HANA十大误区: 1. 数据库平台的作用 错误观点:内存数据库只能做一些事情,如MOLAP,运行报告,查询和分析,规划和预算编制,以及发现非结构化信息. 正确观点:S

跳出大数据分析误区

"我知道每样从货架上移走的商品,我知道拥有会员卡的消费者的很多信息, 但是,当我们在货架上摆上与消费者购买的商品类似的产品时,并没有看到预期的收入增长."这是为什么? Big Data,大数据,是基于人们在因特网和社交媒体的种种行为而形成的量化信息.随着此类数据的逐步激增,激发起公司.学界和媒体利用这些数据的渴望.其中,公司的高管们十分着迷于通过客户的活动细节(如他们跟谁联系,喜欢什么等)来发现客户的购买倾向.而通过计算机的分类.过滤和建模,可以使基于互联网的数据分析成为现实,更刺激了

“忘掉大数据”之“建模术”:数据挖掘还原用户的生活场景

继续"术"篇,"术"篇将包含数据收集.数据管理.建模.网站分析.个性化推荐.场景应用.数据升温理论等,这些都是笔者擅长的领域,在长期的实践过程中,形成了个人独特.务实的理解和方法. 建模无疑是大数据里面最艺术的部分,也是最令大数据从业者痴迷.得意的领域,一个好的模型就是一篇作品,是一首诗,令人心旷神怡.建模.模型并不是什么新鲜事物,它们早已出现在很多场合,譬如"产品模型"."推荐模型"."营销模型".&qu

美国数据科学家:重视非结构化数据分析 走出两大“经典”误区

虽然基本上国内大部分公司,言必提"大数据",但是对于大部分CIO.CTO们来说,对数据的分析仍然停留在过去的阶段:对于非结构化数据分析的成熟度还远远落后于结构化数据. 但是现在移动端所带来的爆发式增长给大数据从业者带来了非常大的挑战,这些数据有很多是非结构化数据,充斥了人们交流的空间,相应的,对非结构化数据的分析也变得越来越重要--对非结构化数据进行分析.提取出有价值的东西,成为CIO.CTO们最关注的问题. 但是目前,很多人仍有非结构化数据分析等同于舆情分析的粗暴认知. 非结构化数据

业务流程分析BPA与业务流程管理BPM的误区

在我与最终用户的沟通过程中,我发现人们对业务流程分析(BPA)和业务流程管理(BPM)套件的认识还存在误区.软件供应商所说的业务流程管理(BPM)是广义概念,究竟业务流程分析(BPA)和业务流程管理(BPM)的区别是什么?业务流程管理(BPM)是如何产生的? 早期的业务流程管理(BPM) 在20世纪80年代,企业运用业务流程再造(BPR)理念来改进生产力,提高服务质量和成本效益.为此,企业对其内部流程进行了彻底的革新.由于很多企业使用业务流程再造(BPR)进行了机构重组,所以人们通常认为在这些大

浅析政务大数据要易涉的三大误区

大数据的广泛应用及其背后蕴藏的巨大潜力和价值,使得其成为了国家重要的战略资源.积极推动"大数据"的建设,促进政务大数据的发展已是必然.但是在政务大数据的建设过程中,还需要避免这三个误区: 1.大数据不等同于开放数据 由于目前尚无对"大数据"的标准界定,因此在大多人将开放数据等同于大数据,将任何"大"的政府数据集的发布都当作是大数据.但事实上,很多开放数据只是离散的"小数据",并不具备大规模.未经处理和非结构化等大数据的基本特征