BI大数据项目的0-1开展模型

下面为大家介绍BI大数据项目的开展使用的模型。

在软件工程的概念里面,对于一个信息系统项目,有几类开发模型。对于BI大数据项目而言,各种模型各有利弊,对于不同类的企业,也需要不同的开发模型进行数据化运营的实施。下面为大家介绍BI大数据项目的开展使用的模型。

下面我们可以结合各类软件开发模型进行讲解:

1、瀑布模型

瀑布模型的开发过程是通过设计一系列阶段顺序展开的,从系统需求分析开始直到产品发布和维护,每个阶段都会产生循环反馈。

BI大数据项目的0-1开展模型

对于瀑布模型而言,是每一个过程逐步实施,且每一个阶段都对前面阶段有所反馈,在我们实际BI项目实施的过程中,其实不太喜欢用这样的方式进行上线系统。因为,此类模型需要前期需要有非常完善的数据化运营规划,而对于目前大多数企业来讲,对于数据化运营的规划,不是那么完善,或者在实际的实施过程中,经常会有新的变动。且多数业务部门并没有太多的数据意识,甚至连BI是什么,大数据是什么都是一知半解。这种模型加大了实际实施需求调研的难度和时间。

2、快速原型模型

快速原型模型需要迅速建造一个可以运行的软件原型 ,以便理解和澄清问题,使开发人员与用户达成共识,最终在确定的客户需求基础上开发客户满意的软件产品。 此类模型会在BI项目实施过程中经常使用,但通常是结合着下面的罗螺旋模型进行使用。实际的BI过程中,为了加快项目进度,往往使用excel做图表,作为最终的原型逻辑确认。使用excel会比使用专业的Axure等工具更加便捷。对于专业的工具,我们可能会遇到各种各样的问题,例如在给领导汇报的时候,领导在他的电脑上并没有安装相应的插件。导致他无法打开相应的这样的一个工具,而且即使是生成相应的HTML文件,也会出现各种各样的问题 。如果我们将原型进行相应的服务器部署,往往也会出现安全性的一些问题。因而使用Excel作为原型工具是我们在一起实际BI项目中常用的一个选择 。

BI大数据项目的0-1开展模型

当然对于bi而言 ,其本身就是一个快速开发工具可以生成一定的模型,虽然刚开始可能没有经过美工的美化,也会相对较丑。但是至少可以一定程度上的表达业务逻辑的需求。且使用bi工具一次性生成的数据分析模型,在后续的开发过程当中可以复用。因而使用自家bi工具作为原型工具,也是bi数据分析项目当中的常用方法。

3、螺旋模型

螺旋模型是一种演化的开发过程模型,它兼顾了快速原型的迭代的特征以及瀑布模型的系统化与严格监控。螺旋模型最大的特点在于引入了其他模型不具备的风险分析,使软件在无法排除重大风险时有机会停止,以减小损失。我们在bi项目的实施过程当中,常常将螺旋模型和快速原型模型进行结合使用。因为在bi的项目当中,我们通常会把我们的业务数据分析分为每一个数据集,然后基于每一个相应的数据集生成我们的业务主题。 而对于每一个业务主题来说,我们都可以先进行开发实施。而同时,我们的需求调研工作又可以同步进行。这样就大大缩短了我们的项目周期。

BI大数据项目的0-1开展模型

4、增量模型

增量模型是把待开发的软件系统模块化,将每个模块作为一个增量组件,从而分批次地分析、设计、编码和测试这些增量组件。运用增量模型的软件开发过程是递增式的过程。对于增量模型,我们通常是在给企业规划bi的第二、三期项目的时候进行使用。对于大部分的企业而言,一个bi项目切忌贪多求大,一般都是先做进行数据的汇总和治理,进行数据仓库的建设。做相应的一些业务报表,做一些可视化的看板,作为第1期的内容。而增量模型则是为第2期、第3期做大数据规划进行准备的,尤其是在大数据现在发展的这么迅速的这样的一个情况下,这个模型就显得尤为重要。最新的人工智能的技术发展,一些深度学习的算法,将来都要纳入到数据化运营的进程中。

BI大数据项目的0-1开展模型

5、喷泉模型

喷泉模型(fountain model)是一种以用户需求为动力,以对象为驱动的模型。对于喷泉模型的运用,往往是自己本身有一定的开发能力的企业。基于需求进行驱动,而需求是实时变化的,而且会越来越多,如果利用三方资源来进行数据化运营的话,这种模型会在需求界定上很难达成一致,导致项目需求难以控制,导致项目失败 。

BI大数据项目的0-1开展模型

6、演化模型

演化模型是一种全局的软件(或产品)生存周期模型。属于迭代开发方法。和喷泉模型一样,演化模型对于企业自身的开发能力要求非常高,需要有专门的开发团队进行维护数据化运营的成果,而且会时时的变化需求。当然,对于自身有开发能力的企业来说,这样的模型是最贴近业务的模型。

本文由 张文迪 投稿至 数据分析网 并经编辑发表,内容观点不代表本站立场,如转载请联系原作者,本文链接:https://www.afenxi.com/80331.html 。

(1)
数据矿工的头像数据矿工专栏
上一篇 2020-07-25 00:36
下一篇 2021-01-18 19:23

相关文章

  • 一文了解数据挖掘知识体系及实践流程

    今天从实践应用的角度重新梳理一下“数据挖掘”,让您能够抛开概念了解本质!

    2019-06-11
    2
  • 东莞移动:“和信用分”用户信用体系

    长期以来,东莞移动在大数据分析方面一直有很深入的研究与实践,这次他们将运营商大数据与用户信用结合起来,挖掘海量移动用户数据的附加价值。

    2016-07-20
    0
  • 如何构建用户画像的数据建模?

    从1991年Tim Berners-Lee发明了万维网(World Wide Web)开始,到20年后2011年,互联网真正走向了一个新的里程碑,进入了“大数据时代”。经历了12、13两年热炒之后,人们逐渐冷静下来,更加聚焦于如何利用大数据挖掘潜在的商业价值,如何在企业中实实在在的应用大数据技术。伴随着大数据应用的讨论、创新,个性化技术成为了一个重要落地点。…

    2015-11-28
    0
  • 如何做好数据挖掘与数据建模的9条经验总结

    数据挖掘是利用业务知识从数据中发现和解释知识(或称为模式)的过程,这种知识是以自然或者人工形式创造的新知识。 当前的数据挖掘形式,是在20世纪90年代实践领域诞生的,是在集成数据挖掘算法平台发展的支撑下适合商业分析的一种形式。也许是因为数据挖掘源于实践而非 理论,在其过程的理解上不太引人注意。20世纪90年代晚期发展的CRISP-DM,逐渐成为数据挖掘过程的…

    2016-02-29
    0
  • FICO信用评分模型你知道多少?

    说到中国的银行风控,大家可能都会想到两个概念,一个是央行的征信系统,还是一个就是美国的FICO。 FICO的信用评分系统究竟有多牛?为什么世界100强银行中,就有三分之二在使用它,为什么在美国没有FICO的信用评分卡就会寸步难行呢?为什么几乎全中国的银行都在使用这个洋玩意儿? 今天小编就来揭秘FICO的信用评分模型,看看它究竟有何特别之处? 众所周知,美国的…

    2016-03-08
    0
关注我们
关注我们
分享本页
返回顶部