一个需求价值评估的方法——靶图

简介:

一个项目会有很多需求,但这些需求通常并不是有相同优先级的。这就说明,这些需求的价值,有差异。为什么会有这样的差异呢?

  我们的需求分析是基于原始需求的。原始需求通常很粗糙,只是客户和市场人员的直接描述,甚至连具体目标都不清楚。基于这样的资料,我们会进行分析,然后猜想用户的真正需求,围绕这些需求将我们能做到的提供给客户。通常,最终需求中会有很多需求点,并不是客户提出的,甚至并不是他们想要的。下面具体分析看看这些需求点吧。

  1、客户的真实需求。

  每一个软件产品或项目,都是为了解决一个问题或几个问题。这些问题就是这个软件的核心需求。即这个软件就是为了解决这个问题而诞生。这些既是需求,也是软件的目标,所以如果开发前没有目标,那么还是先不要动手的好。

  2、客户需求的延伸。

  直接需求通常还会衍生出一些间接需求,这些间接需求是为了更好的满足核心需求。甚至没有这些延伸,核心需求就无法完成。比如客户说,我们的系统需要登录。那么我们不但要做登录,还一定需要帐户管理功能。

  3、技术性需求。

  在具体的应用场合,软件的肯定会有一些技术性限制,比如网络带宽,显示分辨率,操作系统等等。这些都是我们必须要满足的,因为不满足,就无法让软件正常运作。

  4、我们能够提供给客户的。

  有些需求,我们能够做到,但用户未必需要,为了让软件显得功能丰富,一堆杂七杂八的东西就被提了出来。

  5、我们希望提供给客户的。

  我们经常希望客户除了按照他们的意愿提出功能外,还能够使用一些我们想提供给他们的功能。

  上面的这些需求,都经常在项目中出现。后面要讨论的是,这些需求对于软件产品价值的影响。

  从用户的角度来看需求,我们只是想要我们迫切需要的,能够直接为我们解决现实问题的。因为每一个功能都不白送,可是要花银子结帐的。所以丰富的功能,带来的就是丰富的账单,产品经理的热情未必能够让用户买账。

  这里,我们可以按照需求对用户的重要度,对需求点进行分类。

  1、 核心需求:用户遇到的直接问题,比如财务流程管理繁琐,效率低下。比如人工统计进销存效率低下,出错率高……总之,这些问题直接催生了软件的产生。

  2、必要需求:即为了更好的满足核心需求,不得不做的一些事。

  3、扩展需求:有了更好,没有也能用。但这些需求会对用户产生帮助。

  如果项目中,有些需求没有包括在上述三个范围中,那这些需求基本就是浪费工作量。还是别加在项目里了。

  为了更直观的看到需求点的价值,我设计了一种图——靶图。

  我们假设有如下需求:

  一个工厂为了提高办公效率,定制一套OA,需要有请假管理、日报系统和办公流程自动化、以及会议管理系统。

  那么可以有如下分析

  核心需求:加快办公流程——杜绝人情因素影响办公流程;将员工的请假和工作量透明化。减少不必要的会议。

  必要需求:帐户管理、权限管理;mail会议通知;数据报表;工作流;

  扩展需求:操作简单方便;界面美观;支持移动设备;

  一目了然的靶图就出来了。我们可以清楚的看到,哪些需求是最具客户价值的,那些是可有可无的。

  同时,软件产品的价值也取决于我们为客户解决了多少问题,而不是我们提供了多少功能。所以以客户的角度去分析,才能更客观的评价一个软件产品的价值。如果是自主研发的话,最好也虚拟一个客户的角色。换位思考哪些需求才是重要的。像超市一样买二送一的方式卖软件是不可取的,能够为客户解决多大的问题,软件就值多少钱。所以,专业,简单,关注焦点,才是软件开发中应该做的








====================================分割线================================



最新内容请见作者的GitHub页:http://qaseven.github.io/

目录
相关文章
|
测试技术 Docker 容器
自动化质量评估维度
上篇文章讲了下关于终端自动化的一个探索《终端自动化测试探索之路》,今天来聊聊关于自动化质量评估的维度,包括UI和接口。
647 0
|
2月前
|
机器学习/深度学习 算法 前端开发
瞄准核心因素:Boruta特征选择算法助力精准决策
瞄准核心因素:Boruta特征选择算法助力精准决策
138 0
|
8月前
|
测试技术
如何评估软件测试的质量风险?记住这5个核心关键点
如何评估软件测试的质量风险?记住这5个核心关键点
160 0
|
10月前
|
数据采集 存储 运维
基于数据全生命周期的数据资产价值评估方法及应用
数据资产价值评估是现代数据资产管理和运营以及数据流通的基础。基于数据全生命周期理论,从第一性原则出发,通过评估单张数据资产表的成本、数据管理以及数据应用价值,实现对单张数据资产表的系统性评估。利用数据仓库和图算法等技术,以层为单位,每层分摊,血缘路径继承,精确计算得到单张数据资产表的成本价值;然后利用层次分析法得到数据资产非经济因素权重,进而得到数据资产阶梯价值;最后通过实例分析验证了新方法的合理性和可行性。
|
数据采集 监控 供应链
谈谈生产过程数据的质量评估
在制造过程中,数据质量和产品质量一样重要。我们可以将ISO 8000中的数据质量评估应用到IEC62264中的制造过程中。
谈谈生产过程数据的质量评估
|
人工智能 供应链 安全
评估人工智能对业务影响
评估 AI 投资回报率虽具有挑战性,但至关重要。IT 领导者和行业观察家就如何清晰了解 AI 工作是否取得成效提出了以下见解。
|
大数据 监控 测试技术
数据快传对于企业的重要性!
随着大数据的使用对企业变得越来越重要,对他们来说更重要的是找到一种方法来分析在其环境中流动并赋予其意义的任何(更快)不断增长的不同数据。 为企业获取正确的信息 通过询问对业务重要的内容来关注正确的信息是获得更好的数据上下文的关键点。
960 0