ウィリアムのいたずらの、まちあるき、たべあるき

ウィリアムのいたずらが、街歩き、食べ物、音楽等の個人的見解を主に書くブログです(たま~にコンピューター関係も)

要求仕様書の一貫性検証の話って多いよね・・・

2014-03-17 16:07:16 | Weblog
今、

第10回 要求工学ワーキンググループ東京サブワークショップ
http://www.fuka.info.waseda.ac.jp/rewg-sub/workshop/201403.html

を聞いていて、東芝ソリューションの人が

要求仕様書の検証手法の提案~アクターに着目した一貫性検証

というのを話していた。
全国大会でも、別の人が、似たような話をしていたんだけど・・
共通の話題にしたい話があるので・・・

・・・それは別エントリで書くとして、まずは、聞いてきた内容を
メモメモ




1.はじめに
顧客と開発ベンダ間の合意形成
・分かりやすく、漏れや不整合のない仕様書
良い要求仕様書
 2つの観点
   ・要求の種類が考慮されている
      機能要求
      非機能要求
     →仕様として定義すべきか
   ・要求の特性が適切な水準に達しているか
要求仕様書の2つの課題
 ・検証の品質にばらつきがある(属人性)
 ・膨大な仕様書:検証困難
 →べてらんのノウハウを抜き出す
  自然言語+検証ルール

アクターと一貫性

・アクターとは
  対象システムを利用する人、組織、他システム
→アクターの用語不一致によって重大なバグが発生する

・一貫性
  一貫性の自動化が有効:用語不一致の矛盾は大量に混在
  形式知化が可能

一貫性検証手法
・検証ルールを用いて要求仕様ないの用語間の不整合を指摘

ベテランのノウハウを形式知化する
  ・テンプレート
  ・メタモデル
  ・検証ルール

用語不一致検出ルール
  定義されている用語が仕様書内に別の表現記述されている場合
  その箇所を検出

定義漏れ検出ルール
  定義すべき用語が仕様書内で記述されている場合、利用されている
  記述箇所を検出

評価方法
・人手で
・システムで
・ルールの有効性評価
・システムと人手

再現率 87.1 共通部分÷人手
適合率 64.8 共通部分÷システム
(共通部分=人手でもシステムでも指摘)

考察
・一貫性検証に有効




で、話題にしたいのは、「用語不一致検出」なんですよ。。。
それを別エントリで書きます。


  • X
  • Facebookでシェアする
  • はてなブックマークに追加する
  • LINEでシェアする

ビッグデータは「数字でウソをつく」ことに使われないか?

2014-03-17 12:44:33 | AI・BigData
ビッグデータを使って解析をすれば、
なんか、ほんとのことが出てきたように思える
(思いたい。かねかけてるんだから)

でも、表示の仕方によっては、解析結果を
自分の都合のいいように表現して、
あたかもデータに基づいた論理に見せかけ、
恣意的に自分の主張を通せる。

たとえば、

一流プレゼンにみるグラフを使った内緒のテクニックとは?
http://fab-o.com/2014/01/fabo-blog-focus-compare/

で紹介されているようなかんじ。

こんなケース

2000年  100
2008年  600
2013年  300

という値だったとしよう。つまり、ピークからはかなり落ちている。
だけど、2000年と2013年の2つだけを書いて

「3倍の伸び!」

と書けば、市場は拡大し続けているように見える・・・
(実際は落ち目なのに・・・)




もうひとつ。

プレゼン界の大革命!この円グラフがすごい!
http://n-styles.com/main/archives/2014/03/11-013000.php


おやくそくとして、円グラフの面積とパーセントは合っている
のが前提ですが・・・その前提を崩してしまえば(^^;)

はじめのサイト、2つの事例が載ってますが、あとの事例もそうですね。
棒グラフ、2倍でも、棒の高さを4倍にしてしまえば・・・

・・・って、どっちもSBの例だね・・・




ビッグデータ解析は、一歩まちがえると、

こういう結論が見たいから、こういう数字を作ってくれ!
数字が作れないなら、図でごまかしてくれ

という「数字でウソをつく」方向に使われかねない。

  • X
  • Facebookでシェアする
  • はてなブックマークに追加する
  • LINEでシェアする

課題解決エンジンを支えるデータ処理システムと利活用事例

2014-03-17 09:07:22 | Weblog
3月13日、情報処理学会の第76回全国大会
の第一会場14:30からのイベント

ビッグデータ時代に立ち向かうイノベーティブなシステム開発
Agile BigData Cloud DevOpsのプラクティスから
司会 青山先生

の中の講演の1つ

課題解決エンジンを支えるデータ処理システムと利活用事例

を聞いてきたのでメモメモ




・Yahoo Japan Is 課題解決エンジン
 100を超えるサービス
   →あらゆるジャンルのビッグデータを保有
 ビッグデータはユーザーの課題解決につながる

・サービス改善(A/Bテスト)
 たて22ピクセルから28ピクセルに変えただけで、売り上げ5億/年アップ!

・パーソナライゼーション

・ターゲティング広告

・音声アシスト(音声認識、意図解析)

・感情分析(ネガポジ)

・ビッグデータレポート

・3.11 検索ワードで振り返る

■どのようなシステムでデータを処理しているのか

・収集
  アクセスログ
  マスタ
  ソーシャル
・格納、処理
  Teradata
  Hadoop
  Storm

・利活用

・Hadoop
  OSSの大規模分散処理システム
  MapReduce+HDFS
  YahooJapanの導入実績 3700台
   oozie,Hive,Pig
   マルチテナンシー

・Teradata
  商用RDBMS(大規模複雑なJOIN処理)
  高速にSQL実行
  アナリストが使う

・Storm
  Twitterが公開
  逐次流れてくるデータを即時に処理
    リンクのクリック速報など

全員がデータに触れることが重要
・データは一部の人だけのものではない
  5000人が1人でも多く、なんらかしらの形で
  データに触れて、課題解決につなげていく

・組織をまたいで課題に取り組む
  問題の共有

データでユーザーファースト

  • X
  • Facebookでシェアする
  • はてなブックマークに追加する
  • LINEでシェアする