要求仕様書の一貫性検証の話って多いよね・・・

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。

ビッグデータは「数字でウソをつく」ことに使われないか？

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。

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

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