业务领域建模Domain Modeling

以您的工程实践项目为例，在深入理解需求的基础上进行业务领域建模Domain Modeling

♦ 1) Collect application domain information
– focus on the functional requirements – also consider other requirements and documents
♦ 2) Brainstorming
– listing important application domain concepts – listing their properties/attributes – listing their relationships to each other
♦ 3) Classifying the domain concepts into:
– classes – attributes / attribute values – relationships
• association, inheritance, aggregation
♦ 4) Document result using UML class diagram

最终画出业务类图，并说明业务类图中每一个类、属性、方法的来源，对于有关联类Association Class的情况要进一步给出关系数据库的模型。

记住：我们是对业务建模，不是对系统建模！

 

我的工程实践题目改成了《基于python的数据处理与分析系统的设计实现》。

业务描述：用户打开我们的系统，可以查看从网上搜集来的某个行业的产品信息，包括图表，文字，表格等信息，还能查看基于已有数据对产品未来价格走势的预测。

收集应用领域信息：

　　在目前的企业管理系统中，员工往往需要人工对接多个网站窗口，来获取有用的新闻、数据等。这样反复操作，需要耗费大量的人力物力，还容易因为员工的不规范操作而出错。利用该系统可以大幅度减小操作复杂度，提高效率与可靠度，节约成本。相比于国外，国内数据清洗研究起步较晚，理论研究较少。虽然国内许多行业在做数据清洗工作，比如保险、银行以及一些电子商务公司，但是因为利益及版权方面的原因，不会对外公布相关资料，国内数据清洗领域的研究还急需突破性发展。深入研究数据清洗，将面临的问题：一方面是在知识组织过程中很多非清洁的数据是很难被彻底清洗干净；另一方面，对非清洁数据的清洗可能造成部分知识的丢失或失真；再一方面，知识库中信息更新频繁，要同步执行非清洁数据的辨识与清洗将极大影响知识库系统的效率，以致知识组织的过程低效。

头脑风暴：

　　数据清洗：是指发现并纠正数据文件中可识别的错误的最后一道程序，包括检查数据一致性，处理无效值和缺失值等。与问卷审核不同，录入后的数据清理一般是由计算机而不是人工完成。

　　机器学习：是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径。