软考系统分析师·每日学习卡 | [日期：2025-06-23] | [今日主题：需求分析-案例学习]

一、今日学了啥？

需求管理完整工作流程案例（在线教育平台"错题本"功能开发）

1. 需求收集阶段

场景

某在线教育平台计划新增"错题本"功能，提升用户学习效率。

收集方法

• 用户调研：通过问卷收集300名用户反馈，80%用户希望有错题自动归集功能。
• 竞品分析：竞品A的错题本支持按科目分类，但无智能推荐；竞品B支持错题重做但无数据分析。
• 内部反馈：教学团队提出需关联知识点，运营团队要求统计使用频率。

2. 需求分析与建模

四层九要素拆解

• 业务目标层：提升用户留存率（目标）→ 增强学习闭环（手段）。
• 用户交互层：用例图核心参与者包括"学生用户""教师用户"，用例包括"提交错题""查看统计""智能推荐"。
• 流程层：绘制错题提交流程图（拍照→识别→分类→存储）。
• 状态层：定义错题状态（待处理/已分类/已解决/已忽略）。

UML工具应用

• 用例图：展示学生与系统交互的核心功能。
• 活动图：描述错题处理的全流程。
• 状态图：管理错题生命周期。

3. 需求优先级评估

评估模型

采用 MoSCoW 法则：

• Must-have：错题自动归集、分类功能。
• Should-have：智能推荐练习题。
• Could-have：错题导出功能。
• Won't-have：跨平台同步（暂缓）。

4. 需求规格说明

PRD文档核心

• 功能清单：错题提交、分类规则、统计报表、推荐算法。
• 非功能需求：响应时间 ≤ 1 秒，支持 10 万级题库。
• 异常流程：拍照识别失败时的重试机制。

5. 需求评审与确认

评审会议

• 参与方：产品团队、开发团队、测试团队、教学顾问。
• 关键讨论点：智能推荐算法的准确率阈值（最终定为 85%）。

输出文档

• 《需求规格说明书》
• 低保真原型

6. 开发与测试

开发阶段

• 技术选型：采用 TensorFlow Lite 实现轻量级图像识别。
• 接口定义：学生端 → 服务端 → 题库服务的交互协议。

测试阶段

• 单元测试：图像识别准确率测试。
• 集成测试：错题分类与推荐功能的联动验证。

7. 上线与迭代

灰度发布

先对内部员工开放，收集 70% 好评率后全量上线。

数据监控

跟踪"错题解决率""用户日均使用时长"指标。

迭代计划

3个月后增加"错题考点分析"功能。

---

二、重点/要记住的！

• 分层思维​​：
  • 需求需从业务目标→用户交互→流程→状态逐层拆解（四层九要素）。
  • 用例图定义功能边界，活动图描述流程，状态图管理数据生命周期。
• ​​需求验证​​：
  • 通过UML建模（用例图、活动图）确保需求无歧义。
  • 原型设计需覆盖核心场景，避免遗漏异常流程。
• ​优先级管理​​：
  • 使用MoSCoW法则平衡需求价值与开发成本。
  • 定期评估需求池，移除低价值需求。

---

三、今天的小收获/卡住的地方（1-2句话）

暂不涉及

---

四、明天学啥？

明天开始系统设计的部分

---

像实干家一样思考问题，像思想家一样付诸行动。

愿你我共同进步！