جايي که داده هاي بزرگ و توسعه نرم افزار برخورد مي کنند

جايي که داده هاي بزرگ و توسعه نرم افزار برخورد مي کنند

شرکت آمريکايي براي پاسخگويي به س questionsالات زير در مورد عمليات تجاري ، کمپين هاي بازاريابي و ساير تصميمات مهم مديريت ، به تجزيه و تحليل داده ها ، يادگيري ماشين و هوش تجاري روي آورده است:

مشکل چيه؟

چه اتفاقي مي افتد بعدي؟

آيا موثر خواهد بود؟

براي اينکه به اين سوالات به طور دقيق و به موقع پاسخ داده شود ، از برنامه نويسان خواسته مي شود تا نرم افزاري با قابليت استفاده از پتانسيل کامل Big Data تهيه کنند.

مراکز داده عظيم پر از اگزابايت (يک ميليارد گيگابايت) سوابق معامله ، اطلاعات مالي ، عادات مرور ، فعاليت رسانه هاي اجتماعي و داده هاي تلفن همراه بدون برنامه نويسي توسط توسعه دهندگان نرم افزار براي تسهيل روند تجزيه و تحليل ، توانايي ندارند. بنابراين توسعه دهندگان مي توانند به نوبه خود از تجزيه و تحليل هاي پيش بيني کننده براي يافتن و برطرف کردن سريع اشکالات و کارآيي تر آزمايش محصولات / نرم افزار استفاده کنند.

توسعه دهندگان مشتاق مي توانند براي موقعيت هاي برنامه نويسي در سازمان هاي سنگين داده يا ارائه دهندگان خدمات ابري با مدرک کارشناسي ارشد در توسعه نرم افزار آماده شوند. با وابستگي بيشتر شرکت ها به تجزيه و تحليل داده ها ، توسعه دهندگان با مدرک تحصيلات تکميلي و دانش کامل از زبان ها و فن آوري هاي برنامه نويسي Big Data همچنان تقاضاي زيادي دارند.

همکاري و ساده سازي

توسعه نرم افزار يک فعاليت مشارکتي است و بيشتر و بيشتر به ارتباطات بين بخش ها ، مديران و حتي شرکت هاي رقيب متکي است. به همين دليل ، مسير جديد شغلي DevOps در حال تبديل شدن به يک زمينه ترسناک است. پرسنل DevOps (عمليات توسعه) ادغام نرم افزار را با ابر و سيستم عامل هاي مختلف به طور خودکار انجام مي دهند ، برنامه و آزمايش محصول را تسريع مي کنند و کارهاي توسعه را انجام مي دهند.

Seth Robinson ، مدير CompTIA ، در رومه نگار Mary K. Pratt ، "4" زمينه هاي فناوري با رشد بالا با بيشترين پرداخت ”در CIO.com.

رابينسون ادامه مي دهد ، "برنامه نويسان براي کار راحت با طيف گسترده اي از فن آوري هاي مورد نياز براي پشتيباني از يک محصول - به اصطلاح توسعه دهندگان تمام پشته - به طور فزاينده اي تقاضا مي کنند."

راه حل هاي نرم افزاري ابري ، مانند SaaS (نرم افزار به عنوان سرويس) ، با قرار دادن ويرايشگر متن کلاسيک ، کامپايلر ، اشکال زدا و ساير ابزارهاي برنامه نويس در يک محيط توسعه يکپارچه (IDE) ، کل فرايند توسعه نرم افزار را تسريع مي کند. علاوه بر اين ، اکنون برنامه نويسان تشويق مي شوند تا از طريق اشتراک گذاري منبع باز در مخازن ، از برنامه هاي اثبات شده يا عناصر برنامه استفاده مجدد کنند. GitHub يکي از محبوب ترين اين مخازن است.

دانشمند جورج کيلاکتولوس و ديگران در "مروري بر سيستم عامل هاي توسعه مبتني بر ابر" در وب سايت مرکز اطلاعات ملي بيوتکنولوژي مي نويسد: "انتقال خدمات و برنامه هاي اصلي به ابر ، تقاضاي جديدي براي توسعه نرم افزار توليدي ايجاد کرده است." "مفاهيم و فن آوري هاي ابر يک بستر ارزشمند براي پشتيباني از محيط هاي توسعه نرم افزار" در ابر "براي ابر" فراهم مي کنند ، زيرا آنها مي توانند منابع کافي محاسبه شده براي توسعه و آزمايش کد و مخازن کد را براي پشتيباني از همکاري توسعه دهنده فراهم کنند. بهره وري نرم افزار

تجزيه و تحليل پيش بيني و تست نرم افزار

برنامه نويسان براي شرکت هايي که در داده ها سر و کار دارند بسيار ارزشمند هستند. و تجزيه و تحليل داده ها نيز در کارهاي برنامه نويسي سنتي گنجانده شده است. اساساً ، حرکت ادامه دار Big Data بر همه جنبه هاي صنعت نرم افزار تأثير مي گذارد.

از توسعه دهندگان خواسته مي شود تا سيستم هاي تجزيه و تحليل پيش بيني را برنامه ريزي کنند که مي تواند به طور يکپارچه در برنامه هاي نرم افزاري و فرآيندهاي تجاري مستقر شود. سرويس هاي وب و مدل سازي پيش بيني کننده براي جلب داده هاي صحيح ، طبقه بندي مناسب آنها و اجراي الگوريتم هايي که بينش مورد نظر تصميم گيرندگان يک شرکت را توليد مي کنند ، به برنامه نويسان متکي است.

"فرايندهاي تجزيه و تحليل پيش بيني خودکار به آزمايش کنندگان کمک مي کند تا تأثير تغييرات ايجاد شده در مرحله توسعه را در کل چرخه توسعه نرم افزار درک کنند ، ميزان آزمايش مورد نياز براي توليد حداقل محصول مناسب را شناسايي کنند و مناطق متمرکز را براي آزمايش بر اساس بازخورد از توليد شناسايي کنند رابرت الشير ، نويسنده فناوري ، در مقاله وبلاگ خود "چگونه تجزيه و تحليل پيش بيني چگونه ايجاد نرم افزار را مختل مي کند" در TechBeacon.com گفت:

عجله در تأمين نيازهاي نرم افزاري Big Data منجر به جريان مداوم محصولات نوآورانه و سطح همکاري غيرقابل شنيده مي شود. رقابت پايين نگه داشتن قيمت ها است بدون اينکه کيفيت و عملکرد را تضعيف کند.

دانيل اريکسون ، مدير استراتژي محصول در مقاله MBTMag.com خود با عنوان "تجزيه و تحليل مقرون به صرفه است که قدرت داده هاي بزرگ در دستان SMB. "

اريکسون ادامه مي دهد: "اين باعث ايجاد فعاليت و خلاقيت بيشتر با استفاده از منبع باز (به عنوان يک همکاري عمومي و به صورت آزاد در دسترس) ، به اشتراک گذاري اطلاعات و توسعه مشارکت بين شرکت ها مي شود ،" اين هجوم در رقابت داغ ، به نوبه خود ، باعث کاهش قيمت ها و مقرون به صرفه سازي تخلفات تجزيه و تحليل اقتصادي (پيش بيني) براي SMB ها (مشاغل کوچک و متوسط) مي شود. "

توسعه دهندگان نرم افزار همچنين از تجزيه و تحليل پيشگويي براي ترکيب دو رويکرد تست که به طور سنتي توسط برنامه نويسان استفاده مي شود ، استفاده مي کنند: تست شيفت چپ و شيفت راست. آزمايش Shift-چپ زودتر از مراحل توسعه با هدف افزايش کيفيت اوليه و کاهش اشکالات و نقص نرم افزار انجام مي شود. تست شيفت راست ، نظارت ، آزمايش و به طور مداوم سعي در بهبود نرم افزار پس از انتشار دارد.

سانجي زالاواديا ، متخصص داده ، در مقاله "چگونه مي توان از تجزيه و تحليل هاي پيش بيني براي بهينه سازي تحويل نرم افزار استفاده کرد" در CIODive.com مي نويسد: "تجزيه و تحليل پيش بيني ، عملي است براي استخراج اطلاعات مفيد از مجموعه داده ها با استفاده از الگوريتم هاي آماري و يادگيري ماشين به منظور پيش بيني روندها و الگوهاي رفتاري." ، "هنگامي که براي آزمايش نرم افزار اعمال مي شود ، تجزيه و تحليل پيش بيني تشخيص آنچه را که بايد آزمايش کرد و پيش بيني مسائل مربوط به کيفيت قبل و بعد از توليد ، آسان تر مي کند."

تجزيه و تحليل داده ها و توسعه نرم افزار به تدريج و به تدريج با يکديگر آميخته مي شوند ، زيرا قابليت هاي تجزيه و تحليل و نرم افزار بالغ مي شود. چرخه توسعه و آزمايش ، تجزيه و تحليل و ترکيب بينش تجزيه و تحليل ، اکنون زمان مناسب براي استخدام به عنوان يک برنامه نويس است.

جايي که داده هاي بزرگ و توسعه نرم افزار برخورد مي کنند