تکنولوژی

جایی که داده های بزرگ و توسعه نرم افزار برخورد می کنند

 

شرکت آمریکایی برای پاسخگویی به س questionsالات زیر در مورد عملیات تجاری ، کمپین های بازاریابی و سایر تصمیمات مهم مدیریت ، به تجزیه و تحلیل داده ها ، یادگیری ماشین و هوش تجاری روی آورده است:

 

مشکل چیه؟

چه اتفاقی می افتد بعدی؟

آیا موثر خواهد بود؟

برای اینکه به این سوالات به طور دقیق و به موقع پاسخ داده شود ، از برنامه نویسان خواسته می شود تا نرم افزاری با قابلیت استفاده از پتانسیل کامل Big Data تهیه کنند.

 

مراکز داده عظیم پر از اگزابایت (یک میلیارد گیگابایت) سوابق معامله ، اطلاعات مالی ، عادات مرور ، فعالیت رسانه های اجتماعی و داده های تلفن همراه بدون برنامه نویسی توسط توسعه دهندگان نرم افزار برای تسهیل روند تجزیه و تحلیل ، توانایی ندارند. بنابراین توسعه دهندگان می توانند به نوبه خود از تجزیه و تحلیل های پیش بینی کننده برای یافتن و برطرف کردن سریع اشکالات و کارآیی تر آزمایش محصولات / نرم افزار استفاده کنند.

 

توسعه دهندگان مشتاق می توانند برای موقعیت های برنامه نویسی در سازمان های سنگین داده یا ارائه دهندگان خدمات ابری با مدرک کارشناسی ارشد در توسعه نرم افزار آماده شوند. با وابستگی بیشتر شرکت ها به تجزیه و تحلیل داده ها ، توسعه دهندگان با مدرک تحصیلات تکمیلی و دانش کامل از زبان ها و فن آوری های برنامه نویسی Big Data همچنان تقاضای زیادی دارند.

 

همکاری و ساده سازی

توسعه نرم افزار یک فعالیت مشارکتی است و بیشتر و بیشتر به ارتباطات بین بخش ها ، مدیران و حتی شرکت های رقیب متکی است. به همین دلیل ، مسیر جدید شغلی DevOps در حال تبدیل شدن به یک زمینه ترسناک است. پرسنل DevOps (عملیات توسعه) ادغام نرم افزار را با ابر و سیستم عامل های مختلف به طور خودکار انجام می دهند ، برنامه و آزمایش محصول را تسریع می کنند و کارهای توسعه را انجام می دهند.

 

Seth Robinson ، مدیر CompTIA ، در روزنامه نگار Mary K. Pratt ، "4" زمینه های فناوری با رشد بالا با بیشترین پرداخت ”در CIO.com.

 

رابینسون ادامه می دهد ، "برنامه نویسان برای کار راحت با طیف گسترده ای از فن آوری های مورد نیاز برای پشتیبانی از یک محصول - به اصطلاح توسعه دهندگان تمام پشته - به طور فزاینده ای تقاضا می کنند."

 

راه حل های نرم افزاری ابری ، مانند SaaS (نرم افزار به عنوان سرویس) ، با قرار دادن ویرایشگر متن کلاسیک ، کامپایلر ، اشکال زدا و سایر ابزارهای برنامه نویس در یک محیط توسعه یکپارچه (IDE) ، کل فرایند توسعه نرم افزار را تسریع می کند. علاوه بر این ، اکنون برنامه نویسان تشویق می شوند تا از طریق اشتراک گذاری منبع باز در مخازن ، از برنامه های اثبات شده یا عناصر برنامه استفاده مجدد کنند. GitHub یکی از محبوب ترین این مخازن است.

 

دانشمند جورج کیلاکتولوس و دیگران در "مروری بر سیستم عامل های توسعه مبتنی بر ابر" در وب سایت مرکز اطلاعات ملی بیوتکنولوژی می نویسد: "انتقال خدمات و برنامه های اصلی به ابر ، تقاضای جدیدی برای توسعه نرم افزار تولیدی ایجاد کرده است." "مفاهیم و فن آوری های ابر یک بستر ارزشمند برای پشتیبانی از محیط های توسعه نرم افزار" در ابر "برای ابر" فراهم می کنند ، زیرا آنها می توانند منابع کافی محاسبه شده برای توسعه و آزمایش کد و مخازن کد را برای پشتیبانی از همکاری توسعه دهنده فراهم کنند. بهره وری نرم افزار

 

 

تجزیه و تحلیل پیش بینی و تست نرم افزار

برنامه نویسان برای شرکت هایی که در داده ها سر و کار دارند بسیار ارزشمند هستند. و تجزیه و تحلیل داده ها نیز در کارهای برنامه نویسی سنتی گنجانده شده است. اساساً ، حرکت ادامه دار Big Data بر همه جنبه های صنعت نرم افزار تأثیر می گذارد.

 

از توسعه دهندگان خواسته می شود تا سیستم های تجزیه و تحلیل پیش بینی را برنامه ریزی کنند که می تواند به طور یکپارچه در برنامه های نرم افزاری و فرآیندهای تجاری مستقر شود. سرویس های وب و مدل سازی پیش بینی کننده برای جلب داده های صحیح ، طبقه بندی مناسب آنها و اجرای الگوریتم هایی که بینش مورد نظر تصمیم گیرندگان یک شرکت را تولید می کنند ، به برنامه نویسان متکی است.

 

"فرایندهای تجزیه و تحلیل پیش بینی خودکار به آزمایش کنندگان کمک می کند تا تأثیر تغییرات ایجاد شده در مرحله توسعه را در کل چرخه توسعه نرم افزار درک کنند ، میزان آزمایش مورد نیاز برای تولید حداقل محصول مناسب را شناسایی کنند و مناطق متمرکز را برای آزمایش بر اساس بازخورد از تولید شناسایی کنند رابرت الشیر ، نویسنده فناوری ، در مقاله وبلاگ خود "چگونه تجزیه و تحلیل پیش بینی چگونه ایجاد نرم افزار را مختل می کند" در TechBeacon.com گفت:

 

عجله در تأمین نیازهای نرم افزاری Big Data منجر به جریان مداوم محصولات نوآورانه و سطح همکاری غیرقابل شنیده می شود. رقابت پایین نگه داشتن قیمت ها است بدون اینکه کیفیت و عملکرد را تضعیف کند.

 

دانیل اریکسون ، مدیر استراتژی محصول در مقاله MBTMag.com خود با عنوان "تجزیه و تحلیل مقرون به صرفه است که قدرت داده های بزرگ در دستان SMB. "

 

اریکسون ادامه می دهد: "این باعث ایجاد فعالیت و خلاقیت بیشتر با استفاده از منبع باز (به عنوان یک همکاری عمومی و به صورت آزاد در دسترس) ، به اشتراک گذاری اطلاعات و توسعه مشارکت بین شرکت ها می شود ،" این هجوم در رقابت داغ ، به نوبه خود ، باعث کاهش قیمت ها و مقرون به صرفه سازی تخلفات تجزیه و تحلیل اقتصادی (پیش بینی) برای SMB ها (مشاغل کوچک و متوسط) می شود. "

 

توسعه دهندگان نرم افزار همچنین از تجزیه و تحلیل پیشگویی برای ترکیب دو رویکرد تست که به طور سنتی توسط برنامه نویسان استفاده می شود ، استفاده می کنند: تست شیفت چپ و شیفت راست. آزمایش Shift-چپ زودتر از مراحل توسعه با هدف افزایش کیفیت اولیه و کاهش اشکالات و نقص نرم افزار انجام می شود. تست شیفت راست ، نظارت ، آزمایش و به طور مداوم سعی در بهبود نرم افزار پس از انتشار دارد.

 

سانجی زالاوادیا ، متخصص داده ، در مقاله "چگونه می توان از تجزیه و تحلیل های پیش بینی برای بهینه سازی تحویل نرم افزار استفاده کرد" در CIODive.com می نویسد: "تجزیه و تحلیل پیش بینی ، عملی است برای استخراج اطلاعات مفید از مجموعه داده ها با استفاده از الگوریتم های آماری و یادگیری ماشین به منظور پیش بینی روندها و الگوهای رفتاری." ، "هنگامی که برای آزمایش نرم افزار اعمال می شود ، تجزیه و تحلیل پیش بینی تشخیص آنچه را که باید آزمایش کرد و پیش بینی مسائل مربوط به کیفیت قبل و بعد از تولید ، آسان تر می کند."

 

تجزیه و تحلیل داده ها و توسعه نرم افزار به تدریج و به تدریج با یکدیگر آمیخته می شوند ، زیرا قابلیت های تجزیه و تحلیل و نرم افزار بالغ می شود. چرخه توسعه و آزمایش ، تجزیه و تحلیل و ترکیب بینش تجزیه و تحلیل ، اکنون زمان مناسب برای استخدام به عنوان یک برنامه نویس است.