前面已经介绍了逻辑图三元素中的“要素”和“逻辑”表达方式,最后一篇三元素的之三“模型”的表达方式。最后就是如何将要素、逻辑整合为一张具有说服力的“逻辑图”。通常在选择用什么形式的图形来表达研究对象时,往往会首选大家比较熟悉的图形,这个图的形式和表达的意图存在着约定俗成的关联,已经获得了大家的认同,这个图形就是模型。

有了要素、逻辑之后,为什么还有特别地说明模型呢?因为模型选择的正确与否会产生不同的结果

(1)模型选取的合适
则观者首先通过模型的外观就知道作者要表达什么意图、观者会按照模型的定义去确认作者的内容,比如:但观者看到的是“流程模型”,就知道作者展示达成某个目标的工作过程,他会沿着流程的起点研究工作的每个步骤。又如:如果观者看到的是“鱼骨图”,就知道作者要做一个归集的分析,给出因果关系的结论。

(2)模型选取的有误
当要素和逻辑表达都很准确时,如果把要素和逻辑整合在一起的载体选的不合适,则最终传递的意图还是会打折扣、或是将作者的意图表达错了。比如:当你要表达一个确定的工作目标、以及达成该目标工作步骤的前后顺序时,就应该首选“流程图”,如果你选择的不是“流程图”而是“思维导图”的话就可能图不达意了,因为用思维导图是表达可能哪些相关工作,而不是给出确定的工作前后顺序。

模型主要分为两大类型,即:分析模型、架构模型。

1.分析模型

■分析模型,是建立分析要素与推测结果之间的关联关系。
这里推荐的5种分析模型可以分为两类,第一类是在业内具有较高的认知度和使用频率、第二类是基于作者的实践经验设计而成,参见图1。分析模型有如下的特点:

图1 分析模型一览

*1.鱼骨图:由日本的石川馨先生所发明,故又名石川图,也可称之为因果图。
*2.思维导图:由英国的东尼博赞先生(Tony Buzan)所提倡。
*3.排比图:④和⑤由作者整理、设计。

1)①关联图
分析对象所包含的要素未必都具有可以结构化的特征,现实中有很多业务场景是非常复杂、耦合度高、难以拆分的,因此,模型①的引入主要是为了解决这类问题。关联图看似简单,实际是为理解和表现最复杂对象场景而引入的。

2)鱼骨图②与思维导图③
它们不但具较强的方向性,而且还可以自由、发散地收集相关的要素,并在使用中可以边拓展、边收集,在收集要素的过程中就完成了对要素的梳理。

3)排比图④⑤:
具有一定的结构化形式的模型,这样的模型易于给出分析成果的规律性、收敛方向等,在调研、分析的现场就有很好的实用性,可以比较容易地建立起分析结果与业务架构(流程图)之间的对应关系,加快分析与设计的速度。它是“分析模型”与“架构模型”之间的桥梁。

2. 架构模型

■架构模型,是表达符合业务逻辑关系的要素结构图。

1) 对模型的描述
这里推荐的5种架构模型可以分为两类,第一类是在业内具有较高的认知度和使用频率、第二类是基于作者的实践经验设计而成,参见图2。架构模型有如下的特点:

图2 架构模型一览

1) 拓扑图①
为了开拓读者的思路,这里导入一款具有可以响应扩展、灵活部署的架构模型,主要用来做最粗的规划设计,它不但可以用在一般的业务架构,也可以为未来参与软件设计做一些实用知识的铺垫。

2) 分层图②和框架图③
用于复杂对象的第1级、第2级划分,起到了从粗粒度的规划→细粒度的设计的过渡作用,属于架构图中做概要层次描述的表达方法。

3) 分解图④和流程图⑤
这两个模型是采用结构化架构方法的核心,它们的作用是承接中粒度架构结果并向下做进一步的细分,属于架构图中做详细层次描述的表达方法。

3. 两种模型的区别

分析模型与架构类模型有什么区别呢?构成分析模型中的要素不一定有明确的、精准的逻辑关系,由于这个阶段要素之间的因果关系不清晰,此时无法使用精准的逻辑表达。

分析类模型可以解决梳理、归集要素并给出分析结果的工作,但是分析模型不能直接用来做分析结果的解决方案,因为无法精准地表达逻辑关系,所以必须将分析得到的要素(业务、管理)融入到“业务架构(如:业务流程)”中,才能够发挥出作用。

分析模型与架构模型的目的不同,它们之间的区别,从图3的(a)、(b)两张图的对比可以看出,将实际的业务内容(要素)加入到模型中,观察图形的变化,

图3 分析模型与架构模型的区别

1)图(a)鱼骨图-成本超标问题 (分析模型)
分析(a)给出的分析课题是研究成本超标问题,可以看出鱼骨图上呈现的分析要素都是 “意见、想法、现象、建议等”内容,它们是在调研中客户使用的语言,而不是通常设计中使用的业务设计用语,所以,“鱼骨图”+“非业务设计用语(客户用语)”,是不能用来表达解决方案中的“业务处理、管理控制等”内容的。

2)图b.流程图-业务流程图(架构模型)
再看架构图(b)的内容,采用的都是业务设计用语(业务属性),图形是严谨的、结构化,清晰地给出了目标、方向、流程、步骤等信息,也就是说,图(b)模仿的是真实的业务形态,所以也必须使用真实的业务设计用语(要素),流程上所有的节点之间必须用合理的逻辑相关联,这样的架构图才能够用来做业务的解决方案。

分析模型可以表现分析成果、需要的功能等,但不一定能够表现出严谨的逻辑关系、可以执行的解决方案,所以分析与架构各自关注的是不同阶段的工作和结果,因此分析模型是不能够替代架构模型做架构图的。
虽然分析工作与架构工作的目的都是用要素来构成一张图,但作图的方法也是有别的:
□分析:是用“归集要素”的方法做图,归集后要素的承载结构是分析模型;
□架构:是用“组合要素”的方法做图,组合后要素的承载结构是架构模型;

■扩展说明
“模型”与“图”的区别
“模型”也是图,称之为“模型”的图揭示了某种事物对象的规律,这个规律具有一定的普遍性,所以模型可作为具有类似规律研究对象的参考。

一般称之为“xx图”的图形,只是表明对“xx”用图形来表达其含义,不强调它是否是一个具有代表性的“模型”。以生产流程图为例看两者的区分:

图4 生产流程图

□流程模型:给出了有规律性连续活动之间的关系表达图形(与业务领域无关);
□生产流程图:给出了用图形表达的“生产”过程、节点关系(与业务领域有关)
当然,如果这个生产行为在生产领域具有一定的代表性,则这个“生产流程图”也可以称为“生产流程模型”。

逻辑图绘制方法的总结

到此,就完成了对逻辑图三元素的说明。不论描绘什么内容的逻辑图,都包含有这三种元素:要素、逻辑和模型,熟练度掌握了这三种元素的定义、用法,几乎没有不能表达的对象、事物。

但你需要理解一张内容较多、业务比较复杂的、同时也不太熟悉的逻辑图时,一定要从这三个元素入手,就可以快速的理解:

1)判断模型的分类:知道了模型,就大概知道了作者要表达对象的哪个层面、维度的逻辑,如:
□ 框架图 → 表达研究对象的范围、区分、模块的边界等关系;
□ 流程图 → 表达研究对象的行为过程的起点、节点数、顺序、终点等;

2)判断要素的合理性:要素表达的粒度/层级、内容划分的耦合性等是否符合要求;

3)判断逻辑的正确性:根据业务知识、软件设计要求等,检查逻辑表达的方式是否正确;

作为一种能力,不论你从事软件工程上的哪个岗位(咨询、需求、架构、开发、测试、实施等),逻辑思维、逻辑推理、逻辑表达等有关逻辑的能力都是必须的。这种能力是做好任何业务领域软件(ERP、电商平台、物联网等)的基础。

能够用逻辑图完美、精准地表达、传递意图,是你展示自己才能的一个重要方式,同时也是其他人评估你能力的一个重要参考。

各类模型的详细用法说明,请参见《大话软件工程—需求分析与软件设计》一书。

如何绘制逻辑图 — 9.模型的分类相关推荐

  1. 如何绘制逻辑图 — 2.要素的属性

    按照逻辑图的三元素原理(要素.逻辑.模型),已经知道要素是构成逻辑图的主体,那么构成逻辑图的要素有哪些特点.规律及标准,如何表达它们的这些特点.规律和标准呢?理解这些内容是正确绘制逻辑图的基础.我在培 ...

  2. 如何绘制逻辑图 — 5. 要素的属性:系统与模块

    在上一篇文中已经介绍了描述要素状态的属性(黑盒与白盒),这一篇要说明描述要素的集合体的名称. 我们知道,"系统."模块"等都是"功能"集合体的名称,那 ...

  3. 如何绘制逻辑图— 4. 要素的属性:黑盒与白盒

    在上一篇文中已经介绍了描述要素大小的属性(粒度与分层),这一篇要说明描述要素状态的属性. 看到了"黑盒/白盒",可能认为在讨论软件的测试工作?错了,在分析方法中借用了软件测试的黑/ ...

  4. 如何绘制逻辑图 — 3.要素的属性:粒度与分层

    在上一篇文中已经介绍过了,要想绘制出正确的逻辑图,就要掌握绘制逻辑图的三元素,三元素中的第一位是"要素".从本篇开始用4个篇幅介绍表达要素的属性. 不论从事软件工程上的那个岗位,& ...

  5. 如何绘制逻辑图 — 1. 逻辑图构成的三元素

    不论做什么资料,如:解决方案.产品规划.需求分析.软件设计等,都需要用逻辑图来帮助作者说明自己的意图.通常资料内容包含的要素越多.逻辑越复杂,意图表达的难度就越大,此时仅用文字,表格来描述就显得力不从 ...

  6. 模型评价 - 分类模型的常用评价指标

    分类模型的常用评价指标 基本指标:误差率 指标解释:错分类样本占总样本的比例 基本指标:准确率 指标解释:正确分类样本占总样本的比例 指标解读:准确率越接近1,模型越准确 混淆矩阵 真实情况 预测:正 ...

  7. 【NLP】主题模型文本分类

    自然语言处理之主题模型文本分类 LDA主题模型 1.主题模型(Topic Model) 主题模型是以非监督学习的方式对文集的隐含语义结构进行聚类的统计模型.主题模型主要被用于自然语言处理中的语义分析和 ...

  8. R语言构建随机森林模型randomForest分类模型并评估模型在测试集和训练集上的效果(accuray、F1、偏差Deviance):随机森林在Bagging算法的基础上加入了列采样(分枝特征随机)

    R语言构建随机森林模型randomForest分类模型并评估模型在测试集和训练集上的效果(accuray.F1.偏差Deviance):随机森林在Bagging算法的基础上加入了列采样(分枝特征随机) ...

  9. R语言构建xgboost文本分类模型(bag of words):xgb.cv函数交叉验证确定xgboost模型的最优子树个数、交叉验证获取最优子树之后构建最优xgboost模型并评估模型文本分类效能

    R语言构建xgboost文本分类模型(bag of words):xgb.cv函数交叉验证确定xgboost模型的最优子树个数.交叉验证获取最优子树之后构建最优xgboost模型并评估模型文本分类效能 ...

最新文章

  1. 一键数据分析自动化特征工程!
  2. VS2013找不到winres.h的解决办法
  3. ASP.NET 开源导入导出库Magicodes.IE 导出Pdf教程
  4. linux资源使用统计指南,指南:工作量分析文档
  5. JQuery Datatables 动态配置参数异步加载数据
  6. 计算机用户被锁定如何解除,win10账户被锁定了怎么解除
  7. python中for循环-python中关于for循环的碎碎念
  8. dubbo+rabbitmq+hystrix实现服务的高可用
  9. ROS入门-11.客户端Client的编程实现
  10. java 解析数据包_一种基于Java语言的网络通讯数据包解析方法与流程
  11. 商汤携手迅达,全面打造“AI+电梯“,实现全流程安全智能自动化管理
  12. Docker Yearning + Inception SQL审核平台搭建
  13. Danfo.js专题 - 附:Dnotebook(Danfo Notebook)单机资源与汉化文档
  14. 如何利用OUTLOOK提高你的工作效率
  15. qt值qml制作足球动画(参考qmlbook)
  16. R语言:关于我国各地区消费水平的聚类分析
  17. PART 1.3 风控利率那些事儿(名义利率 实际利率 还款方式 以及 计算逻辑汇总)
  18. 五、ELK设置用户密码登陆
  19. 阿里云在线扩容云盘(Windows系统)
  20. 数据组织与存储(五)

热门文章

  1. Echars折线配置详解
  2. python3.8.2中文手册chm_3.2.2中文语法考察
  3. 【工具】FTP软件FileZilla下载和连接服务器
  4. 立志10天学会C++基础应用—day02 代码清晰易懂 涉及数据结构算法的知识 写完了~我也麻了
  5. 禅道的基本使用(创建项目、维护部门、用户、产品、提出需求、创建测试用例等)
  6. Elasticsearch 入门到高手的成长阶梯-索引的基本操作(1)
  7. Java基础知识强化之网络编程笔记05:UDP之多线程实现聊天室案例
  8. wzplayer for android V1.0快出炉了
  9. POJ 1159 (DP)
  10. 销售到出仓所经历的表