首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

到底指什么

是咨询顾问或者说IT从业者们经常会随口抛出来的一个名词,感觉说出来就有一种高大上的感觉。 然后呢,究竟是怎么个法,具体能解决什么问题很少有人能真正说的清楚,然后也没有什么然后了。...1 初步认识 首先我们看下MBA智库里对的解释: “流程是从客户需求端出发,满足客户需求端去,提供服务,的输入是市场,输出也是市场。...其实,的改革就是进行内部最简单的最科学的管理体系的改革,形成一支最精简的队伍。” 看完了是不是还没什么感觉,和业务流程优化有什么区别吗?什么是从客户需求端出发,客户需求端去呢?...前些年,新闻上好多报道说:各省市区交界处惊现“断头路”,为什么会出现这种情况? ?...好问题,解决方案就是设立的Owner,这个Owner肩负着推动流程的顺利进行,当然的Owner和各个相关部门并不是自上而下的控制,而更多的是一种服务角色。

15.9K51
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    漫谈测试

    从我的角度来看,所谓测试,通俗理解就是从一另一完整串联起来的测试方法。当然,由于是漫谈,我会尝试通过对几个与测试有关的问题思考,来聊这个话题。什么测试?...至于测试的步骤,与常规的测试流程并无太大区别,都是从需求分析开始,线上交付结束。当然,测试并非是特别新颖和独特的测试方法,早在16、17年,业内就有了类似的测试思路,如业务流、数据流。...测试难度:测试的难度更大,需要考虑系统的复杂性和多变性。测试价值:测试的价值更高,能够提高系统的质量和用户满意度。...测试的优势与不足上面提到了测试的难度相比于传统的测试方法更大,主要体现在业务和系统的复杂性会让测试的实施成本随之水涨船高。...要设计测试用例,就要提前梳理对应的业务流程和数据模型;要执行测试用例,就需要确保该链路的通畅性;同时还要完善的监控覆盖,以及保障测试执行环境的稳定性(这是最大的影响测试结果的因素)。

    12810

    需求交付管理

    一直以来,作为研发人员,我们关注的都是研发任务的交付(从需求澄清到需求交付),很少有人会去关注需求本身是否给产品或者企业带来多少真正的价值(如激活了多少存量用户、吸引了多少新用户等等)。...今天我们跳出研发的角色,聊一聊需求的交付管理。 上图直观的反映了当下交付需求的不确定性。往常,我们只需要根据合同或者行业成熟的解决方案,定期交付我们的产品,然后按合同收款即可。...但这些还是在研发领域的解决方案,我们并没有很好的机制去判断“正确的事”它是不是正确的。 如何选择“正确的”事儿?...敏捷中有一个名词MVP(Minimum Viable Product最小可行产品),如上图,用户的需求是需要一辆车,图一呢,就是从车轮子车底盘车架到完整的汽车的过程,在这个交付过程中呢我们的车都是不可用的...,再来看第二幅图,从一个滑板滑板车自行车摩托车再到汽车,在这个交付过程中的每个阶段,我们都有车可用。

    47220

    的深度学习

    的深度学习 有些数据处理系统,或者机器学习系统需要多个阶段的处理。的深度学习,做的是用单个深度神经网络(一般情况下)去替代多个阶段的处理过程。 ?...在上图的人脸识别中,可能把问题拆分成识别人脸的位置和身份识别(与库中已有人脸对比)两个子过程可能使我们得到最优解而不是的深度学习。因为两个子问题都有大量的数据和成熟的解决方案。...而关于直接从图片映射到人的身份这个数据集可能只有很小的一部分数据,在该情况下端的深度学习不能取得更好的效果。 下面是2个正面的例子。 ? 学习的优缺点 ?...优点: 让数据说话 不需要手动设计组件 缺点: 可能需要大量的数据 排除了可能是有用的手动设计组件 什么时候使用的深度网络 ? 如图:一个正例,一个反例。...而人脸识别这个例子,人脸位置识别和身份识别两个组件就十分恰当,所以才能得到优于学习的效果。 所以组件的合理性和完备性及其适用性也是我们去考虑要不要舍弃去进行学习的一个考量。

    1K20

    需求交付管理

    以下文章来源于CKL的思考空间 ,作者CKL的思考 一直以来,作为研发人员,我们关注的都是研发任务的交付(从需求澄清到需求交付),很少有人会去关注需求本身是否给产品或者企业带来多少真正的价值(...今天我们跳出研发的角色,聊一聊需求的交付管理。 上图直观的反映了当下交付需求的不确定性。往常,我们只需要根据合同或者行业成熟的解决方案,定期交付我们的产品,然后按合同收款即可。...但这些还是在研发领域的解决方案,我们并没有很好的机制去判断“正确的事”它是不是正确的。 如何选择“正确的”事儿?...敏捷中有一个名词MVP(Minimum Viable Product最小可行产品),如上图,用户的需求是需要一辆车,图一呢,就是从车轮子车底盘车架到完整的汽车的过程,在这个交付过程中呢我们的车都是不可用的...,再来看第二幅图,从一个滑板滑板车自行车摩托车再到汽车,在这个交付过程中的每个阶段,我们都有车可用。

    78520

    分层测试(五):测试

    什么测试 测试(End-To-End Testing, 简称E2E测试)是一种从头到尾测试整个软件产品以确保应用程序流程按预期运行的技术。...测试的模型 在我们当前的业务实践中,测试由测试同学主导编写,用例代码和业务模块独立仓库管理。...测试的挑战 测试也不是万能的,任何收益必然伴随着成本。测试的挑战如下: 4.1 编写耗时长 测试需要对产品服务流程有完整的了解才能编写测试用例,因此编写的耗时很长。...测试的最佳实践 要进行测试,遵循以下概述的做法至关重要,以确保测试顺利进行和成本可控。 5.1 优先考虑最终用途 模拟用户:创建测试用例时,像用户一样进行测试。...测试完成后,务必清理测试数据,以便环境恢复原始状态,从而准备好再次进行测试。 鉴于测试的重要性,需要从项目一开始就对其进行规划。测试最好手动进行,因为它允许测试人员设身处地为用户着想。

    2K20

    敏捷中的测试

    什么需要端测试 在每个冲刺中,开发团队和测试团队都专注于应用程序中使用的所有集成服务中的单个服务。大量微服务和子系统的功能和较短的测试时间会让他们有可能错过了子系统或服务中存在的隐患。...但是测试将具有从搜索付款(带有新添加的付款选项)以及订单确认的场景。测试的范围,复杂性和维护性高于单元和集成测试。...谁进行测试 测试应由对应用程序有深入了解并了解产品架构的测试人员执行。除了测试人员外,业务人员、营销人员、内测用户甚至技术经理都是进行测试的理想人选。...测试步骤 这些是测试必不可少的步骤: 需求分析:全面分析需求,并涵盖工作流程中的主要业务组件。 环境设置:设置测试环境时要牢记生产环境的详细信息。...一旦开始测试,就可以在高风险的用户场景下同时运行冒烟和健全性测试。 提高端测试效率 尝试以最大的覆盖范围自动化测试用例。 将自动化套件与冒烟测试、健全性测试和验收测试分开。

    1.6K30

    如何实现网络切片?

    网络切片是一个的概念,从用户设备延伸到接入网(AN)、传输网(TN)和核心网(CN)。 切片提供适当的隔离、资源和优化的虚拟网络架构,以服务于特定用例、SLO 要求或业务解决方案。...NSMF 具有将子切片拼接在一起以创建切片的功能。NSMF 通过它们的北向接口与 NSSMF 通信以执行此操作。反过来,它还公开了一个抽象的北向接口,以允许使用其服务来创建切片。...此类传输网切片具有确定性 SLA,以实现完整网络切片的 SLO。这些 SLO 包括 QoS、可用性、延迟和数据包丢失等参数。...(NSMF) 通信的抽象 API 未来满足网络切片的 SLA,IP 传输网切片必须满足几个要求: 表1 - IP切片要求 表 2 提供了一组候选技术解决方案,可满足表 1 中的需求。...虽然分段路由提供了在网络中构建转发路径的能力,但需要一些抽象智能来指示入口路由器在网络中使用什么路径,以及使用什么服务。

    1.4K10

    AISP Pipeline | camera成像原理

    最近的方法试图通过估计RGBRAW的映射来弥合这一差距:手工制作的基于模型的可解释和可控方法通常需要手动参数微调,而可学习的神经网络需要大量的训练数据,有时需要复杂的训练程序,并且通常缺乏可解释性和参数控制...我们提出的可逆模型能够在RAW和RGB域之间进行双向映射,采用丰富的参数表示(即字典)的学习,这些表示不受直接参数监督,并且还能够实现真实的数据增强。...我们可以地学习相机参数,无需手动微调或参数监督。因此,我们可以在没有先验信息的情况下对任何相机进行建模。 该模型具有模块化和可解释性,允许我们添加、修改或检查任何所需的块。...Mapping Methodology 1️⃣ Overview 前向 RAW to RGB 反向 RGB to RAW 6个stage的参数化建模,参考Related Work 整个pipeline训练...Conclusions 较好的效果 RAW image reconstruction & RAW image denoising 少量标注样本即可训练鲁棒模型 将传统的ISP用参数化方法建模,通过神经网络学习映射,实现了

    50801

    AI中的end to end到底是什么意思?

    那么,到底什么,它又是怎样改变我们的技术体验的呢? 什么? “”这个术语,如果从字面上理解,就是从一另一,没有任何中间环节。...的优势 简化流程:的模型减少了人为干预,让AI系统自己学习如何处理任务。 提高效率:由于减少了预处理和特征工程的需求,模型可以更快地开发和部署。...更好的泛化能力:模型通常能更好地处理未见过的数据,因为它们是从整体上学习任务。 的实际应用案例 自动驾驶汽车 在自动驾驶领域,技术的应用尤为突出。...语音识别 在语音识别领域,系统可以直接将语音信号转换为文本,而不需要先将语音分解成音节或单词。这种方法使得语音识别更加准确和自然。...图像识别 在图像识别中,的神经网络可以从原始像素中学习识别图像中的物体,而不需要先进行边缘检测、特征提取等传统步骤。 可能产生的问题 尽管技术带来了许多优势,但它也并非没有挑战。

    13910

    测试实践:Jenkins集成TestCafe

    上一篇《对产品质量的一点思考》中说到自动化测试的重要性,本文简单介绍下怎样在实际项目中实现测试的自动化,在这里我们使用的测试工具是TestCafe。...环境 Jenkisn:2.183 TestCafe:1.3.0 为什么采用TestCafe做自动化测试 前端Vue或是netCore要添加单元测试相对较复杂,需要一定的时间来沉淀,不能解燃眉之急 经常会因为代码重构...、代码合并等原因造成原本正常的功能出现问题,而这些问题在手动测试时不容易覆盖 TestCafe足够简单,只要使用过jQuery,基本可以几分钟上手 要实现的目标 目前前端代码通过GitLab来进行管理...,采用Merge Request的开发模式,开发人员的代码被合并到master后,Jenkins会自动构建测试环境,希望自动化测试能做到下面两点: 能在前端项目构建完成后自动执行TestCafe脚本进行测试

    1.2K30

    构建云原生应用平台

    在高层次上,它将这个过程分为 4 个阶段: Detection:它决定应用什么构建包。...最初的检测包括将应用程序代码克隆预先预热的环境中,并运行 CNB 构建包的检测部分,以确定应用的构建包组。...传统上,这涉及与 Docker 守护进程的交互,但出于安全原因,这是我们不能轻易提供给最终用户的构建容器。...容器的水平扩展在运行时做了大量的工作来实现这一点。在网络方面,我们面临的挑战是提供一种解决方案,既能满足最大客户的需求,又能在小型应用程序方面保持成本效益。...我们考虑的另一个运行时解决方案是 Kata Containers。这些可能更接近你对云虚拟机的心理模型。使用 Kata Containers,每个容器都包装了一个轻量级虚拟机和它自己的内核。

    93340
    领券