业务分析师 · 任务逐条

挖掘需求

聊天机器人如今能主持结构化的需求访谈:在 33 场模拟访谈中,一个机器人犯常见错误的次数与人类访谈者相近,最多挖出了 73.7% 的需求。作者仍认为,在敏感或复杂的需求挖掘中 —— 人际互动才能揭示未说出口的需求 —— 由人主导的访谈是必要的。美国的预测认为,包含业务分析师的职业就业会增长。

这是以学生扮演干系人的模拟访谈;这里没有任何东西测量真实项目或分析师的工时。

编写需求与用户故事

大语言模型已经来到这里。美国退伍军人事务部列出了一个已部署的系统,用来生成用户故事、总结工作坊结论;社会保障局列出了一个从遗留代码生成业务需求文档的系统;一项研究发现,GPT-4 起草的需求规格说明与初级工程师的水平相当,用时只是一小部分。在真实场景里收益要小一些:在一家 IT 咨询公司,分析师估计能节省 10–15%,并发现草稿漏掉了从没写下来的知识;在一家邮政集团的 IT 团队里,一个改写用户故事的智能体,其产出仍需产品负责人核验。

用例清单描述的是系统,不是它们对员工的影响;研究用的是一个大学项目、一个咨询项目和一个小规模试点。

梳理与分析流程

软件能从系统日志中还原流程、起草流程图,但决定流程应该变成什么样,要牵涉到运行它的人,以及要有人负责的取舍。这里没有一手来源测量工具现在承担了多少这类工作。

这是根据这项工作的性质作出的推断;这里没有记录任何测量流程梳理工作或工具所占份额的一手来源。

工作坊与干系人对齐

工具可以总结一场工作坊得出了什么结论,但让各部门达成一致,是人与人之间的协商。美国的预测认为,2025 至 2035 年管理分析师就业将增长 10%,计算机系统分析师增长 8%;O*NET 把业务分析师类职称(如 IT 业务分析师)归在这两个职业之下。

这些预测覆盖的是更宽的职业,包括咨询顾问和系统分析师;数的是岗位,不是任务。

验收与变更管理

验收是代表将要使用系统的人作出的判断;在这里记录的试点中,即使是 AI 改写过的用户故事,使用前也由人核验。

这里记录的一手来源都没有测量验收或变更管理工作;这是推断。