软件开发中的大数据分析与挖掘技术

吴斌

摘要：综合中国现阶段的发展状态，计算机软件已经成为了与人们生产、生活有着紧密关联的重要信息化成果，而建立在传统的软件开发基础上开发成本较高，维护难度较大，同时信息获取的时效性以及完整性也无法得到保障，因此建立在技术分析法以及文献研究法的基础上，综合数据挖掘技术的实际软件开发应用情况进行探讨，也是进一步强化软件开发有效性的关键研究课题。

关键词：数据挖掘技术；软件开发；应用；

以数据挖掘技术及具体的数据挖掘方法作为切入点，对综合软件开发过程中应用数据挖掘技术面临的针对性问题进行了探讨，想要全面提升软件开发的科学性和合理性，就必须有效解决复杂数据的整合问题，落实好开发模式的创新，同时提升数据挖掘结果的评价统一性。

一、数据挖掘方法

1.算法种类。从实际应用情况上来看，算法类型的分析涵盖了分类算法、回归算法这两项重要的算法体系。从技术本质角度来讲，在利用大数据分析技术来进行软件研发的过程中，要集中分析不同算法的实际应用情况，促使数据挖掘工作能够高效开展。

2.轴线型数据挖掘法。该种数据算法是建立在轴线始终点的基础上，挖掘具有代表性的数据信息，这种方式具有较强的可操作性，同时修改便捷度较高，但是从实际应用角度来讲，利用该种算法进行数据挖掘的速度不快，但是可以与其他的处理技术进行同步使用，因此仍然是当前软件开发数据挖掘期间的常规算法。

3.环形数据挖掘法。环形数据挖掘法最大的优势便是可以打造一个闭环结构，能够实现对整体数据流程的管控，能够进一步体现数据输入输出以及数据分析的相关结果，有助于快速地获取数据，同时前后两个阶段的数据挖掘可以打造一个整体，促使循环往复，并且提升后续的数据挖掘有效性。这种挖掘方法的速度较快，能够用于持续性的数据挖掘工作，但是整体流程较为繁琐，操作难度较大。

二、数据挖掘的重要价值

数据挖掘技术是一种信息筛选方法，能够在大量的数据中挖掘具备价值的信息，并且实现针对性的分类和总结，因此算法本身的科学性和有效性，将直接决定后续软件开发的实际成效。神经网络技术是数据挖掘技术的主要操作方式之一，其处理效果以及高容错率能够有效提升软件开发的质量。利用数据挖掘技术进行软件开发，其核心优势包括：增强信息录入根本性；强化数据转变有效性；具备自主化分析功能。

三、实际应用

1.软件研发阶段。软件工程隶属于工程学科，在软件研发的过程中，需要结合用户的实际需求，进行针对性调查，并且确保与项目的实际规划联系起来，这样才可以有效提升最终软件成品的可行性以及社会价值。而针对传统的软件开发模式，软件研发的流程较为繁琐复杂，同时客户群体不断变化的需求，也导致软件工程面临着较多的变量因素。通过数据挖掘技术，可以直接将数据储存功能本身的价值发挥出来，保存具有较强价值的数据，能够为后续的软件工程研发提供可参考依据。同时在研发过程中也可以做好系统数据的整合以及处理，能够满足客户群体不断变化的实际更新需求，确保软件研发具有稳定性。对于开源软件来说，往往需要进行免费试用，那么在这个阶段及时地获取用户的实际需求以及相关数据代码，能够为后续的软件更新以及性能优化提供根本保障。可以凭借着数据挖掘技术的开放性以及动态性特点，进一步落实好客户需求以及实际发展方向的挖掘和分析，这样能够给予软件更加高效的管控。

2.软件项目全方位管控。最后，软件开发项目本身的流程较为复杂，同时有着一定的系统性，各个细节必须要凝练成一个整体，一旦某些细微之处存在问题，便会影响整体开发程序的完整性以及安全性。在这个过程中数据挖掘技术能够有效发挥自身的价值，基于组织关系结构打造的标准化管理体系，能够进一步挖掘各组织之间的关系，进一步提升各部门以及各岗位之间的资源调用灵活性；而针对软件项目的管理角度，可以全面提升管理水平，比如邮件信息、文本，信息管理可以通过挖掘技术来进行控制，实现自动化的分类以及调整。也可以有效分析文件内部信息的变化情况，进一步提升管理效能以及精准性。另外在软件工程开展过程中，还涉及到了各方面的信息体系，需要进行跨学科以及跨行业管理，那么数据挖掘技术可以凭借自身的大范围管控优势，实现各角度、各领域的综合分析，这样可以全面增强软件工程自身的普适性以及社会影响力。

3.故障检测。想要确保软件能够为客户提供全方位的服务，必须要落实好故障检测，而建立在数据挖掘技术的基础上实现的故障检测体系，能够有效满足这一需求。数据挖掘技术中的信息跟踪能力可以快速地分析软件程序运行过程中的实际状态，并且做到细节化维护。综合当前的实际程序运行情况来看，建立在规则以及自动化挖掘等技术体系的基础上，软件工程中的各项细节都可以得到监测和跟踪，这其中规则挖掘主要基于程序不同行为的具体逻辑建立在逻辑批判。而自动挖掘技术，则依靠具有较高成熟度的API规则挖掘法，在当前的多种应用系统中都有使用。这种方式可以有效代替原有软件故障检测过程中的程序切片技术，能够进一步提升程序故障检测的精准性，在某些条件下还可以实现针对性的自我调整和优化。

四、实际应用案例

1.嵌入式的软件开发。各类电子设备的广泛出现，为当前嵌入式软件的应用提供了新的市场，而嵌入式软件的实际性能更高，在使用的过程中还需要进行细节管控，那么前期的开发流程就必须要进行重视。着重针对嵌入式软件的开发市场以及需求分析、设计性能研究、运行测试以及后续使用调查等领域进行管理，通过数据挖掘技术，进一步展示嵌入式软件的实际作用和相关流程。这其中着重针对应用系统、组件库等进行管理。而所谓的“嵌入式”便是要建立在数据挖掘的基础上，打造具有针对性的嵌入模式。例如在某智能的气象站软件体系研发过程中，涉及到跨平台C++开发环境、Moc元对象编译器等相关技术，广泛应用于嵌入式软件开发。

2.B/S架构开发。B/S架构是计算机体系软件开发过程中的核心依据，在当前的终端设备中有着极强的应用价值。利用数据分析技术来了解多层Web应用动态模式，分析具体的需求，并且落实系统的维护升级，可以有效降低数据服务器本身的压力。从具体的开发架构的角度来看，其中各个领域都涉及到了数据挖掘技术的应用，例如结构化工艺数据的定位、中间数据库的构建、工艺有效性数据的筛选，这些环节可以借助数据挖掘技术来进行整合，并且形成数据包，能够有效提升整体架构开发的科学性和合理性，为后续系统的升级以及功能维护提供有效依据。

3.软件性能测试。将数据挖掘技术融入到软件测试中，必须要明确以下几个重点，首先数据挖掘技术能够针对大量、不完全、有噪声、随机、模糊的数据进行处理和提取，将其中的隐含信息以及部分潜在的威胁暴露出来。同时软件工程本身有一定的系统性和规范化特点，可以直接通过数据挖掘技术来了解其中存在的不合理情况。因此软件测试工作的落实可以直接通过大数据挖掘技术，以自动化的手段来进行运行流程的检测，确保整体的运行流程满足前期的规定需求以及预期结果。从具体的应用角度来讲，针对软件进行评测，需要将软件设计过程中的一系列信息进行充分的分析，那么就涉及到了数据挖掘，并且针对其中定位的重点信息进行针对性处理，落实好筛选分析影响软件运行流畅性以及质量的核心因素，这样对于软件质量的提升以及后续管理活动的精简有着极强的促进作用。

总之，全面增强数据挖掘技术本身的研发质量，落实好应用范围以及应用价值的拓展，对于后续的软件工程以及相关行业创新能够提供有效的帮助和保障。

参考文献：

[1]宋浩宇.数据挖掘技术在软件开发中的应用探究.2020.

[2]王知云.关于数据挖掘技术在软件工程中的应用分析.2021.