对SAP项目文档的考核标准(转)

SAP项目文档的考核标准

项目启动阶段
项目计划及对计划的调整

建议:
1、 对项目进度进行分类,定义每个阶段的关键任务。
2、 对每个阶段应形成的文档进行说明,哪类文档由谁制作,由谁签核必须做出统一的规定。最好能提供每类文档的标准模版。
3、 定义每个阶段结束的标志,和判定结束的标志。
4、 对于项目的进度控制可以参考项目管理方面的相关资料。在项目计划中应特别留意对项目变更的控制。

项目调研阶段
项目调研问卷
调研访谈记录(访谈确认)
原型分析AS-IS
业务蓝图TO-BE
项目培训文档
项目培训记录
培训考试题目及成绩

建议:
1、 确定调研的内容涉及到实施范围内的所有流程。
2、 调研访谈记录,记录与用户间沟通的所有关键内容,并由用户确认。
3、 原型分析必须清晰的标明现有流程中控制的部分,以及需要产生哪些报表。对于各种报表建议按时间进行区分:哪些是日常性的报表,哪些是汇总报表,哪些是分析统计报表。
4、 业务蓝图经过相关领导签字确认。并如实的在蓝图中反映该流程中所涉及到的各个岗位,及每个岗位处理该问题的频率、时间。
5、 培训文档,初期的项目培训文档应该包括对本模块整体的内容培训、关键部分的操作培训等,并记录每次培训参与的人员,和考核的效果。

项目实现阶段
系统配置文档
单元测试文档
集成测试文档
对集成测试的签核
权限设置文档

建议:
1、 系统配置文档详细记录了顾问在系统中做的每一个配置的动作,并有简要的说明。
2、 配置文档应包括有基本的配置流程即配置的先后顺序。
3、 单元测试文档为顾问测试本模块的配置是否正确,并对可能存在的问题进行修改。本文档非必要文档。
4、 集成测试文档以集中的方式测试业务蓝图中所涉及到的各个流程。
5、 用户应对测试过程中产生的数据进行记录,并对结果进行确认。所有参与测试的人员应在集成测试文档上签字确认。
6、 在确认了用户的权责后应对其在系统中的角色和权限进行定义。
7、 在所有的配置完成后,顾问应督导用户编写用户操作手册。

系统切换阶段(最后准备/启动)
系统切换策略
用户提供的原始数据
顾问导入的模版
顾问导入的原始数据

建议:
1、 定义系统整体的切换过程,什么时间做什么事情,由谁负责哪部分数据。
2、 定义每个模块切换时的注意事项,出现问题的反馈流程。
3、 顾问应提供数据导入的模版和要求事项,由用户保证数据的准确性。所有导入的数据必须由相关领导签字确认。
4、 对导入的数据进行测试,初步检查数据的准确性。
5、 对于所有导入的原始数据资料均应保留,以方便事后对数据的核查。

项目上线
系统上线后的问题日志
建议:
1、 系统上线后应该对整个上线的过程进行跟踪,一般跟踪的期限是1个月。
2、 记录每个问题发生的时间、汇报的人员,负责解决问题的人员,要求的期限,处理的结果。并分清责任。

我们一般按照四步法去实施项目,实际上与其大同小异。

项目准备阶段
蓝图设计阶段
系统上线阶段
验收交付阶段

[@more@]

来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/132884/viewspace-1000577/,如需转载,请注明出处,否则将追究法律责任。

转载于:http://blog.itpub.net/132884/viewspace-1000577/

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像的目标属于哪个类别。 定位问题:确定目标在图像的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值