阅读下列案例，回答相关问题：
某大银行的一位银行卡办公室的收账经理Liz遇到了一个问题。她每周都收到一份过期未付款的账户名单。这份报告已经从两年前的250个账户增加到现在的1250个账户。
为了确定那些严重拖欠债务的账户，Liz需要通读这份报告。严重拖欠债务的账户由几个不同的规则确定，每个规则都要求Liz检查客户的一项或几项数据。过去半天的工作量现在增加到了每周三天。即使在确定了严重拖欠债务的账户后，如果没有查阅该账户三年内的历史资料，Liz也不能做出最后的信用决定(例如严厉的催款电话、断绝信用或将这个账户转给一个收账代理)。另外，Liz需要报告所有账户中过期未付款的、拖欠债务的、严重拖欠债务的和呆死账的比例。目前的报告中并没有给她提供这个信息。
假设现在需要你来开发一个软件，解决Liz面对的难题。
1、 那么你认为Liz现在遇到的问题有哪些?
（1）工作量的增加；
（2）客户账户的历史数据；
（3）问题账户所占比例没有显示…
2、你希望新的软件应该达成哪些业务目标?
BR1：能够快速查询客户账户；
BR2：能够分析一个客户是否为问题账户；
BR3：能够给出一个问题账户的三年内的历史数据：
BR4：能够计算问题账户所占比例…
2、 你怎样设计软件的高层解决方案?
（1）建立一个数据库系统用来存放客户账户信息；
（2）根据特定的判定问题账户的算法检索辨别出问题账户；
（3）工作人员能够检查该账户的三年内的历史数据；
（4）即时显示问题账户所占比例…
4、你怎样设计系统特性？
（1）创建客户信息数据库；
（2）根据原始数据重新整理并更新；
（3）提供提供客户账户基本信息查询和三年历史数据查询；
（4）设定欠账规则，创建问题用户计算过程；
（5）实时分析各类问题账户所占比例…
问题:
1、 绘制需求层次-需求方面二维矩阵。
|
|
功能 |
质量 |
约束 |
|
业务目标 |
提升运营效率，减少人工成本，精确识别问题账户，提升安全性 |
处理速度快 高准确性 数据完整性 |
生成可视化报表 符合银行安全标准 与现有系统兼容 |
|
用户需求 |
自动识别出问题账户，可视化数据展示， |
操作效率 数据可读性 |
支持多用户并发操作，缩短运行时间，符合银行内部流程要求 |
|
系统需求 |
数据库存储客户信息，实现问题用户判定算法 |
数据一致性 系统可靠性 可拓展性 |
数据加密存储与传输 |
2、 确定关键功能。
问题账户自动识别
核心功能，基于规则引擎自动筛选严重拖欠账户，替代人工检查。
三年历史数据集成查询
支持一键查询客户完整历史记录（如还款记录、催收记录），辅助信用决策。
实时动态统计与报告生成
自动计算并可视化展示各类问题账户比例（如逾期、严重逾期、呆死账），支持导出报告。
客户账户快速检索
提供模糊搜索、多条件过滤（如姓名、账户ID、欠款区间）功能，提升查询效率。
3、 确定关键质量。（采用质量矩阵进行分析）
质量属性优先级 相关场景 实现方式
性能高 处理1250+账户的实时分析，避免Liz等待 优化算法复杂度，采用分布式计算或内存数据库（如Redis）加速数据处理。
准确性 高 避免误判/漏判问题账户（影响客户信用决策）规则引擎需支持多条件组合校验，并定期校准规则逻辑。
可用性 中高 Liz需快速上手操作，减少培训成本设计直观的交互界面（如仪表盘），提供操作指引和自动化流程。
实时性 中 生成最新比例报告需与数据更新同步 采用增量计算和缓存机制，确保统计结果实时刷新。
安全性 高 客户隐私数据（如还款记录）需严格保护实施角色权限控制、数据脱敏和审计日志，符合GDPR/银行安全规范。
质量优先级矩阵
必须满足：准确性、安全性
高优先级：性能、可用性
中等优先级：实时性
|
质量属性 |
优先级 |
相关场景 |
实现方式 |
|
准确性 |
高 |
- 避免误判/漏判问题账户（影响信用决策） - 确保历史数据完整性和正确性 |
- 规则引擎支持多条件组合校验 - 定期校准规则逻辑 - 数据清洗和验证 |
|
性能 |
高 |
- 处理1250+账户的实时分析，避免Liz等待 |
- 优化算法复杂度 |
|
安全性 |
高 |
- 客户隐私数据（如还款记录）需严格保护 |
- 实施角色权限控制 |
|
可用性 |
中高 |
- Liz需快速上手操作，减少培训成本 - 系统需支持多用户并发操作 |
- 设计直观的交互界面（如仪表盘） |
|
实时性 |
中 |
- 生成最新比例报告需与数据更新同步 |
- 采用增量计算和缓存机制 |
|
可拓展性 |
中 |
- 支持未来账户数量增长 - 适应更复杂的规则和业务需求 |
- 设计模块化架构 |
|
可维护性 |
中 |
- 系统需易于维护和升级 |
- 采用标准化开发框架 |
根据质量矩阵分析，以下是系统的关键质量属性及其优先级：
1. 准确性（高优先级）
- 重要性：系统的核心功能是识别问题账户和提供历史数据，准确性直接影响信用决策的正确性。
- 实现方式：
- 规则引擎支持多条件组合校验（如欠款时长、金额、还款频率等）。
- 定期校准规则逻辑，确保与银行政策一致。
- 数据清洗和验证，确保历史数据的完整性和正确性。
2. 性能（高优先级）
- 重要性：Liz需要处理大量账户数据（1250+），系统性能直接影响工作效率。
- 实现方式：
- 优化算法复杂度，减少计算时间。
- 采用分布式计算或内存数据库（如Redis）加速数据处理。
- 支持批量处理和并行计算。
3. 安全性（高优先级）
- 重要性：客户隐私数据和银行内部信息需严格保护，符合法规要求。
- 实现方式：
- 实施角色权限控制，确保只有授权人员可访问敏感数据。
- 数据加密存储与传输，防止数据泄露。
- 提供审计日志和操作记录，支持合规性检查。
4. 可用性（中高优先级）
- 重要性：系统需易于使用，减少Liz的学习成本和操作负担。
- 实现方式：
- 设计直观的交互界面（如仪表盘、一键生成报告）。
- 提供操作指引和自动化流程，简化复杂操作。
- 支持多用户并发操作，提升团队协作效率。
5. 实时性（中优先级）
- 重要性：生成最新比例报告和动态调整风险管理策略需要实时数据支持。
- 实现方式：
- 采用增量计算和缓存机制，确保统计结果实时刷新。
- 支持动态数据更新，避免延迟。
6. 可扩展性（中优先级）
- 重要性：系统需支持未来业务增长和规则变化。
- 实现方式：
- 设计模块化架构，便于功能扩展。
- 提供灵活的规则配置功能，适应未来政策或业务需求的变化。
7. 可维护性（中优先级）
- 重要性：系统需易于维护和升级，降低长期运营成本。
- 实现方式：
- 采用标准化开发框架，便于团队协作和代码维护。
- 提供详细的文档和测试用例，支持快速修复问题和更新规则。
