StakeRare 是需求工程领域的一种数据驱动方法

StakeRare 是需求工程领域的一种数据驱动方法，旨在解决大型软件项目中需求获取与优先级排序的难题。其核心创新在于，它不依赖主观指派，而是通过分析利益相关者之间的社会网络和协同过滤技术来量化其影响力，从而为需求优先级排序提供客观依据。

⚙️ 核心机制：两阶段流程

StakeRare方法主要分为两个阶段：

1. 识别与排序利益相关者 (StakeNet阶段)

   • “滚雪球”式识别：首先让初始利益相关者推荐其他相关方，不断扩展网络。

   • 构建社会网络：将每个利益相关者作为节点，推荐关系作为链接，构建出一个完整的社会网络图。

   • 量化项目影响力：利用社会网络中心性度量（如度中心性、中介中心性等）来分析该网络。这些指标可以客观衡量一个人在信息传播、资源控制等方面的实际影响力，从而确定其重要性。

2. 获取与排序需求 (StakeRare阶段)

   • 收集初始评价：让第一阶段识别出的所有利益相关者对一份初始需求列表进行评分。

   • 协同过滤推荐：系统利用协同过滤技术，根据相似利益相关者的评分模式，向特定人员推荐其可能遗漏但相关的其他需求。

   • 计算最终权重：需求的最终优先级由其获得的评分与评分者（即利益相关者）的项目影响力（第一阶段的结果）加权计算得出。利益相关者影响力越高，其评分对需求最终权重的贡献越大。

🔗 与你问题的关联

你提到的“StakeRare等方法通过社会网络中心性度量给出数据驱动的权重估计”，正是上述机制的核心体现。它通过分析社会网络结构来量化“谁的意见更重要”，将“付费能力、监管权力”等难以量化的因素，转化为可计算的网络中心性指标，为权重分配提供了客观基础。

🧰 配套工具

为支持此方法，研究者还开发了自动化工具 StakeSource，用于自动收集推荐、构建网络和分析优先级。

总而言之，StakeRare将社会学中的网络分析与计算机科学中的推荐算法相结合，为大规模复杂项目中的需求决策提供了一种可量化、可追溯的科学依据。