دستاوردها ویافته های مهندسی نیازمندی ها در حوزه نرم افزارهای کلان داده (بیگ دیتا)

برنامه های داده بزرگ، مانند برنامه های سنتی، به نیازهای کاربر نهایی پاسخ می دهند بجز اینکه اساس سیستم نرم افزاری ماکلان داده ای (داده بزرگی) است که سیستم باید بر آن عمل (پردازش) نماید.در مقایسه با توسعه نرم افزار سنتی که در آن فرایندهای توسعه معمولا به خوبی ایجاد (تعیین) می شوند، فرآیندهای توسعهداده ای شامل داده های بزرگ هنوز از ادبیات علمی روشن نیست- با توجه به ماهیت محاسبات درگیر و ویژگی های دادهمانند حجم، تنوع، صحت و سرعت.(سوال/ مشکل) این وضعیت نامطلوب، باعث ایجاد سوالات جدید شده است،این است: "نشانه های اولیه از شیوه های کاربرد داده های بزرگ در مهندسی نیازمندی ها (RE) چیست؟چه مسیرهای جدیدی در تحقیق RE برای پیشبرد تحقیقات بیشتر پیش بینی شده است؟"[ایده اصلی / نتایج]این مقاله وضعیت علم (هنر) مهندسی نیازمندی ها را در مقوله برنامه های کاربردی بزرگ داده (کلان داده) ارائه می کند.در ابتدا، ۳۱۱ مقاله از منابع متعدد شناسایی شد که پس از انتخاب روش، ۱۴ مقاله برای استفاده در این مطالعه مورد استفادهقرار گرفت.مراکز تحقیق ما در اطراف:(۱) مراحل پروسه RE؛ (۲) نوع الزامات، (۳) دامنه های کاربردی،(۴) چالش های تحقیق RE؛ (۵) راه حل های پیشنهاد شدهتوسط تحقیق RE.مشاهده کلیدی ما این است که مقدار قابل توجهی از تحقیقات وجود ندارد خطاب به: (a) جنبه های RE در زمینه برنامه هایبزرگ داده؛ و (b) روش ها، ابزار ها و پروسه های RE برای توسعه برنامه های داده بزرگ.بنابراین، این وضعیت فرصتی برای تحقیق در این منطقه جدید RE فراهم می کند.(مشارکت و هم افزایی)این مقاله وضعیت پیشرفته پژوهش RE را در زمینه برنامه های کاربردی بزرگ داده، تحلیلی از تحقیقات کنونی و جهتتحقیقات بیشتر ارائه می دهد.