案例04｜功能性與非功能性需求：同時定義做什麼與做到什麼程度

一、案例定位

本案例涉及人工智慧（Artificial Intelligence, AI）。本頁使用智慧資料流探索器（Intelligent Data Flow Explorer, IDFE）、資料定義語言（Data Definition Language, DDL）與資料操作語言（Data Manipulation Language, DML）。建立 IDFE 的需求分類與驗收基礎。

本案例依原書第 5 章的框架、範例或情境重組，並非原書正式案例研究。

二、學習目標

區分功能性與非功能性需求。
整理原書的功能、規模、安全與可用性要求。
避免把品質條件誤寫成功能。

三、案例情境

功能性需求描述系統必須完成的工作，例如從 DDL 與 DML 指令碼擷取細節、搜尋資料集並顯示完整轉換旅程、找出聚合、連接與篩選，以及提供圖形化表示。非功能性需求描述執行品質與限制，包括可擴充性、安全、法規遵循、穩健性、效能與可用性。

四、開始資料

需求類型	原書範例
功能性	自動擷取 DDL 與 DML 指令碼細節
功能性	搜尋資料集並顯示來源到報表旅程
功能性	辨識聚合、連接、篩選與計算
功能性	提供圖形表示
非功能性	處理超過 100 萬筆紀錄
非功能性	每個物件辨識為次秒級查詢延遲
非功能性	可用性 99.99%
非功能性	加密、角色型存取控制與匿名化

五、Excel／AI 分析方法

在 Excel 以「類型、需求、理由、量測方式、驗收門檻、證據」建表；AI 可檢查是否可測量及是否與目標一致。

六、計算結果

原書沒有提供可直接計算的數據，因此不補造結果。

七、結果分析與管理解讀

系統會做什麼與做得多快、多安全、多可靠缺一不可。原書的規模、延遲與可用性數字是需求，不是已驗證成果。

八、AI 提問詞

請將需求逐項分類為功能性或非功能性，並檢查是否具有可測量的驗收條件；不得自行補入門檻。