用例分析是一种简单方便的建模方法，基本过程是根据已有的用例进行分析，找到领域的模型类、属性以及模型之间的关联关系。因此，通过这种方式建模主要输入为用例。完整的用例编写需要耗费大量的时间，而且需要专业的培训，在现实的工作中我还从来没见过哪个项目有完整的用例，常见的就是需要的PRD，之前讨论了使用实例化需求来对PRD进行分析，得到业务规则，我们可以使用业务规则来代替用例。
方法步骤
找名词：我们可以简单把用例中的名词都列出来，这些名词会作为模型类或者属性的候选者
找动词：动词往往可以发现模型之间的关联关系
确定模型类与属性：从第一步中确定模型类与属性，主要在于判断哪些名词应该作为类，哪些作为属性；一般如果是单值名词（或者可以通过基本数据类型表示的）往往可以作为属性，或者一个名词只关联了一个概念的
确定模型的关联关系：通过动词来分析出模型之间的关联关系
整个步骤很简单，只需要找到用例中的名词、动词，然后集合场景分析即可。在内网上也看到过通过用例的主谓宾定状结构来分析的，方法会更精细一些。不过从分析过程来看，两种方式效果差不多，通过主谓宾定状来分析步骤会麻烦一些。
另外由于用例的不但完善也会推进模型的不断的完善，也可以通过额外的用例来对已有的模型进行验证与修正。
工作中的一个例子
最近在工作中遇到一个需求，需要调整收银台中支付宝支付方式的置灰规则，通过实例化需求分解之后业务规则如下：
当用户支付金额大于10w时，而且不在白名单内，将支付宝置灰;
当用户支付金额大于10w时，在白名单内，将支付宝不置灰;
当用户支付金额大于5w小于10w，不在人群内，将支付宝不置灰;
当用户支付金额大于5w小于10w，在人群内，不在白名单内，将支付宝置灰;
当用户支付金额大于5w小于10w，在人群内，在白名单内，将支付宝不置灰;
当用户支付金额小于5w，将支付宝不置灰;
1. 找名词：用户、支付金额、金额下限（大于5w）、金额下限（小于10w）、人群（白名单也是一种人群）、支付工具（支付宝）
2. 找动词：置灰、属于（在人群内）
3. 模型与属性：
模型：用户、支付工具、人群、置灰规则、咨询行为； 其中咨询行为是基于已有模型得来的（也可以参考业界已有模型），置灰规则是上面用例中的隐含主语
属性：金额上限、金额下限、支付金额
4. 确定关系：置灰说明规则是与支付方式关联；属于说明用户与人群有关联
最后得到的模型如下
上面得到的是问题域模型，在真正系统实现的是时候可以根据需要对模型进行适当的调整，例如将人群作为用户的属性进行表示等。
