Qazanclar:
- Konseptual, məntiqi və fiziki məlumat modellərini və normallaşdırma konsepsiyalarını izah etmək və süni intellektin dəstəyi ilə varlıq münasibətləri layihələrini hazırlamaq bacarığı
- Strukturlaşdırılmış göstərişlərlə məlumat lüğətini, biznes qaydalarını və cədvəl əlaqələrini tərtib etmək və onları real sistemlə yoxlamaq bacarığı
- Süni intellekt tərəfindən yaradılan sxem təkliflərini bütövlük, təklik və biznes qaydalarına uyğunluq baxımından tənqidi qiymətləndirmək bacarığı.
İnformasiya sistemi mahiyyət etibarı ilə məlumatları mütəşəkkil saxlayan bir strukturdur. Məlumatların modelləşdirilməsi biznesin faktlarını (müştəri, sifariş, məhsul, faktura) və onların bir-biri ilə əlaqələrini strukturlaşdırılmış şəkildə tərtib etmək vəzifəsidir. Yaxşı məlumat modeli dəqiq hesabatın, sürətli sorğuların və ardıcıl məlumatların əsasını təşkil edir; Pis model, illərlə davam edən uyğunsuzluğun və təkrarlanan düzəliş işlərinin mənbəyidir. Çox vaxt MIS peşəkarı modeli sıfırdan kodlamır, lakin modelin biznes qaydalarına uyğun olduğunu yoxlayır və modeli biznes bölməsi ilə İT arasında tərcümə edir.
Məlumatların modelləşdirilməsi üç abstraksiya səviyyəsində aparılır. Konseptual model (ingiliscə konseptual) ən yüksək səviyyədir: hansı əsas varlıqlar mövcuddur və onlar necə əlaqəlidirlər? “Müştəri sifariş verir, sifarişə məhsul daxildir”. Texniki detallar yoxdur. Məntiqi model hər bir obyektin atributlarını (sahələrini), açarlarını və əlaqə növlərini müəyyən edir; lakin hələ də konkret verilənlər bazası məhsulu ilə bağlı deyil. Fiziki model (İngilis dili fiziki) müəyyən verilənlər bazasında (məsələn, SQL Server, PostgreSQL) olan cədvəllərin, məlumat növlərinin və indekslərin konkret versiyasıdır. Bu üç səviyyə eyni ideyanın getdikcə daha ətraflı versiyalarıdır.
Müəssisə-Münasibət və Açarlar
Məlumat modelinin əsas dili Müəssisə Münasibətləri (ER) modelidir. Müəssisə cədvəl kimi düşünülə bilər: Müştəri, Sifariş. Atribut cədvəlin sütunudur: ad, e-poçt, məbləğ. Münasibət qurumların necə bağlandığıdır: müştərinin çoxlu sifarişləri ola bilər (birdən çox əlaqə).
İki kritik əsas anlayış var. İlkin açar cədvəldəki hər bir sıranı unikal şəkildə müəyyən edən sahədir; məsələn CustomerID. Xarici açar bir cədvəldə digər cədvəlin əsas açarını göstərən sahədir; Sifariş cədvəlindəki CustomerID onun hansı müştərinin sifarişi olduğunu birləşdirir. Bu əlaqələr istinad bütövlüyünü təmin edir: mövcud olmayan bir müştəri üçün sifariş verilə bilməz.
İpucu: Süni intellekt ER layihəsini yaratdıqda, hər bir cədvəl üçün əsas açarı və hər bir əlaqə üçün xarici açarı açıq şəkildə tələb etməyi asanlaşdırır. Lakin model tərəfindən təklif olunan hər bir xarici açarı faktiki biznes qaydasına zidd olaraq yoxlayın: bəzən "birdən çoxa" olduğunu düşündüyünüz əlaqə əslində "çoxdan çox" olur.
Normallaşma: Təkrarlanmanın qarşısının alınması
Normallaşdırma, verilənləri məntiqi cədvəllərə bölmək yolu ilə artıqlığın azaldılması və bütövlüyün qorunması prosesidir. Məqsəd eyni məlumatı bir yerdə saxlamaqdır. Məsələn, hər sifariş sətirində müştəri ünvanını təkrar-təkrar yazmaq əvəzinə, ünvanı bir dəfə Müştəri cədvəlində saxlayırsınız və onu sifarişdəki xarici açarla əlaqələndirirsiniz. Beləliklə, ünvan dəyişdikdə, onu bir yerdə yeniləyirsiniz; Əks halda yüzlərlə sifarişin fərqli ünvanları olacaq. Buna yeniləmə anomaliyası deyilir.
Normallaşmanın əksi denormalizasiyadır: hesabat sürəti naminə qəsdən bəzi təkrarlara icazə vermək. Biznes sistemlərində (əməliyyat verilənlər bazası) ümumiyyətlə normallaşdırmaya, hesabat sistemlərində (məlumat anbarı) isə çox vaxt denormalizasiyaya üstünlük verilir. Beləliklə, "normallaşma həmişə yaxşı deyil"; Qərar məqsədə uyğun olaraq verilir.
Məlumat lüğəti: Ümumi Dil
Məlumat lüğəti hər bir sahənin nə demək olduğunu, onun növünü, məhdudiyyətlərini və iş qaydasını müəyyən edən sənəddir. "Status" sahəsi nə deməkdir? Hansı dəyərləri qəbul edə bilər (Gözləmədədir, Təsdiqlənib, Ləğv edilib)? Bu məcburidir? Bu sənəd olmadan eyni sahə müxtəlif komandalar tərəfindən fərqli şərh ediləcək və hesabat təhrif ediləcək. Məlumat lüğəti təşkilatın lingua francasıdır və MIS peşəkarının ən dəyərli məhsullarından biridir. Süni intellekt mövcud cədvəl strukturundan ilkin məlumat lüğətinin layihəsini tez bir zamanda çıxara bilər; Lakin yalnız həmin məlumatlardan istifadə edən vahid hər bir sahənin əsl biznes mənasını yoxlayır.
Üç Mini Case: Rəqəmlərə görə
1-ci hal – Təkrarın dəyəri. Paylayıcı şirkətdə müştəri ünvanı həm sifariş, həm də faktura cədvəllərində ayrıca saxlanılırdı. Müştəri köçdükdə ünvan yalnız bir cədvəldə yenilənirdi; 1400 faktura köhnə ünvana gedib və geri qaytarılıb. Ünvan bir cədvəldə normallaşdırılsaydı, bir yeniləmə kifayət edərdi. Təmir layihəsi 2 həftəyə başa gəlir.
2-ci hal - Səhv münasibət növü. Bir təhsil müəssisəsindəki MIS mütəxəssisi süni intellektlə yaradılan modeldə (birdən çoxa) “Tələbə bir sinfə aiddir” əlaqəsini qəbul etdi. Bununla belə, tələbələr birdən çox seçmə sinfə yazıla bilər; Münasibət əslində çoxdan çoxa idi və aralıq cədvəl (Rekord) tələb olunurdu. Səhv 2-ci sinfə yazılmayan şagirdin sahədə üzə çıxıb. Süni intellektin təklifi təsdiqlənsəydi, o, əvvəldən tutulacaqdı.
3-cü hal - Məlumat lüğətinin dəyəri. Sığorta şirkətində "policy_status" sahəsinin 5 fərqli komanda tərəfindən fərqli şərh edildiyi, buna görə də eyni KPI-nin hesabatlarda 3 fərqli nəticə verdiyi müəyyən edilmişdir. Süni intellektlə işləyən məlumat lüğətinin hazırlanması və biznes bölməsi ilə vahid razılığın əldə edilməsi ilə hesabat uyğunsuzluğu aradan qaldırıldı və aylıq uzlaşma görüşlərinin vaxtı 60% azaldıldı.
Zəif Tələb / Güclü Tələb
Zəif çağırış:
Elektron ticarət verilənlər bazası dizayn edin.
Güclü göstəriş:
Rolunuz: Siz təcrübəli məlumat modelləşdiricisiniz. Aşağıdakı biznes qaydalarına uyğun olaraq MƏNTİQİ məlumat modelini TƏZİB EDİN. Qaydalar:- Hər bir obyekt üçün: sahələr, əsas açar, tələb olunan sahələr.- Hər əlaqə üçün: növü (bir-çox/çox-çox) və xarici açar.- Çoxdan çoxa nisbətdə aralıq cədvəli təklif edin.- Formanı normallaşdırın; Əgər qəsdən denormalizasiyanı tövsiyə edirsinizsə, əsaslandırmanı yazın.- Əmin olmadığınız hər hansı biznes qaydasını etiketləyin [TƏSQİQLAMA TƏLƏB EDİLİR]. Biznes qaydaları:- Müştəri bir neçə sifariş verə bilər.- Sifarişdə bir neçə məhsul var; Bir məhsul bir çox sifarişdə olur.- Məhsulların kateqoriyaları var.[digər qaydalar...]
Güclü sorğu model səviyyəsini (məntiqi), açar və əlaqə qaydalarını, normallaşdırma hədəfini və təsdiq tələb edən məqamları aydınlaşdırır.
Dörd Kopyalana bilən Şablon
1) Məlumat lüğətinin layihəsi:
Cədvəlin tərifindən məlumat lüğətinin konturu gəlir. Hər bir sahə üçün: ad, növ, məcburidir, mümkün dəyərlər, iş mənası (proqnozdursa, etiket[PROQNOM]). Cədvəl: [DDL və ya sahə siyahısı]
2) Normallaşmanın nəzərdən keçirilməsi:
Aşağıdakı cədvəl strukturunda dublikat məlumat, yeniləmə anomaliyası və normallaşma imkanı riski varmı? Hər tapıntı üçün onun hansı normal formanı pozduğunu və təklifinizi yazın. Struktur: [mətn]
3) Biznes qaydasından ER layihəsi:
Aşağıdakı biznes qaydalarını qurumlara, atributlara və münasibətlərə çevirin. Hər bir əlaqənin növünü göstərin (1-1, 1-N, N-N) və əgər N-N varsa, aralıq cədvəli təklif edin. Birmənalı olmayan qaydaları qeyd edin. Qaydalar: [mətn]
4) Münasibət tipini yoxlamaq üçün suallar:
Aşağıdakı data modelindəki hər bir əlaqə üçün onun növünün düzgünlüyünü yoxlayacaq "bəli/xeyr" biznes sualı yaradın (məsələn, "Tələbə eyni vaxtda birdən çox sinifə yazıla bilərmi?"). Model: [mətn]
Müqayisə Diaqramı: Model Səviyyələri
xüsusiyyət
konseptual
məntiqi
fiziki
Detal
heç olmasa
orta
ən çox
açar/əlaqə
Əsas aktivlər
Açarlar müəyyən edilmişdir
İndeks/növ daxil olmaqla
Verilənlər bazasından asılıdır
yox
yox
Bəli
hədəf auditoriyası
biznes bölməsi
analitik
Tərtibatçı/DBA
AI-nin töhfəsi
qaralama
güclü qaralama
Qaralama, DBA təsdiqi
Ümumi səhvlər
- Çoxdan çoxa münasibətini birdən çoxa kimi düşünmək. Bu, ən çox yayılmış modelləşdirmə səhvidir; Aralıq cədvəl unudulsa, sistem faktiki vəziyyəti saxlaya bilməz.
- Hər şeyi bir masaya yığırıq. "Sadəlik" naminə bütün sahələri bir cədvəldə toplamaq təkrarlama və yeniləmə anomaliyaları yaradır.
- Məlumat lüğəti yazmamaq. Sahələrin mənası ağılda qaldıqda eyni KPI fərqli nəticələr verir.
- AI-nin məlumat növləri və məhdudiyyətləri ilə bağlı tövsiyələrinə kor-koranə etibar etmək. Model "kifayət qədər böyük" bir sahə təklif edə bilər; Biznes qaydası faktiki limitləri müəyyən edir (məsələn, TR ID 11 rəqəmləri).
- Mütləq normallaşdırma. Hesabat qatında həddindən artıq normallaşma sorğunu ləngidir; Məqsəd kontekstdən asılı olaraq dəyişir.
Diqqət: Süni intellekt gözəl görünən, lakin iş qaydalarını pozan modellər yarada bilər. Modelin təklif etdiyi hər bir əlaqə üçün "həqiqətən belədirmi?" Biznes sualı verin. Məlumat modeli sistemin skeletidir; Skeletdəki sınığı sonradan təmir etmək çox çətindir.
Xülasə
Məlumatların modelləşdirilməsi müəssisələr, atributlar və əlaqələrlə biznes faktlarının strukturlaşdırılması prosesidir və konseptual, məntiqi və fiziki səviyyələrdə davam edir. Əsas və xarici açarlar istinad bütövlüyünü təmin edir; Normallaşma təkrarı azaldır, lakin məqsəddən asılı olaraq denormalizasiya da qanunidir. Məlumat lüğəti təşkilatın ümumi dilidir. Süni intellekt ER layihələrinin, məlumat lüğətlərinin və normallaşdırma rəylərinin hazırlanmasında əhəmiyyətli sürət təmin edir; lakin, əlaqə növləri, məlumat növləri və biznes semantikası faktiki biznes qaydasına zidd olaraq təsdiq edilməlidir. Modelin yaxşı görünməsi onun düzgün olduğu demək deyil.
Tətbiq tapşırığı
“Kitabxana kredit sistemini” nəzərdən keçirək: üzvlər, kitablar, kredit qeydləri. (1) Güclü sorğu tərəfindən hazırlanmış məntiqi model layihəsinə sahib olun. (2) Modelin təklif etdiyi hər bir əlaqənin növünü (xüsusilə, “üzv eyni kitabın birdən çox nüsxəsinə sahib ola bilərmi?”) biznes sualı ilə test edin. (3) Ən azı bir çox-çox əlaqəsini tapın və aralıq cədvəli təyin edin. (4) Ən azı 4 sahə (ad, növ, məcburi, iş mənası) üçün məlumat lüğəti sətirlərini yazın. (5) Modelin yerləşdirdiyi məhdudiyyəti vurğulayın və onu necə yoxlayacağınızı izah edin.
yoxlama siyahısı
- [ ] Hər cədvəlin əsas açarı müəyyən edilir.
- [ ] Biznes sualı ilə hər bir əlaqənin növünü yoxladım.
- [ ] Çoxdan çoxa əlaqələr üçün aralıq cədvəli təyin etdim.
- [ ] Mən dublikat məlumatların normallaşdırılmasını normallaşdırdım və ya əsaslandırdım.
- [ ] Mən kritik sahələr üçün məlumat lüğəti xətti yazdım.
- [ ] Mən AI-nin biznes qaydasına qarşı məlumat növü/məhdudiyyət təkliflərini təsdiqlədim.