Kasu:
- Oskus tehisintellekti toel selgitada kontseptuaalseid, loogilisi ja füüsilisi andmemudeleid ja normaliseerimiskontseptsioone ning koostada olemi-suhete kavandeid
- Võimalus koostada andmesõnastiku, ärireeglite ja tabelisuhteid struktureeritud viipadega ning kontrollida neid tegeliku süsteemiga
- Võimalus kriitiliselt hinnata tehisintellekti loodud skeemi soovitusi terviklikkuse, singulaarsuse ja ärireeglitele vastavuse osas.
Infosüsteem on sisuliselt struktuur, mis hoiab andmeid korrastatuna. Andmete modelleerimine on ülesandeks kujundada struktureeritult ettevõtte faktid (klient, tellimus, toode, arve) ja nende omavahelised suhted. Hea andmemudel on täpse aruandluse, kiirete päringute ja ühtsete andmete alus; Halb mudel on aastatepikkuse ebajärjekindluse ja korduva parandustöö allikas. Enamasti ei kodeeri MIS-i professionaal mudelit nullist, vaid kontrollib mudeli vastavust ärireeglitele ning tõlgib mudeli äriüksuse ja IT vahel.
Andmete modelleerimine toimub kolmel abstraktsioonitasemel. Kontseptuaalne mudel (inglise keeles conceptual) on kõrgeim tase: millised peamised entiteedid eksisteerivad ja kuidas need on seotud? "Klient esitab tellimuse, tellimus sisaldab toodet." Tehnilisi üksikasju pole. Loogiline mudel määratleb iga olemi atribuudid (väljad), võtmed ja seosetüübid; kuid see pole ikka veel seotud konkreetse andmebaasitootega. Füüsiline mudel (inglise keeles füüsiline) on konkreetse andmebaasi (nt SQL Server, PostgreSQL) tabelite, andmetüüpide ja indeksite konkreetne versioon. Need kolm taset on sama idee üha üksikasjalikumad versioonid.
Olemi-suhe ja võtmed
Andmemudeli põhikeeleks on olemi-suhte (ER) mudel. Olemit võib pidada tabeliks: Klient, Tellimus. Atribuut on tabeli veerg: nimi, email, summa. Suhe on see, kuidas üksused on ühendatud: kliendil võib olla palju tellimusi (üks-mitmele suhe).
On kaks kriitilist võtmemõistet. Esmane võti on väli, mis identifitseerib üheselt iga tabeli rea; näiteks Kliendi ID. Võõrvõti on ühe tabeli väli, mis osutab teise tabeli primaarvõtmele; Tellimuste tabelis olev Kliendi ID ühendab, millise kliendi tellimusega on tegemist. Need ühendused tagavad referentsiaalse terviklikkuse: tellimust ei saa esitada kliendile, keda pole olemas.
Näpunäide. Kui tehisintellekt loob ER-i mustandi, on lihtsam iga tabeli jaoks primaarvõtme ja iga seose jaoks võõrvõti selgesõnaliselt taotleda. Kuid kontrollige iga mudeli pakutud võõrvõtit tegeliku ärireegli suhtes: mõnikord on suhe "üks-mitmele" tegelikult "paljud paljudele".
Normaliseerimine: kordumise vältimine
Normaliseerimine on liiasuse vähendamise ja terviklikkuse säilitamise protsess, jagades andmed loogilistesse tabelitesse. Eesmärk on hoida sama info ühes kohas. Näiteks selle asemel, et igale tellimuse reale ikka ja jälle kliendi aadressi tippida, hoiate aadressi üks kord tabelis Klient alles ja lingite selle tellimuse välisvõtmega. Nii värskendate aadressi muutumisel seda ühes kohas; Vastasel juhul on sadadel tellimustel erinevad aadressid. Seda nimetatakse värskendusanomaaliaks.
Normaliseerimise vastand on denormaliseerimine: sihilik korduste lubamine aruandluskiiruse huvides. Ärisüsteemides (operatiivne andmebaas) eelistatakse üldiselt normaliseerimist, aruandlussüsteemides (andmeladu) aga denormaliseerimist. Seega "normaliseerimine pole alati hea"; Otsus tehakse vastavalt eesmärgile.
Andmesõnastik: üldkeel
Andmesõnastik on dokument, mis määrab iga välja tähenduse, tüübi, piirangud ja ärireeglid. Mida tähendab väli "staatus"? Milliseid väärtusi see võib võtta (ootel, heaks kiidetud, tühistatud)? Kas see on kohustuslik? Ilma selle dokumendita tõlgendavad erinevad meeskonnad sama välja erinevalt ja aruanne on moonutatud. Andmesõnastik on organisatsiooni lingua franca ja MIS-i professionaali üks väärtuslikumaid tulemusi. AI saab olemasolevast tabelistruktuurist kiiresti eraldada esialgse andmesõnastiku mustandi; Kuid ainult neid andmeid kasutav üksus kontrollib iga välja tegelikku ärilist tähendust.
Kolm miniümbrist: numbrite järgi
Juhtum 1 – kordamise maksumus. Turustusettevõttes hoiti kliendi aadressi eraldi nii tellimuste kui ka arvete tabelites. Kui klient kolis, uuendati aadressi ainult ühes tabelis; 1400 arvet läks vanale aadressile ja tagastati. Kui aadress normaliseeriti ühes tabelis, piisaks ühest värskendusest. Tervendamisprojekt läks maksma 2 nädalat.
Juhtum 2 – vale suhtetüüp. Haridusasutuse MIS-i ekspert tunnistas tehisintellekti loodud mudelis (üks-mitmele) suhet „Õpilane kuulub klassi”. Siiski võisid õpilased registreeruda rohkem kui ühte valikaineklassi; Suhe oli tegelikult palju-mitmele ja vaja oli vahetabelit (Rekord). Viga selgus põllul, kui õpilane ei saanud teise klassi kirja panna. Kui tehisintellekti soovitus oleks kinnitust leidnud, oleks see algusest peale tabatud.
3. juhtum – andmesõnastiku väärtus. Tehti kindlaks, et kindlustusseltsis välja "policy_status" tõlgendasid 5 erinevat meeskonda erinevalt, seega andis sama KPI aruannetes 3 erinevat tulemust. Tehisintellektil töötava andmesõnastiku koostamisega ja äriüksusega ühtse kokkuleppe saavutamisega kõrvaldati aruannete ebakõlad ja igakuise kooskõlastuskoosoleku aeg vähenes 60%.
Nõrk viip / Tugev viip
Nõrk viip:
Kujundage e-kaubanduse andmebaas.
Võimas viip:
Teie roll: olete kogenud andmemodelleerija.KOOSTAGE LOOGILISE andmemudel vastavalt järgmistele ärireeglitele.Reeglid:- Iga olemi jaoks: väljad, primaarvõti, kohustuslikud väljad.- Iga seose puhul: tüüp (üks-mitmele / mitu-mitmele) ja võõrvõti.- Pakkuge vahetabel palju-mitmele suhetes.- Normaliseerige kuni 3 normaalvormi; Kui soovitate tahtlikku denormaliseerimist, kirjutage põhjendus.- Märgistage [VAJAD KINNITUS] kõik ärireeglid, milles te pole kindel.Ärireeglid:- Klient saab esitada mitu tellimust.- Tellimus sisaldab mitut toodet; Üks toode esineb paljudes tellimustes.- Toodetel on kategooriad.[muud reeglid...]
Võimas viip selgitab mudeli taset (loogilist), võtme- ja seosreegleid, normaliseerimise sihtmärki ja kinnitamist nõudvaid punkte.
Neli kopeeritavat malli
1) Andmesõnastiku mustand:
Tabeli määratlusest tuleneb andmesõnastiku ülevaade. Iga välja puhul: nimi, tüüp, kas see on kohustuslik, võimalikud väärtused, äriline tähendus (silt[ENNUSTUS], kui see on ennustus). Tabel: [DDL või väljade loend]
2) Normaliseerimise ülevaade:
Kas allolevas tabelistruktuuris on oht andmete dubleerimiseks, värskendusanomaaliaks ja normaliseerimiseks? Iga leiu kohta kirjutage üles, millist normaalvormi see rikub ja oma ettepanek. Struktuur: [tekst]
3) ER eelnõu ärieeskirjast:
Tõlgi järgmised ärireeglid olemiteks, atribuutideks ja suheteks. Määrake iga seose tüüp (1-1, 1-N, N-N) ja kui N-N, siis soovitage vahetabel. Märkige mitmetähenduslikud reeglid. Reeglid: [tekst]
4) Seosetüübi kontrollimise küsimused:
Looge allolevas andmemudelis iga seose jaoks "jah/ei" äriküsimus, mis testib selle tüübi õigsust (nt "Kas õpilane saab korraga registreeruda rohkem kui ühte klassi?"). Mudel: [tekst]
Võrdlustabel: mudelitasemed
funktsiooni
kontseptuaalne
loogiline
füüsiline
Detail
vähemalt
keskmine
enamus
võti/seos
Peamised varad
Võtmed määratletud
Sealhulgas indeks/tüüp
Oleneb andmebaasist
ei
ei
Jah
sihtrühma
äriüksus
analüütik
Arendaja/DBA
AI panus
mustand
tugev tõmme
Mustand, DBA kinnitus
Levinud vead
- Mõeldes palju-mitmele suhtest kui üks-mitmele. See on kõige levinum modelleerimisviga; Vahetabeli unustamisel ei saa süsteem tegelikku olekut säilitada.
- Pane kõik ühte tabelisse. Kõigi väljade koondamine ühte tabelisse "lihtsuse" huvides tekitab dubleerimise ja värskenduste kõrvalekaldeid.
- Ei kirjuta andmesõnastikku. Sama KPI annab erinevaid tulemusi, kui väljade tähendus jääb meelde.
- Usaldades pimesi tehisintellekti soovitusi andmetüüpide ja piirangute kohta. Mudel võib soovitada "piisavalt suurt" ala; Ärireegel määrab tegelikud limiidid (nt TR ID 11 numbrit).
- Absolutiseeriv normaliseerimine. Liigne normaliseerimine aruandluskihis aeglustab päringut; Eesmärk varieerub olenevalt kontekstist.
Ettevaatust: tehisintellekt võib luua mudeleid, mis näevad kenad välja, kuid rikuvad ärireegleid. Iga modelli pakutud suhte puhul on küsimus "kas see on tõesti nii?" Esitage äriküsimus. Andmemudel on süsteemi karkass; Luustiku luumurdu on hiljem väga raske parandada.
Kokkuvõttes
Andmete modelleerimine on ärifaktide struktureerimine koos olemite, atribuutide ja suhetega ning toimub kontseptuaalsel, loogilisel ja füüsilisel tasandil. Primaar- ja võõrvõtmed tagavad viitamise terviklikkuse; Normaliseerimine vähendab kordusi, kuid ka denormaliseerimine on olenevalt eesmärgist õigustatud. Andmesõnastik on organisatsiooni üldkeel. AI tagab märkimisväärse kiiruse ER mustandite, andmesõnastike ja normaliseerimisülevaadete koostamisel; aga seosetüübid, andmetüübid ja ärisemantika peavad olema vastavuses tegeliku ärireegliga. See, et mudel näeb hea välja, ei tähenda, et see on õige.
Rakenduse ülesanne
Mõelge "raamatukogu laenutussüsteemile": liikmed, raamatud, laenutusandmed. (1) Laske võimsa viipaga koostada loogiline mudeli mustand. (2) Testige iga mudeli pakutud suhte tüüpi (täpsemalt "kas liikmel võib olla rohkem kui üks eksemplar samast raamatust?") äriküsimusega. (3) Leidke vähemalt üks mitu-mitmele seos ja defineerige vahetabel. (4) Kirjutage andmesõnastiku read vähemalt 4 väljale (nimi, tüüp, kohustuslik, äriline tähendus). (5) Tõstke esile piirang, mille mudel võis paigaldada, ja selgitage, kuidas te seda kontrolliksite.
kontrollnimekiri
- [ ] Iga tabeli primaarvõti on määratletud.
- [ ] Kontrollisin äriküsimusega iga suhte tüüpi.
- [ ] Määratlesin vahetabeli palju-mitmele suhete jaoks.
- [ ] Normaliseerisin või põhjendasin dubleerivate andmete denormaliseerimist.
- [ ] Kirjutasin andmesõnastiku rea kriitiliste väljade jaoks.
- [ ] Kinnitasin tehisintellekti andmetüübi/piirangu soovitused ärireegli vastu.