Nyereség:
- Képes elvi, logikai és fizikai adatmodellek és normalizálási koncepciók magyarázatára, valamint entitás-kapcsolat piszkozatok készítésére mesterséges intelligencia segítségével
- Képes adatszótár, üzleti szabály és táblakapcsolatok vázlatára strukturált promptokkal, és ellenőrizni azokat a valós rendszerrel
- Képes kritikusan értékelni az AI által generált sémajavaslatokat az integritás, a szingularitás és az üzleti szabályoknak való megfelelés szempontjából.
Az információs rendszer lényegében egy olyan struktúra, amely rendszerezi az adatokat. Az adatmodellezés egy vállalkozás tényeinek (vevő, rendelés, termék, számla) és ezek egymáshoz való viszonyának strukturált megtervezése. A jó adatmodell a pontos jelentéskészítés, a gyors lekérdezések és a konzisztens adatok alapja; A rossz modell évekig tartó következetlenség és ismétlődő korrekciós munka forrása. Az MIS szakember legtöbbször nem a nulláról kódolja a modellt, hanem ellenőrzi, hogy a modell megfelel-e az üzleti szabályoknak, és lefordítja a modellt az üzleti egység és az IT között.
Az adatmodellezés az absztrakció három szintjén halad. A koncepcionális modell (angolul conceptual) a legmagasabb szint: milyen fő entitások léteznek és hogyan kapcsolódnak egymáshoz? "A vásárló leadja a rendelést, a rendelés tartalmazza a terméket." Nincsenek műszaki részletek. A logikai modell meghatározza az egyes entitások attribútumait (mezőit), kulcsait és kapcsolattípusait; de még mindig nincs konkrét adatbázistermékhez kötve. A fizikai modell (angolul fizikai) egy adott adatbázisban (pl. SQL Server, PostgreSQL) található táblák, adattípusok és indexek konkrét változata. Ez a három szint ugyanannak az ötletnek egyre részletesebb változata.
Entitás-kapcsolat és kulcsok
Az adatmodell alapnyelve az Entity-Relationship (ER) modell. Az entitást egy táblázatnak tekinthetjük: Vevő, Megrendelés. Az attribútum a táblázat oszlopa: név, email cím, összeg. A kapcsolat az entitások összekapcsolásának módja: egy ügyfélnek sok megrendelése lehet (egy a többhez kapcsolat).
Két kritikus kulcsfogalom van. Az elsődleges kulcs az a mező, amely egyedileg azonosítja a táblázat minden sorát; például Ügyfélazonosító. Az idegen kulcs egy olyan mező az egyik táblában, amely egy másik tábla elsődleges kulcsára mutat; A rendelési táblázatban szereplő Ügyfélazonosító összeköti, hogy melyik vevő rendeléséről van szó. Ezek a kapcsolatok biztosítják a hivatkozási integritást: nem lehet megrendelést leadni nem létező vevő számára.
Tipp: Amikor a mesterséges intelligencia ER-vázlatot állít elő, megkönnyíti az elsődleges kulcs kifejezett kérését minden táblához és az idegen kulcsot az egyes kapcsolatokhoz. De ellenőrizze a modell által javasolt minden idegen kulcsot a tényleges üzleti szabályhoz képest: néha az Ön által „egy-a-többhez” kapcsolat valójában „sok-többhöz”.
Normalizálás: a kiújulás megelőzése
A normalizálás a redundancia csökkentésének és az integritás megőrzésének folyamata az adatok logikai táblákra való felosztásával. A cél az, hogy ugyanazok az információk egy helyen legyenek. Például ahelyett, hogy minden rendelési sorba újra és újra beírná az ügyfél címét, a címet egyszer megtartja a Vevő táblázatban, és összekapcsolja a rendelésből származó idegen kulccsal. Így a cím megváltozásakor egy helyen frissíti azt; Ellenkező esetben több száz rendelés eltérő címet kap. Ezt frissítési anomáliának hívják.
A normalizálás ellentéte a denormalizálás: szándékosan engedünk meg némi ismétlést a jelentési sebesség érdekében. Az üzleti rendszerekben (operatív adatbázis) általában a normalizálást részesítik előnyben, a jelentéskészítő rendszerekben (adattárház) pedig a denormalizálást. Tehát "a normalizálás nem mindig jó"; A döntés a célnak megfelelően történik.
Adatszótár: Köznyelv
Az adatszótár egy olyan dokumentum, amely meghatározza az egyes mezők jelentését, típusát, megszorításait és üzleti szabályait. Mit jelent az "állapot" mező? Milyen értékeket vehet fel (Függőben, Jóváhagyva, Törölve)? Kötelező? E dokumentum nélkül ugyanazt a mezőt a különböző csapatok eltérően értelmezik, és a jelentés torz lesz. Az adatszótár a szervezet lingua franca és az MIS szakember egyik legértékesebb terméke. A mesterséges intelligencia gyorsan ki tudja bontani a kezdeti adatszótár-vázlatot a meglévő táblázatszerkezetből; De csak az adatokat használó egység ellenőrzi az egyes mezők valódi üzleti jelentését.
Három mini tok: a számok szerint
1. eset – Az ismétlés költsége. Egy forgalmazó cégnél a vevő címét a rendelési és a számlatáblázatban is külön vezették. Amikor egy ügyfél elköltözött, a cím csak egy táblázatban frissült; 1400 számla érkezett a régi címre, és visszafizették. Ha a cím egyetlen táblában lenne normalizálva, akkor egyetlen frissítés is elegendő lenne. A kármentesítési projekt 2 hétbe került.
2. eset – Rossz típusú kapcsolat. Egy oktatási intézmény MIS-szakértője elismerte a „diák egy osztályhoz tartozik” (egy a többhez) kapcsolatot az AI által generált modellben. A tanulók azonban egynél több választható osztályba is beiratkozhattak; A kapcsolat valójában sok a sok ellen volt, és szükség volt egy köztes táblázatra (Rekord). A hiba a terepen derült ki, amikor egy diák nem iratkozott be a második osztályba. Ha az AI javaslata beigazolódott volna, már a kezdetektől fogva elkapták volna.
3. eset – Adatszótár értéke. Megállapítást nyert, hogy a "policy_status" mezőt egy biztosítótársaságnál 5 különböző csapat eltérően értelmezte, így ugyanaz a KPI 3 különböző eredményt adott a jelentésekben. A mesterséges intelligencia által vezérelt adatszótár elkészítésével és az üzletággal való egységes megállapodással a jelentési következetlenség megszűnt, és a havi egyeztető megbeszélések ideje 60%-kal csökkent.
Gyenge felszólítás / Erős felszólítás
Gyenge felszólítás:
Tervezz e-kereskedelmi adatbázist.
Erőteljes felszólítás:
Az Ön szerepköre: Ön tapasztalt adatmodellező.LOGIKAI adatmodell TERVEZÉSE a következő üzleti szabályok szerint.Szabályok:- Minden entitáshoz: mezők, elsődleges kulcs, kötelező mezők.- Minden kapcsolathoz: típus (egy-többhez / sok-sok-hoz) és idegen kulcs.- Közbülső tábla javaslata sok-többhöz kapcsolatokban.- Normálforma 3-ig normalizálása; Ha szándékos denormalizálást javasol, írja meg az indoklást.- Jelölje meg [MEGERŐSÍTÉS SZÜKSÉGES] bármely üzleti szabályt, amelyben nem biztos.Üzleti szabályok:- Az ügyfél több rendelést is leadhat.- Egy rendelés több terméket tartalmaz; Egy termék sok megrendelésben előfordul.- A termékeknek kategóriái vannak.[egyéb szabályok...]
A hatékony prompt tisztázza a modellszintet (logikai), a kulcs- és kapcsolatszabályokat, a normalizálási célt és a megerősítést igénylő pontokat.
Négy másolható sablon
1) Adatszótár vázlat:
Az adatszótár vázlata a táblázat definíciójából következik. Minden mezőnél: név, típus, kötelező-e, lehetséges értékek, üzleti jelentés (címke[PREDICTION], ha előrejelzés). Táblázat: [DDL vagy mezőlista]
2) Normalizációs áttekintés:
Fennáll-e a duplikált adatok, a frissítési anomália és a normalizálás lehetősége az alábbi táblázatszerkezetben? Minden egyes leletnél írja le, hogy melyik normál formát sérti, és a javaslatát. Szerkezet: [szöveg]
3) ER tervezet az üzletszabályzatból:
Fordítsa le a következő üzleti szabályokat entitásokká, attribútumokká és kapcsolatokká. Adja meg az egyes kapcsolatok típusát (1-1, 1-N, N-N), és ha N-N, javasoljon egy közbenső táblázatot. Jelölje meg a kétértelmű szabályokat. Szabályok: [szöveg]
4) Kapcsolattípus-ellenőrző kérdések:
Az alábbi adatmodellben minden kapcsolathoz hozzon létre egy „igen/nem” üzleti kérdést, amely teszteli annak típusának helyességét (pl. „Beiratkozhat-e egy tanuló egynél több osztályba egyszerre?”). Modell: [szöveg]
Összehasonlító táblázat: Modellszintek
jellemzője
fogalmi
logikus
fizikai
Részlet
legalábbis
közepes
legtöbb
kulcs/kapcsolat
Fő eszközök
Kulcsok megadva
Beleértve az indexet/típust
Adatbázistól függ
nem
nem
Igen
célközönség
üzleti egység
elemzője
Fejlesztő/DBA
Az AI hozzájárulása
tervezet
erős huzat
Tervezet, DBA megerősítés
Gyakori hibák
- A sok-sok kapcsolatra úgy gondolni, mint egy a sokra. Ez a leggyakoribb modellezési hiba; Ha a közbenső táblát elfelejti, a rendszer nem tudja megtartani az aktuális állapotot.
- Mindent egy táblázatba rakni. Ha az összes mezőt egy táblázatba gyűjti az "egyszerűség" kedvéért, akkor duplikációs és frissítési anomáliákat okoz.
- Nem írok adatszótárt. Ugyanaz a KPI különböző eredményeket ad, ha a mezők jelentése az elmében marad.
- Vakon bízva az AI adattípusokra és korlátozásokra vonatkozó ajánlásaiban. A modell javasolhat egy "elég nagy" területet; Az üzleti szabály határozza meg a tényleges korlátokat (pl. TR ID 11 számjegy).
- Abszolutizáló normalizálás. A jelentési réteg túlzott normalizálása lelassítja a lekérdezést; A cél a kontextustól függően változik.
Figyelem: A mesterséges intelligencia olyan modelleket hozhat létre, amelyek jól néznek ki, de sértik az üzleti szabályokat. Minden, a modell által javasolt kapcsolatnál felmerül a kérdés, hogy "tényleg ilyen?" Tegyen fel üzleti kérdést. Az adatmodell a rendszer váza; A csontváz törését később nagyon nehéz helyrehozni.
Összefoglalva
Az adatmodellezés az üzleti tények entitásokkal, attribútumokkal és kapcsolatokkal való strukturálásának folyamata, és fogalmi, logikai és fizikai szinten történik. Az elsődleges és idegen kulcsok biztosítják a hivatkozási integritást; A normalizálás csökkenti az ismétlést, de a denormalizálás is jogos a céltól függően. Az adatszótár a szervezet közös nyelve. Az AI jelentős sebességet biztosít az ER-vázlatok, adatszótárak és normalizálási áttekintések elkészítésében; azonban a kapcsolattípusokat, adattípusokat és üzleti szemantikát meg kell erősíteni a tényleges üzleti szabállyal. Attól, hogy a modell jól néz ki, még nem biztos, hogy megfelelő.
Pályázati feladat
Vegyünk egy „könyvtári kölcsönzési rendszert”: tagok, könyvek, kölcsönzési nyilvántartások. (1) Készítsen egy logikai modellvázlatot az erőteljes prompt segítségével. (2) Tesztelje a modell által javasolt egyes kapcsolatok típusát (konkrétan „lehet-e egy tagnak több példánya ugyanabból a könyvből?”) egy üzleti kérdéssel. (3) Keressen legalább egy sok-több kapcsolatot, és definiáljon egy köztes táblát. (4) Írjon adatszótári sorokat legalább 4 mezőre (név, típus, kötelező, üzleti jelentés). (5) Jelöljön ki egy kényszert, amelyet a modell illesztett, és magyarázza el, hogyan ellenőrizné.
ellenőrző lista
- [ ] Minden tábla elsődleges kulcsa meg van határozva.
- [ ] Ellenőriztem az egyes kapcsolatok típusát az üzleti kérdéssel.
- [ ] Meghatároztam egy köztes táblát a sok-sok kapcsolatokhoz.
- [ ] Normalizáltam vagy indokoltam a duplikált adatok denormalizálását.
- [ ] Írtam egy adatszótár sort a kritikus mezőkhöz.
- [ ] Megerősítettem az AI adattípusra/korlátozásra vonatkozó javaslatait az üzleti szabály ellen.