ಲಾಭಗಳು:
- ಪರಿಕಲ್ಪನಾ, ತಾರ್ಕಿಕ ಮತ್ತು ಭೌತಿಕ ಡೇಟಾ ಮಾದರಿಗಳು ಮತ್ತು ಸಾಮಾನ್ಯೀಕರಣ ಪರಿಕಲ್ಪನೆಗಳನ್ನು ವಿವರಿಸುವ ಸಾಮರ್ಥ್ಯ ಮತ್ತು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಬೆಂಬಲದೊಂದಿಗೆ ಅಸ್ತಿತ್ವದ-ಸಂಬಂಧದ ಕರಡುಗಳನ್ನು ಉತ್ಪಾದಿಸುವ ಸಾಮರ್ಥ್ಯ
- ರಚನಾತ್ಮಕ ಪ್ರಾಂಪ್ಟ್ಗಳೊಂದಿಗೆ ಡೇಟಾ ನಿಘಂಟು, ವ್ಯವಹಾರ ನಿಯಮ ಮತ್ತು ಟೇಬಲ್ ಸಂಬಂಧಗಳನ್ನು ಕರಡು ಮಾಡುವ ಸಾಮರ್ಥ್ಯ ಮತ್ತು ಅವುಗಳನ್ನು ನೈಜ ವ್ಯವಸ್ಥೆಯ ವಿರುದ್ಧ ಪರಿಶೀಲಿಸುವ ಸಾಮರ್ಥ್ಯ
- ಸಮಗ್ರತೆ, ಏಕತ್ವ ಮತ್ತು ವ್ಯವಹಾರ ನಿಯಮಗಳ ಅನುಸರಣೆಯ ವಿಷಯದಲ್ಲಿ AI- ರಚಿತವಾದ ಸ್ಕೀಮಾ ಸಲಹೆಗಳನ್ನು ವಿಮರ್ಶಾತ್ಮಕವಾಗಿ ಮೌಲ್ಯಮಾಪನ ಮಾಡುವ ಸಾಮರ್ಥ್ಯ.
ಮಾಹಿತಿ ವ್ಯವಸ್ಥೆಯು ಮೂಲಭೂತವಾಗಿ ಡೇಟಾವನ್ನು ವ್ಯವಸ್ಥಿತವಾಗಿರಿಸುವ ರಚನೆಯಾಗಿದೆ. ಡೇಟಾ ಮಾಡೆಲಿಂಗ್ ಎನ್ನುವುದು ವ್ಯವಹಾರದ ಸಂಗತಿಗಳನ್ನು (ಗ್ರಾಹಕರು, ಆದೇಶ, ಉತ್ಪನ್ನ, ಸರಕುಪಟ್ಟಿ) ಮತ್ತು ಅವುಗಳ ಪರಸ್ಪರ ಸಂಬಂಧವನ್ನು ರಚನಾತ್ಮಕ ರೀತಿಯಲ್ಲಿ ವಿನ್ಯಾಸಗೊಳಿಸುವ ಕಾರ್ಯವಾಗಿದೆ. ಉತ್ತಮ ಡೇಟಾ ಮಾದರಿಯು ನಿಖರವಾದ ವರದಿ, ವೇಗದ ಪ್ರಶ್ನೆಗಳು ಮತ್ತು ಸ್ಥಿರವಾದ ಡೇಟಾದ ಅಡಿಪಾಯವಾಗಿದೆ; ಕೆಟ್ಟ ಮಾದರಿಯು ವರ್ಷಗಳ ಅಸಂಗತತೆ ಮತ್ತು ಪುನರಾವರ್ತಿತ ತಿದ್ದುಪಡಿ ಕೆಲಸದ ಮೂಲವಾಗಿದೆ. ಹೆಚ್ಚಿನ ಸಮಯ, MIS ವೃತ್ತಿಪರರು ಮೊದಲಿನಿಂದ ಮಾದರಿಯನ್ನು ಕೋಡ್ ಮಾಡುವುದಿಲ್ಲ, ಆದರೆ ಮಾದರಿಯು ವ್ಯವಹಾರ ನಿಯಮಗಳಿಗೆ ಅನುಗುಣವಾಗಿರುತ್ತದೆ ಎಂದು ಪರಿಶೀಲಿಸುತ್ತದೆ ಮತ್ತು ವ್ಯಾಪಾರ ಘಟಕ ಮತ್ತು IT ನಡುವೆ ಮಾದರಿಯನ್ನು ಅನುವಾದಿಸುತ್ತದೆ.
ಡೇಟಾ ಮಾಡೆಲಿಂಗ್ ಅಮೂರ್ತತೆಯ ಮೂರು ಹಂತಗಳಲ್ಲಿ ಮುಂದುವರಿಯುತ್ತದೆ. ಪರಿಕಲ್ಪನಾ ಮಾದರಿ (ಇಂಗ್ಲಿಷ್ ಪರಿಕಲ್ಪನಾ) ಅತ್ಯುನ್ನತ ಮಟ್ಟವಾಗಿದೆ: ಯಾವ ಮುಖ್ಯ ಘಟಕಗಳು ಅಸ್ತಿತ್ವದಲ್ಲಿವೆ ಮತ್ತು ಅವು ಹೇಗೆ ಸಂಬಂಧಿಸಿವೆ? "ಗ್ರಾಹಕರು ಆದೇಶವನ್ನು ನೀಡುತ್ತಾರೆ, ಆದೇಶವು ಉತ್ಪನ್ನವನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ." ಯಾವುದೇ ತಾಂತ್ರಿಕ ವಿವರಗಳಿಲ್ಲ. ತಾರ್ಕಿಕ ಮಾದರಿಯು ಪ್ರತಿಯೊಂದು ಘಟಕದ ಗುಣಲಕ್ಷಣಗಳು (ಕ್ಷೇತ್ರಗಳು), ಕೀಗಳು ಮತ್ತು ಸಂಬಂಧದ ಪ್ರಕಾರಗಳನ್ನು ವ್ಯಾಖ್ಯಾನಿಸುತ್ತದೆ; ಆದರೆ ಇದು ಇನ್ನೂ ನಿರ್ದಿಷ್ಟ ಡೇಟಾಬೇಸ್ ಉತ್ಪನ್ನಕ್ಕೆ ಸಂಬಂಧಿಸಿಲ್ಲ. ಭೌತಿಕ ಮಾದರಿಯು (ಇಂಗ್ಲಿಷ್ ಭೌತಿಕ) ನಿರ್ದಿಷ್ಟ ಡೇಟಾಬೇಸ್ನಲ್ಲಿನ ಕೋಷ್ಟಕಗಳು, ಡೇಟಾ ಪ್ರಕಾರಗಳು ಮತ್ತು ಸೂಚಿಕೆಗಳ ಕಾಂಕ್ರೀಟ್ ಆವೃತ್ತಿಯಾಗಿದೆ (ಉದಾ. SQL ಸರ್ವರ್, ಪೋಸ್ಟ್ಗ್ರೆಎಸ್ಕ್ಯುಎಲ್). ಈ ಮೂರು ಹಂತಗಳು ಒಂದೇ ಕಲ್ಪನೆಯ ಹೆಚ್ಚು ವಿವರವಾದ ಆವೃತ್ತಿಗಳಾಗಿವೆ.
ಅಸ್ತಿತ್ವ-ಸಂಬಂಧ ಮತ್ತು ಕೀಲಿಗಳು
ಡೇಟಾ ಮಾದರಿಯ ಮೂಲ ಭಾಷೆ ಎಂಟಿಟಿ-ರಿಲೇಶನ್ಶಿಪ್ (ER) ಮಾದರಿಯಾಗಿದೆ. ಘಟಕವನ್ನು ಟೇಬಲ್ ಎಂದು ಪರಿಗಣಿಸಬಹುದು: ಗ್ರಾಹಕ, ಆದೇಶ. ಗುಣಲಕ್ಷಣವು ಟೇಬಲ್ನ ಕಾಲಮ್ ಆಗಿದೆ: ಹೆಸರು, ಇಮೇಲ್, ಮೊತ್ತ. ಸಂಬಂಧವು ಘಟಕಗಳನ್ನು ಹೇಗೆ ಸಂಪರ್ಕಿಸಲಾಗಿದೆ: ಗ್ರಾಹಕರು ಅನೇಕ ಆದೇಶಗಳನ್ನು ಹೊಂದಬಹುದು (ಒಂದರಿಂದ ಹಲವು ಸಂಬಂಧಗಳು).
ಎರಡು ನಿರ್ಣಾಯಕ ಪ್ರಮುಖ ಪರಿಕಲ್ಪನೆಗಳಿವೆ. ಪ್ರಾಥಮಿಕ ಕೀಲಿಯು ಒಂದು ಕೋಷ್ಟಕದಲ್ಲಿ ಪ್ರತಿ ಸಾಲನ್ನು ಅನನ್ಯವಾಗಿ ಗುರುತಿಸುವ ಕ್ಷೇತ್ರವಾಗಿದೆ; ಉದಾಹರಣೆಗೆ ಗ್ರಾಹಕ ID. ವಿದೇಶಿ ಕೀಲಿಯು ಒಂದು ಕೋಷ್ಟಕದಲ್ಲಿನ ಕ್ಷೇತ್ರವಾಗಿದ್ದು ಅದು ಇನ್ನೊಂದು ಕೋಷ್ಟಕದ ಪ್ರಾಥಮಿಕ ಕೀಲಿಯನ್ನು ಸೂಚಿಸುತ್ತದೆ; ಆರ್ಡರ್ ಟೇಬಲ್ನಲ್ಲಿರುವ CustomerID ಇದು ಯಾವ ಗ್ರಾಹಕರ ಆರ್ಡರ್ ಎಂಬುದನ್ನು ಸಂಪರ್ಕಿಸುತ್ತದೆ. ಈ ಸಂಪರ್ಕಗಳು ಉಲ್ಲೇಖಿತ ಸಮಗ್ರತೆಯನ್ನು ಖಚಿತಪಡಿಸುತ್ತವೆ: ಅಸ್ತಿತ್ವದಲ್ಲಿಲ್ಲದ ಗ್ರಾಹಕರಿಗೆ ಆದೇಶವನ್ನು ನೀಡಲಾಗುವುದಿಲ್ಲ.
ಸಲಹೆ: AI ER ಡ್ರಾಫ್ಟ್ ಅನ್ನು ರಚಿಸಿದಾಗ, ಪ್ರತಿ ಟೇಬಲ್ಗೆ ಪ್ರಾಥಮಿಕ ಕೀ ಮತ್ತು ಪ್ರತಿ ಸಂಬಂಧಕ್ಕಾಗಿ ವಿದೇಶಿ ಕೀಲಿಯನ್ನು ಸ್ಪಷ್ಟವಾಗಿ ವಿನಂತಿಸಲು ಇದು ಸುಲಭವಾಗುತ್ತದೆ. ಆದರೆ ನಿಜವಾದ ವ್ಯಾಪಾರ ನಿಯಮದ ವಿರುದ್ಧ ಮಾದರಿಯಿಂದ ಸೂಚಿಸಲಾದ ಪ್ರತಿ ವಿದೇಶಿ ಕೀಲಿಯನ್ನು ಪರಿಶೀಲಿಸಿ: ಕೆಲವೊಮ್ಮೆ ನೀವು "ಒಂದರಿಂದ ಅನೇಕ" ಎಂದು ಭಾವಿಸುವ ಸಂಬಂಧವು ವಾಸ್ತವವಾಗಿ "ಹಲವು-ಹಲವು" ಆಗಿದೆ.
ಸಾಮಾನ್ಯೀಕರಣ: ಮರುಕಳಿಸುವಿಕೆಯನ್ನು ತಡೆಗಟ್ಟುವುದು
ಸಾಮಾನ್ಯೀಕರಣವು ದತ್ತಾಂಶವನ್ನು ತಾರ್ಕಿಕ ಕೋಷ್ಟಕಗಳಾಗಿ ವಿಭಜಿಸುವ ಮೂಲಕ ಪುನರಾವರ್ತನೆಯನ್ನು ಕಡಿಮೆ ಮಾಡುವ ಮತ್ತು ಸಮಗ್ರತೆಯನ್ನು ಕಾಪಾಡುವ ಪ್ರಕ್ರಿಯೆಯಾಗಿದೆ. ಒಂದೇ ಮಾಹಿತಿಯನ್ನು ಒಂದೇ ಸ್ಥಳದಲ್ಲಿ ಇಡುವುದು ಗುರಿಯಾಗಿದೆ. ಉದಾಹರಣೆಗೆ, ಪ್ರತಿ ಆರ್ಡರ್ ಲೈನ್ನಲ್ಲಿ ಗ್ರಾಹಕರ ವಿಳಾಸವನ್ನು ಮತ್ತೆ ಮತ್ತೆ ಟೈಪ್ ಮಾಡುವ ಬದಲು, ನೀವು ವಿಳಾಸವನ್ನು ಗ್ರಾಹಕ ಕೋಷ್ಟಕದಲ್ಲಿ ಒಮ್ಮೆ ಇರಿಸಿ ಮತ್ತು ಆದೇಶದಿಂದ ವಿದೇಶಿ ಕೀಲಿಯೊಂದಿಗೆ ಲಿಂಕ್ ಮಾಡಿ. ಈ ರೀತಿಯಲ್ಲಿ, ವಿಳಾಸ ಬದಲಾದಾಗ, ನೀವು ಅದನ್ನು ಒಂದೇ ಸ್ಥಳದಲ್ಲಿ ನವೀಕರಿಸಿ; ಇಲ್ಲದಿದ್ದರೆ, ನೂರಾರು ಆರ್ಡರ್ಗಳು ವಿಭಿನ್ನ ವಿಳಾಸಗಳನ್ನು ಹೊಂದಿರುತ್ತವೆ. ಇದನ್ನು ನವೀಕರಣ ಅಸಂಗತತೆ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ.
ಸಾಮಾನ್ಯೀಕರಣದ ವಿರುದ್ಧವೆಂದರೆ ಅಸಾಧಾರಣೀಕರಣ: ವರದಿ ಮಾಡುವ ವೇಗದ ಸಲುವಾಗಿ ಉದ್ದೇಶಪೂರ್ವಕವಾಗಿ ಕೆಲವು ಪುನರಾವರ್ತನೆಗಳನ್ನು ಅನುಮತಿಸುವುದು. ವ್ಯಾಪಾರ ವ್ಯವಸ್ಥೆಗಳಲ್ಲಿ (ಕಾರ್ಯಾಚರಣೆಯ ಡೇಟಾಬೇಸ್), ಸಾಮಾನ್ಯೀಕರಣವನ್ನು ಸಾಮಾನ್ಯವಾಗಿ ಆದ್ಯತೆ ನೀಡಲಾಗುತ್ತದೆ ಮತ್ತು ವರದಿ ಮಾಡುವ ವ್ಯವಸ್ಥೆಗಳಲ್ಲಿ (ಡೇಟಾ ವೇರ್ಹೌಸ್), ಡಿನಾರ್ಮಲೈಸೇಶನ್ ಅನ್ನು ಹೆಚ್ಚಾಗಿ ಆದ್ಯತೆ ನೀಡಲಾಗುತ್ತದೆ. ಆದ್ದರಿಂದ "ಸಾಮಾನ್ಯೀಕರಣವು ಯಾವಾಗಲೂ ಉತ್ತಮವಾಗಿಲ್ಲ"; ಉದ್ದೇಶಕ್ಕೆ ಅನುಗುಣವಾಗಿ ನಿರ್ಧಾರ ತೆಗೆದುಕೊಳ್ಳಲಾಗುತ್ತದೆ.
ಡೇಟಾ ನಿಘಂಟು: ಸಾಮಾನ್ಯ ಭಾಷೆ
ಡೇಟಾ ಡಿಕ್ಷನರಿ ಎನ್ನುವುದು ಪ್ರತಿಯೊಂದು ಕ್ಷೇತ್ರದ ಅರ್ಥ, ಅದರ ಪ್ರಕಾರ, ನಿರ್ಬಂಧಗಳು ಮತ್ತು ವ್ಯವಹಾರ ನಿಯಮವನ್ನು ವ್ಯಾಖ್ಯಾನಿಸುವ ಡಾಕ್ಯುಮೆಂಟ್ ಆಗಿದೆ. "ಸ್ಥಿತಿ" ಕ್ಷೇತ್ರದ ಅರ್ಥವೇನು? ಇದು ಯಾವ ಮೌಲ್ಯಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಬಹುದು (ಬಾಕಿ ಉಳಿದಿದೆ, ಅನುಮೋದಿಸಲಾಗಿದೆ, ರದ್ದುಗೊಳಿಸಲಾಗಿದೆ)? ಇದು ಕಡ್ಡಾಯವೇ? ಈ ದಾಖಲೆ ಇಲ್ಲದೆ, ಒಂದೇ ಕ್ಷೇತ್ರವನ್ನು ವಿವಿಧ ತಂಡಗಳು ವಿಭಿನ್ನವಾಗಿ ವ್ಯಾಖ್ಯಾನಿಸುತ್ತವೆ ಮತ್ತು ವರದಿಯನ್ನು ತಿರುಚಲಾಗುತ್ತದೆ. ದತ್ತಾಂಶ ನಿಘಂಟು ಸಂಸ್ಥೆಯ ಭಾಷಾ ಭಾಷೆಯಾಗಿದೆ ಮತ್ತು MIS ವೃತ್ತಿಪರರ ಅತ್ಯಮೂಲ್ಯವಾದ ವಿತರಣೆಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ. AI ತ್ವರಿತವಾಗಿ ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಟೇಬಲ್ ರಚನೆಯಿಂದ ಆರಂಭಿಕ ಡೇಟಾ ನಿಘಂಟು ಡ್ರಾಫ್ಟ್ ಅನ್ನು ಹೊರತೆಗೆಯಬಹುದು; ಆದರೆ ಆ ಡೇಟಾವನ್ನು ಬಳಸುವ ಘಟಕ ಮಾತ್ರ ಪ್ರತಿ ಕ್ಷೇತ್ರದ ನಿಜವಾದ ವ್ಯಾಪಾರ ಅರ್ಥವನ್ನು ಪರಿಶೀಲಿಸುತ್ತದೆ.
ಮೂರು ಮಿನಿ ಪ್ರಕರಣಗಳು: ಸಂಖ್ಯೆಗಳ ಮೂಲಕ
ಪ್ರಕರಣ 1 - ಪುನರಾವರ್ತನೆಯ ವೆಚ್ಚ. ವಿತರಣಾ ಕಂಪನಿಯಲ್ಲಿ, ಗ್ರಾಹಕರ ವಿಳಾಸವನ್ನು ಆರ್ಡರ್ ಮತ್ತು ಇನ್ವಾಯ್ಸ್ ಕೋಷ್ಟಕಗಳಲ್ಲಿ ಪ್ರತ್ಯೇಕವಾಗಿ ಇರಿಸಲಾಗುತ್ತದೆ. ಗ್ರಾಹಕರು ಸ್ಥಳಾಂತರಗೊಂಡಾಗ, ವಿಳಾಸವನ್ನು ಕೇವಲ ಒಂದು ಕೋಷ್ಟಕದಲ್ಲಿ ನವೀಕರಿಸಲಾಗಿದೆ; 1,400 ಇನ್ವಾಯ್ಸ್ಗಳು ಹಳೆಯ ವಿಳಾಸಕ್ಕೆ ಹೋಗಿದ್ದು, ಮರುಪಾವತಿ ಮಾಡಲಾಗಿದೆ. ವಿಳಾಸವನ್ನು ಒಂದೇ ಕೋಷ್ಟಕದಲ್ಲಿ ಸಾಮಾನ್ಯಗೊಳಿಸಿದರೆ, ಒಂದೇ ನವೀಕರಣವು ಸಾಕಾಗುತ್ತದೆ. ಪರಿಹಾರ ಯೋಜನೆಯ ವೆಚ್ಚ 2 ವಾರಗಳು.
ಪ್ರಕರಣ 2 - ತಪ್ಪು ರೀತಿಯ ಸಂಬಂಧ. ಶಿಕ್ಷಣ ಸಂಸ್ಥೆಯೊಂದರಲ್ಲಿ MIS ಪರಿಣಿತರು AI ರಚಿತ ಮಾದರಿಯಲ್ಲಿ "ವಿದ್ಯಾರ್ಥಿ ವರ್ಗಕ್ಕೆ ಸೇರಿದವರು" (ಒಂದರಿಂದ ಅನೇಕ) ಸಂಬಂಧವನ್ನು ಒಪ್ಪಿಕೊಂಡಿದ್ದಾರೆ. ಆದಾಗ್ಯೂ, ವಿದ್ಯಾರ್ಥಿಗಳು ಒಂದಕ್ಕಿಂತ ಹೆಚ್ಚು ಚುನಾಯಿತ ತರಗತಿಗಳಿಗೆ ದಾಖಲಾಗಬಹುದು; ಸಂಬಂಧವು ವಾಸ್ತವವಾಗಿ ಹಲವು-ಹಲವು ಮತ್ತು ಮಧ್ಯಂತರ ಕೋಷ್ಟಕ (ದಾಖಲೆ) ಅಗತ್ಯವಿದೆ. ವಿದ್ಯಾರ್ಥಿಯೊಬ್ಬ ಎರಡನೇ ತರಗತಿಗೆ ದಾಖಲಾತಿಗೆ ವಿಫಲವಾದಾಗ ಕ್ಷೇತ್ರದಲ್ಲಿ ತಪ್ಪು ಬಯಲಾಗಿದೆ. AI ನ ಸಲಹೆಯನ್ನು ದೃಢೀಕರಿಸಿದ್ದರೆ, ಅದು ಪ್ರಾರಂಭದಿಂದಲೇ ಸಿಕ್ಕಿಬೀಳುತ್ತಿತ್ತು.
ಪ್ರಕರಣ 3 - ಡೇಟಾ ನಿಘಂಟಿನ ಮೌಲ್ಯ. ವಿಮಾ ಕಂಪನಿಯಲ್ಲಿನ "ನೀತಿ_ಸ್ಥಿತಿ" ಕ್ಷೇತ್ರವನ್ನು 5 ವಿಭಿನ್ನ ತಂಡಗಳು ವಿಭಿನ್ನವಾಗಿ ಅರ್ಥೈಸಲಾಗಿದೆ ಎಂದು ನಿರ್ಧರಿಸಲಾಯಿತು, ಆದ್ದರಿಂದ ಅದೇ KPI ವರದಿಗಳಲ್ಲಿ 3 ವಿಭಿನ್ನ ಫಲಿತಾಂಶಗಳನ್ನು ನೀಡಿತು. AI-ಚಾಲಿತ ಡೇಟಾ ನಿಘಂಟನ್ನು ರಚಿಸುವ ಮೂಲಕ ಮತ್ತು ವ್ಯಾಪಾರ ಘಟಕದೊಂದಿಗೆ ಏಕರೂಪದ ಒಪ್ಪಂದವನ್ನು ಸಾಧಿಸುವ ಮೂಲಕ, ವರದಿಯ ಅಸಂಗತತೆಯನ್ನು ತೆಗೆದುಹಾಕಲಾಗಿದೆ ಮತ್ತು ಮಾಸಿಕ ಸಮನ್ವಯ ಸಭೆಯ ಸಮಯವನ್ನು 60% ರಷ್ಟು ಕಡಿಮೆ ಮಾಡಲಾಗಿದೆ.
ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್
ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್:
ಇ-ಕಾಮರ್ಸ್ ಡೇಟಾಬೇಸ್ ಅನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸಿ.
ಶಕ್ತಿಯುತ ಪ್ರಾಂಪ್ಟ್:
ನಿಮ್ಮ ಪಾತ್ರ: ನೀವು ಅನುಭವಿ ಡೇಟಾ ಮಾಡೆಲರ್ ಆಗಿದ್ದೀರಿ. ಈ ಕೆಳಗಿನ ವ್ಯವಹಾರ ನಿಯಮಗಳ ಪ್ರಕಾರ ತಾರ್ಕಿಕ ಡೇಟಾ ಮಾದರಿಯನ್ನು ರಚಿಸಿ. ನಿಯಮಗಳು:- ಪ್ರತಿ ಘಟಕಕ್ಕೆ: ಕ್ಷೇತ್ರಗಳು, ಪ್ರಾಥಮಿಕ ಕೀ, ಅಗತ್ಯವಿರುವ ಕ್ಷೇತ್ರಗಳು.- ಪ್ರತಿ ಸಂಬಂಧಕ್ಕಾಗಿ: ಪ್ರಕಾರ (ಒಂದರಿಂದ ಹಲವು / ಅನೇಕದಿಂದ ಹಲವು) ಮತ್ತು ವಿದೇಶಿ ಕೀ.- ಹಲವು ಅಥವಾ 3 ಸಾಮಾನ್ಯ ಸಂಬಂಧಗಳಲ್ಲಿ ಮಧ್ಯಂತರ ಕೋಷ್ಟಕವನ್ನು ಪ್ರಸ್ತಾಪಿಸಿ;- ನೀವು ಉದ್ದೇಶಪೂರ್ವಕ ಅಮಾನ್ಯೀಕರಣವನ್ನು ಶಿಫಾರಸು ಮಾಡಿದರೆ, ತಾರ್ಕಿಕತೆಯನ್ನು ಬರೆಯಿರಿ.- ಲೇಬಲ್ [ದೃಢೀಕರಣದ ಅಗತ್ಯವಿದೆ] ಯಾವುದೇ ವ್ಯವಹಾರ ನಿಯಮವನ್ನು ನೀವು ಖಚಿತವಾಗಿರುವುದಿಲ್ಲ. ವ್ಯಾಪಾರ ನಿಯಮಗಳು:- ಗ್ರಾಹಕರು ಬಹು ಆರ್ಡರ್ಗಳನ್ನು ಇರಿಸಬಹುದು.- ಒಂದು ಆದೇಶವು ಬಹು ಉತ್ಪನ್ನಗಳನ್ನು ಒಳಗೊಂಡಿದೆ; ಒಂದು ಉತ್ಪನ್ನವು ಹಲವು ಆದೇಶಗಳಲ್ಲಿ ಕಂಡುಬರುತ್ತದೆ.- ಉತ್ಪನ್ನಗಳಿಗೆ ವರ್ಗಗಳಿವೆ.[ಇತರ ನಿಯಮಗಳು...]
ಪ್ರಬಲ ಪ್ರಾಂಪ್ಟ್ ಮಾದರಿಯ ಮಟ್ಟವನ್ನು (ತಾರ್ಕಿಕ), ಕೀ ಮತ್ತು ಸಂಬಂಧದ ನಿಯಮಗಳು, ಸಾಮಾನ್ಯೀಕರಣ ಗುರಿ ಮತ್ತು ದೃಢೀಕರಣದ ಅಗತ್ಯವಿರುವ ಅಂಕಗಳನ್ನು ಸ್ಪಷ್ಟಪಡಿಸುತ್ತದೆ.
ನಾಲ್ಕು ನಕಲು ಮಾಡಬಹುದಾದ ಟೆಂಪ್ಲೇಟ್ಗಳು
1) ಡೇಟಾ ನಿಘಂಟಿನ ಕರಡು:
ಟೇಬಲ್ ವ್ಯಾಖ್ಯಾನದಿಂದ ಡೇಟಾ ನಿಘಂಟು ರೂಪರೇಖೆಯನ್ನು ಅನುಸರಿಸುತ್ತದೆ. ಪ್ರತಿ ಕ್ಷೇತ್ರಕ್ಕೆ: ಹೆಸರು, ಪ್ರಕಾರ, ಇದು ಕಡ್ಡಾಯವಾಗಿದೆಯೇ, ಸಂಭವನೀಯ ಮೌಲ್ಯಗಳು, ವ್ಯವಹಾರದ ಅರ್ಥ (ಲೇಬಲ್[PREDICTION] ಅದು ಭವಿಷ್ಯವಾಗಿದ್ದರೆ). ಕೋಷ್ಟಕ: [ಡಿಡಿಎಲ್ ಅಥವಾ ಕ್ಷೇತ್ರ ಪಟ್ಟಿ]
2) ಸಾಮಾನ್ಯೀಕರಣ ವಿಮರ್ಶೆ:
ಕೆಳಗಿನ ಕೋಷ್ಟಕ ರಚನೆಯಲ್ಲಿ ನಕಲಿ ಡೇಟಾ, ಅಪ್ಡೇಟ್ ಅಸಂಗತತೆ ಮತ್ತು ಸಾಮಾನ್ಯೀಕರಣದ ಅವಕಾಶದ ಯಾವುದೇ ಅಪಾಯವಿದೆಯೇ? ಪ್ರತಿ ಶೋಧನೆಗೆ, ಅದು ಯಾವ ಸಾಮಾನ್ಯ ರೂಪವನ್ನು ಉಲ್ಲಂಘಿಸುತ್ತದೆ ಮತ್ತು ನಿಮ್ಮ ಸಲಹೆಯನ್ನು ಬರೆಯಿರಿ. ರಚನೆ: [ಪಠ್ಯ]
3) ವ್ಯಾಪಾರ ನಿಯಮದಿಂದ ಇಆರ್ ಕರಡು:
ಕೆಳಗಿನ ವ್ಯಾಪಾರ ನಿಯಮಗಳನ್ನು ಘಟಕಗಳು, ಗುಣಲಕ್ಷಣಗಳು ಮತ್ತು ಸಂಬಂಧಗಳಿಗೆ ಅನುವಾದಿಸಿ. ಪ್ರತಿ ಸಂಬಂಧದ ಪ್ರಕಾರವನ್ನು ಸೂಚಿಸಿ (1-1, 1-N, N-N) ಮತ್ತು N-N ಆಗಿದ್ದರೆ, ಮಧ್ಯಂತರ ಕೋಷ್ಟಕವನ್ನು ಸೂಚಿಸಿ. ಅಸ್ಪಷ್ಟ ನಿಯಮಗಳನ್ನು ಗುರುತಿಸಿ. ನಿಯಮಗಳು: [ಪಠ್ಯ]
4) ಸಂಬಂಧ ಪ್ರಕಾರದ ಪರಿಶೀಲನೆ ಪ್ರಶ್ನೆಗಳು:
ಕೆಳಗಿನ ಡೇಟಾ ಮಾದರಿಯಲ್ಲಿನ ಪ್ರತಿಯೊಂದು ಸಂಬಂಧಕ್ಕಾಗಿ, ಅದರ ಪ್ರಕಾರದ ಸರಿಯಾದತೆಯನ್ನು ಪರೀಕ್ಷಿಸುವ "ಹೌದು/ಇಲ್ಲ" ವ್ಯಾಪಾರ ಪ್ರಶ್ನೆಯನ್ನು ರಚಿಸಿ (ಉದಾ., "ಒಬ್ಬ ವಿದ್ಯಾರ್ಥಿಯನ್ನು ಒಂದೇ ಸಮಯದಲ್ಲಿ ಒಂದಕ್ಕಿಂತ ಹೆಚ್ಚು ತರಗತಿಗಳಿಗೆ ದಾಖಲಿಸಬಹುದೇ?"). ಮಾದರಿ: [ಪಠ್ಯ]
ಹೋಲಿಕೆ ಚಾರ್ಟ್: ಮಾದರಿ ಮಟ್ಟಗಳು
ವೈಶಿಷ್ಟ್ಯ
ಪರಿಕಲ್ಪನೆಯ
ತಾರ್ಕಿಕ
ಭೌತಿಕ
ವಿವರ
ಕನಿಷ್ಠ
ಮಧ್ಯಮ
ಅತ್ಯಂತ
ಕೀ/ಸಂಬಂಧ
ಮುಖ್ಯ ಸ್ವತ್ತುಗಳು
ಕೀಲಿಗಳನ್ನು ವ್ಯಾಖ್ಯಾನಿಸಲಾಗಿದೆ
ಸೂಚ್ಯಂಕ/ಪ್ರಕಾರ ಸೇರಿದಂತೆ
ಡೇಟಾಬೇಸ್ ಅನ್ನು ಅವಲಂಬಿಸಿರುತ್ತದೆ
ಇಲ್ಲ
ಇಲ್ಲ
ಹೌದು
ಗುರಿ ಪ್ರೇಕ್ಷಕರು
ವ್ಯಾಪಾರ ಘಟಕ
ವಿಶ್ಲೇಷಕ
ಡೆವಲಪರ್/ಡಿಬಿಎ
AI ನ ಕೊಡುಗೆ
ಕರಡು
ಬಲವಾದ ಕರಡು
ಡ್ರಾಫ್ಟ್, DBA ದೃಢೀಕರಣ
ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು
- ಅನೇಕ-ಹಲವು ಸಂಬಂಧಗಳನ್ನು ಒಂದರಿಂದ ಅನೇಕ ಎಂದು ಯೋಚಿಸುವುದು. ಇದು ಅತ್ಯಂತ ಸಾಮಾನ್ಯವಾದ ಮಾಡೆಲಿಂಗ್ ದೋಷವಾಗಿದೆ; ಮಧ್ಯಂತರ ಕೋಷ್ಟಕವನ್ನು ಮರೆತುಹೋದರೆ, ಸಿಸ್ಟಮ್ ನಿಜವಾದ ಸ್ಥಿತಿಯನ್ನು ಇರಿಸಿಕೊಳ್ಳಲು ಸಾಧ್ಯವಿಲ್ಲ.
- ಎಲ್ಲವನ್ನೂ ಒಂದೇ ಕೋಷ್ಟಕದಲ್ಲಿ ಇಡುವುದು. "ಸರಳತೆ" ಗಾಗಿ ಎಲ್ಲಾ ಕ್ಷೇತ್ರಗಳನ್ನು ಒಂದೇ ಕೋಷ್ಟಕದಲ್ಲಿ ಒಟ್ಟುಗೂಡಿಸುವುದರಿಂದ ನಕಲು ಮತ್ತು ಅಪ್ಡೇಟ್ ವೈಪರೀತ್ಯಗಳು ಉಂಟಾಗುತ್ತವೆ.
- ಡೇಟಾ ನಿಘಂಟನ್ನು ಬರೆಯುತ್ತಿಲ್ಲ. ಕ್ಷೇತ್ರಗಳ ಅರ್ಥವು ಮನಸ್ಸಿನಲ್ಲಿ ಉಳಿದಿರುವಾಗ ಅದೇ KPI ವಿಭಿನ್ನ ಫಲಿತಾಂಶಗಳನ್ನು ನೀಡುತ್ತದೆ.
- ಡೇಟಾ ಪ್ರಕಾರಗಳು ಮತ್ತು ನಿರ್ಬಂಧಗಳ AI ನ ಶಿಫಾರಸುಗಳನ್ನು ಕುರುಡಾಗಿ ನಂಬುವುದು. ಮಾದರಿಯು "ಸಾಕಷ್ಟು ದೊಡ್ಡ" ಪ್ರದೇಶವನ್ನು ಸೂಚಿಸಬಹುದು; ವ್ಯಾಪಾರ ನಿಯಮವು ನಿಜವಾದ ಮಿತಿಗಳನ್ನು ನಿರ್ಧರಿಸುತ್ತದೆ (ಉದಾ. TR ID 11 ಅಂಕೆಗಳು).
- ಸಂಪೂರ್ಣ ಸಾಮಾನ್ಯೀಕರಣ. ವರದಿ ಮಾಡುವ ಪದರದಲ್ಲಿ ಅತಿಯಾದ ಸಾಮಾನ್ಯೀಕರಣವು ಪ್ರಶ್ನೆಯನ್ನು ನಿಧಾನಗೊಳಿಸುತ್ತದೆ; ಉದ್ದೇಶವು ಸಂದರ್ಭವನ್ನು ಅವಲಂಬಿಸಿ ಬದಲಾಗುತ್ತದೆ.
ಎಚ್ಚರಿಕೆ: ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಸುಂದರವಾಗಿ ಕಾಣುವ ಆದರೆ ವ್ಯಾಪಾರ ನಿಯಮಗಳನ್ನು ಉಲ್ಲಂಘಿಸುವ ಮಾದರಿಗಳನ್ನು ಉತ್ಪಾದಿಸಬಹುದು. ಮಾದರಿಯು ಸೂಚಿಸಿದ ಪ್ರತಿ ಸಂಬಂಧಕ್ಕೆ, "ಇದು ನಿಜವಾಗಿಯೂ ಹೀಗಿದೆಯೇ?" ವ್ಯವಹಾರದ ಪ್ರಶ್ನೆಯನ್ನು ಕೇಳಿ. ಡೇಟಾ ಮಾದರಿಯು ವ್ಯವಸ್ಥೆಯ ಅಸ್ಥಿಪಂಜರವಾಗಿದೆ; ಅಸ್ಥಿಪಂಜರದಲ್ಲಿ ಮುರಿತವನ್ನು ನಂತರ ಸರಿಪಡಿಸಲು ತುಂಬಾ ಕಷ್ಟ.
ಸಾರಾಂಶದಲ್ಲಿ
ಡೇಟಾ ಮಾಡೆಲಿಂಗ್ ಎನ್ನುವುದು ಘಟಕಗಳು, ಗುಣಲಕ್ಷಣಗಳು ಮತ್ತು ಸಂಬಂಧಗಳೊಂದಿಗೆ ವ್ಯವಹಾರ ಸಂಗತಿಗಳನ್ನು ರಚಿಸುವ ಪ್ರಕ್ರಿಯೆಯಾಗಿದೆ ಮತ್ತು ಪರಿಕಲ್ಪನಾ, ತಾರ್ಕಿಕ ಮತ್ತು ಭೌತಿಕ ಹಂತಗಳಲ್ಲಿ ಮುಂದುವರಿಯುತ್ತದೆ. ಪ್ರಾಥಮಿಕ ಮತ್ತು ವಿದೇಶಿ ಕೀಲಿಗಳು ಉಲ್ಲೇಖಿತ ಸಮಗ್ರತೆಯನ್ನು ಖಚಿತಪಡಿಸುತ್ತವೆ; ಸಾಮಾನ್ಯೀಕರಣವು ಪುನರಾವರ್ತನೆಯನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ, ಆದರೆ ಉದ್ದೇಶವನ್ನು ಅವಲಂಬಿಸಿ ಅಸಾಧಾರಣೀಕರಣವು ಕಾನೂನುಬದ್ಧವಾಗಿದೆ. ಡೇಟಾ ನಿಘಂಟು ಸಂಸ್ಥೆಯ ಸಾಮಾನ್ಯ ಭಾಷೆಯಾಗಿದೆ. ER ಡ್ರಾಫ್ಟ್ಗಳು, ಡೇಟಾ ನಿಘಂಟುಗಳು ಮತ್ತು ಸಾಮಾನ್ಯೀಕರಣದ ವಿಮರ್ಶೆಗಳನ್ನು ಉತ್ಪಾದಿಸುವಲ್ಲಿ AI ಗಮನಾರ್ಹ ವೇಗವನ್ನು ಒದಗಿಸುತ್ತದೆ; ಆದಾಗ್ಯೂ, ಸಂಬಂಧದ ಪ್ರಕಾರಗಳು, ಡೇಟಾ ಪ್ರಕಾರಗಳು ಮತ್ತು ವ್ಯವಹಾರದ ಶಬ್ದಾರ್ಥಗಳನ್ನು ನಿಜವಾದ ವ್ಯವಹಾರ ನಿಯಮದ ವಿರುದ್ಧ ದೃಢೀಕರಿಸಬೇಕು. ಮಾದರಿಯು ಉತ್ತಮವಾಗಿ ಕಾಣುತ್ತದೆ ಎಂಬ ಕಾರಣದಿಂದಾಗಿ ಅದು ಸರಿ ಎಂದು ಅರ್ಥವಲ್ಲ.
ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ
"ಲೈಬ್ರರಿ ಲೋನ್ ಸಿಸ್ಟಮ್" ಅನ್ನು ಪರಿಗಣಿಸಿ: ಸದಸ್ಯರು, ಪುಸ್ತಕಗಳು, ಸಾಲದ ದಾಖಲೆಗಳು. (1) ಶಕ್ತಿಯುತ ಪ್ರಾಂಪ್ಟ್ನಿಂದ ತಯಾರಿಸಲಾದ ತಾರ್ಕಿಕ ಮಾದರಿಯ ಡ್ರಾಫ್ಟ್ ಅನ್ನು ಹೊಂದಿರಿ. (2) ವ್ಯವಹಾರದ ಪ್ರಶ್ನೆಯೊಂದಿಗೆ ಮಾದರಿಯು ಸೂಚಿಸುವ ಪ್ರತಿ ಸಂಬಂಧದ ಪ್ರಕಾರವನ್ನು ಪರೀಕ್ಷಿಸಿ (ನಿರ್ದಿಷ್ಟವಾಗಿ, "ಸದಸ್ಯರು ಒಂದೇ ಪುಸ್ತಕದ ಒಂದಕ್ಕಿಂತ ಹೆಚ್ಚು ಪ್ರತಿಗಳನ್ನು ಹೊಂದಬಹುದೇ?"). (3) ಕನಿಷ್ಠ ಒಂದು ಹಲವು-ಹಲವು ಸಂಬಂಧವನ್ನು ಹುಡುಕಿ ಮತ್ತು ಮಧ್ಯಂತರ ಕೋಷ್ಟಕವನ್ನು ವ್ಯಾಖ್ಯಾನಿಸಿ. (4) ಕನಿಷ್ಠ 4 ಕ್ಷೇತ್ರಗಳಿಗೆ ಡೇಟಾ ನಿಘಂಟು ಸಾಲುಗಳನ್ನು ಬರೆಯಿರಿ (ಹೆಸರು, ಪ್ರಕಾರ, ಕಡ್ಡಾಯ, ವ್ಯಾಪಾರ ಅರ್ಥ). (5) ಮಾದರಿಯು ಅಳವಡಿಸಿರಬಹುದಾದ ನಿರ್ಬಂಧವನ್ನು ಹೈಲೈಟ್ ಮಾಡಿ ಮತ್ತು ನೀವು ಅದನ್ನು ಹೇಗೆ ಪರಿಶೀಲಿಸುತ್ತೀರಿ ಎಂಬುದನ್ನು ವಿವರಿಸಿ.
ಪರಿಶೀಲನಾಪಟ್ಟಿ
- [ ] ಪ್ರತಿ ಕೋಷ್ಟಕದ ಪ್ರಾಥಮಿಕ ಕೀಲಿಯನ್ನು ವ್ಯಾಖ್ಯಾನಿಸಲಾಗಿದೆ.
- [ ] ನಾನು ವ್ಯವಹಾರದ ಪ್ರಶ್ನೆಯೊಂದಿಗೆ ಪ್ರತಿ ಸಂಬಂಧದ ಪ್ರಕಾರವನ್ನು ಪರಿಶೀಲಿಸಿದ್ದೇನೆ.
- [ ] ನಾನು ಅನೇಕ-ಹಲವು ಸಂಬಂಧಗಳಿಗೆ ಮಧ್ಯಂತರ ಕೋಷ್ಟಕವನ್ನು ವ್ಯಾಖ್ಯಾನಿಸಿದ್ದೇನೆ.
- [ ] ನಾನು ನಕಲಿ ಡೇಟಾದ ಅಸಾಧಾರಣೀಕರಣವನ್ನು ಸಾಮಾನ್ಯೀಕರಿಸಿದ್ದೇನೆ ಅಥವಾ ಸಮರ್ಥಿಸಿದ್ದೇನೆ.
- [ ] ನಾನು ನಿರ್ಣಾಯಕ ಕ್ಷೇತ್ರಗಳಿಗಾಗಿ ಡೇಟಾ ನಿಘಂಟು ಸಾಲನ್ನು ಬರೆದಿದ್ದೇನೆ.
- [ ] ನಾನು ವ್ಯಾಪಾರ ನಿಯಮದ ವಿರುದ್ಧ AI ನ ಡೇಟಾ ಪ್ರಕಾರ/ನಿರ್ಬಂಧ ಸಲಹೆಗಳನ್ನು ದೃಢೀಕರಿಸಿದ್ದೇನೆ.