Keuntungan:
- Keupayaan untuk menerangkan model data konsep, logik dan fizikal serta konsep normalisasi serta menghasilkan draf hubungan entiti dengan sokongan kecerdasan buatan
- Keupayaan untuk mendraf kamus data, peraturan perniagaan dan perhubungan jadual dengan gesaan berstruktur dan mengesahkannya terhadap sistem sebenar
- Keupayaan untuk menilai secara kritis cadangan skema yang dijana AI dari segi integriti, ketunggalan dan pematuhan peraturan perniagaan.
Sistem maklumat pada asasnya adalah struktur yang memastikan data teratur. Pemodelan data ialah tugas mereka bentuk fakta perniagaan (pelanggan, pesanan, produk, invois) dan hubungan mereka antara satu sama lain secara berstruktur. Model data yang baik ialah asas pelaporan yang tepat, pertanyaan pantas dan data yang konsisten; Model yang buruk adalah punca ketidakkonsistenan selama bertahun-tahun dan kerja pembetulan berulang. Selalunya, profesional MIS tidak mengekod model dari awal, tetapi mengesahkan bahawa model itu mematuhi peraturan perniagaan dan menterjemah model antara unit perniagaan dan IT.
Pemodelan data diteruskan pada tiga tahap abstraksi. Model konseptual (konseptual bahasa Inggeris) ialah tahap tertinggi: apakah entiti utama yang wujud dan bagaimana ia berkaitan? "Pelanggan membuat pesanan, pesanan itu termasuk produk." Tiada butiran teknikal. Model logik mentakrifkan atribut (medan), kunci dan jenis perhubungan bagi setiap entiti; tetapi ia masih tidak terikat dengan produk pangkalan data tertentu. Model fizikal (fizikal Inggeris) ialah versi konkrit bagi jadual, jenis data dan indeks dalam pangkalan data tertentu (cth. SQL Server, PostgreSQL). Ketiga-tiga peringkat ini adalah versi yang semakin terperinci bagi idea yang sama.
Entiti-Perhubungan dan Kunci
Bahasa asas model data ialah model Entiti-Perhubungan (ER). Entiti boleh dianggap sebagai jadual: Pelanggan, Pesanan. Atribut ialah lajur jadual: nama, e-mel, amaun. Perhubungan ialah cara entiti disambungkan: pelanggan boleh mempunyai banyak pesanan (perhubungan satu dengan banyak).
Terdapat dua konsep kunci kritikal. Kunci utama ialah medan yang mengenal pasti secara unik setiap baris dalam jadual; contohnya CustomerID. Kunci asing ialah medan dalam satu jadual yang menunjuk ke kunci utama jadual lain; ID Pelanggan dalam jadual pesanan menghubungkan pesanan pelanggan yang mana pesanan itu. Sambungan ini memastikan integriti rujukan: pesanan tidak boleh dibuat untuk pelanggan yang tidak wujud.
Petua: Apabila meminta AI menghasilkan draf ER, ia memudahkan untuk meminta kunci utama secara eksplisit untuk setiap jadual dan kunci asing untuk setiap perhubungan. Tetapi sahkan setiap kunci asing yang dicadangkan oleh model terhadap peraturan perniagaan sebenar: kadangkala hubungan yang anda fikirkan "satu-ke-banyak" sebenarnya "banyak-ke-banyak".
Normalisasi: Mencegah Berulang
Normalisasi ialah proses mengurangkan redundansi dan memelihara integriti dengan membahagikan data ke dalam jadual logik. Matlamatnya adalah untuk menyimpan maklumat yang sama di satu tempat. Sebagai contoh, daripada menaip alamat pelanggan berulang kali dalam setiap baris pesanan, anda menyimpan alamat sekali dalam jadual Pelanggan dan memautkannya dengan kunci asing daripada pesanan itu. Dengan cara ini, apabila alamat berubah, anda mengemas kininya di satu tempat; Jika tidak, ratusan pesanan akan mempunyai alamat yang berbeza. Ini dipanggil anomali kemas kini.
Lawan daripada penormalan ialah penyahnormalan: dengan sengaja membenarkan beberapa pengulangan demi kelajuan pelaporan. Dalam sistem perniagaan (pangkalan data operasi), normalisasi biasanya diutamakan, dan dalam sistem pelaporan (gudang data), penyahnormalan sering diutamakan. Jadi "normalisasi tidak selalu baik"; Keputusan dibuat mengikut tujuan.
Kamus Data: Bahasa Biasa
Kamus data ialah dokumen yang mentakrifkan maksud setiap medan, jenis, kekangan dan peraturan perniagaannya. Apakah maksud medan "status"? Apakah nilai yang boleh diambil (Menunggu, Diluluskan, Dibatalkan)? Adakah ia wajib? Tanpa dokumen ini, medan yang sama akan ditafsir secara berbeza oleh pasukan yang berbeza dan laporan akan diherotkan. Kamus data ialah lingua franca organisasi dan salah satu penyampaian profesional MIS yang paling berharga. AI boleh mengeluarkan draf kamus data awal dengan cepat daripada struktur jadual sedia ada; Tetapi hanya unit yang menggunakan data tersebut yang mengesahkan maksud perniagaan sebenar setiap medan.
Tiga Kes Mini: Mengikut Nombor
Kes 1 — Kos pengulangan. Dalam syarikat pengedaran, alamat pelanggan disimpan secara berasingan dalam kedua-dua jadual pesanan dan invois. Apabila pelanggan berpindah, alamat dikemas kini dalam satu jadual sahaja; 1,400 invois pergi ke alamat lama dan dikembalikan. Jika alamat dinormalisasi dalam satu jadual, kemas kini tunggal sudah memadai. Projek pemulihan menelan belanja selama 2 minggu.
Kes 2 — Jenis hubungan yang salah. Pakar MIS dalam institusi pendidikan mengakui hubungan (satu-dengan-banyak) "Pelajar tergolong dalam Kelas" dalam model yang dijana AI. Walau bagaimanapun, pelajar boleh mendaftar dalam lebih daripada satu kelas elektif; Hubungan itu sebenarnya banyak-ke-banyak dan jadual perantaraan (Rekod) diperlukan. Kesilapan itu terbongkar di lapangan apabila pelajar gagal mendaftar di gred dua. Sekiranya cadangan AI telah disahkan, ia akan ditangkap dari awal.
Kes 3 — Nilai kamus data. Telah ditentukan bahawa medan "status_polisi" dalam syarikat insurans telah ditafsirkan secara berbeza oleh 5 pasukan berbeza, jadi KPI yang sama memberikan 3 keputusan berbeza dalam laporan. Dengan merangka kamus data dikuasakan AI dan mencapai persetujuan seragam dengan unit perniagaan, ketidakkonsistenan laporan telah dihapuskan dan masa mesyuarat penyesuaian bulanan dikurangkan sebanyak 60%.
Gesaan Lemah / Gesaan Kuat
Gesaan yang lemah:
Reka pangkalan data e-dagang.
Gesaan kuat:
Peranan anda: Anda adalah pemodel data yang berpengalaman.DRAF model data LOGIK mengikut peraturan perniagaan berikut.Peraturan:- Untuk setiap entiti: medan, kunci utama, medan yang diperlukan.- Untuk setiap perhubungan: taip (satu-ke-banyak / banyak-ke-banyak) dan kunci asing.- Cadangkan jadual perantaraan dalam banyak-ke-banyak perhubungan.- Normalisasikan sehingga 3 Jika anda mengesyorkan penyahnormalan yang disengajakan, tulis rasionalnya.- Labelkan [PENGESAHAN DIPERLUKAN] mana-mana peraturan perniagaan yang anda tidak pasti. Peraturan perniagaan:- Pelanggan boleh membuat berbilang pesanan.- Pesanan mengandungi berbilang produk; Satu produk terdapat dalam banyak pesanan.- Produk mempunyai kategori.[peraturan lain...]
Gesaan berkuasa menjelaskan tahap model (logik), peraturan kunci dan perhubungan, sasaran penormalan dan mata yang memerlukan pengesahan.
Empat Templat Boleh Disalin
1) Draf kamus data:
Garis besar kamus data mengikuti dari definisi jadual. Untuk setiap medan: nama, jenis, adakah ia wajib, nilai yang mungkin, maksud perniagaan (label[RAMALAN] jika ia adalah ramalan). Jadual: [DDL atau senarai medan]
2) Semakan normalisasi:
Adakah terdapat sebarang risiko data pendua, anomali kemas kini dan peluang untuk normalisasi dalam struktur jadual di bawah? Untuk setiap penemuan, tuliskan bentuk biasa yang dilanggar dan cadangan anda. Struktur: [teks]
3) Draf ER daripada peraturan perniagaan:
Terjemahkan peraturan perniagaan berikut kepada entiti, sifat dan perhubungan. Nyatakan jenis setiap perhubungan (1-1, 1-N, N-N) dan jika N-N, cadangkan jadual perantaraan. Tandakan peraturan yang tidak jelas. Peraturan: [teks]
4) Soalan pengesahan jenis hubungan:
Untuk setiap perhubungan dalam model data di bawah, hasilkan soalan perniagaan "ya/tidak" yang akan menguji ketepatan jenisnya (cth., "Bolehkah pelajar didaftarkan dalam lebih daripada satu kelas pada masa yang sama?"). Model: [teks]
Carta Perbandingan: Tahap Model
ciri
konseptual
logik
fizikal
Perincian
sekurang-kurangnya
sederhana
kebanyakannya
kunci/hubungan
Aset utama
Kekunci ditakrifkan
Termasuk indeks/jenis
Bergantung pada pangkalan data
tidak
tidak
ya
khalayak sasaran
unit perniagaan
penganalisis
Pembangun/DBA
Sumbangan AI
draf
draf yang kuat
Draf, pengesahan DBA
Kesilapan biasa
- Memikirkan hubungan ramai-ke-banyak sebagai satu-ke-banyak. Ini adalah ralat pemodelan yang paling biasa; Jika jadual perantaraan terlupa, sistem tidak boleh mengekalkan keadaan sebenar.
- Meletakkan semuanya dalam satu meja. Mengumpul semua medan dalam satu jadual demi "kesederhanaan" menghasilkan penduaan dan anomali kemas kini.
- Tidak menulis kamus data. KPI yang sama memberikan hasil yang berbeza apabila maksud medan kekal dalam fikiran.
- Mempercayai secara membuta tuli saranan AI tentang jenis data dan kekangan. Model mungkin mencadangkan kawasan "cukup besar"; Peraturan perniagaan menentukan had sebenar (mis. TR ID 11 digit).
- Penyelesaian normalisasi. Normalisasi yang berlebihan pada lapisan pelaporan memperlahankan pertanyaan; Tujuan berbeza bergantung pada konteks.
Awas: Kepintaran buatan mungkin menghasilkan model yang kelihatan bagus tetapi melanggar peraturan perniagaan. Untuk setiap hubungan yang dicadangkan oleh model, soalan "adakah ia benar-benar seperti ini?" Tanya soalan perniagaan. Model data ialah rangka sistem; Keretakan pada rangka sangat sukar untuk dibaiki kemudian.
Secara ringkasnya
Pemodelan data ialah proses menstrukturkan fakta perniagaan dengan entiti, atribut dan perhubungan dan diteruskan pada peringkat konsep, logik dan fizikal. Kunci utama dan asing memastikan integriti rujukan; Normalisasi mengurangkan pengulangan, tetapi denormalisasi juga sah bergantung pada tujuan. Kamus data ialah bahasa biasa organisasi. AI memberikan kelajuan yang ketara dalam menghasilkan draf ER, kamus data dan ulasan normalisasi; walau bagaimanapun, jenis perhubungan, jenis data dan semantik perniagaan mesti disahkan terhadap peraturan perniagaan sebenar. Hanya kerana model itu kelihatan baik tidak bermakna ia betul.
Tugasan permohonan
Pertimbangkan "sistem pinjaman perpustakaan": ahli, buku, rekod pinjaman. (1) Mempunyai draf model logik yang dihasilkan oleh gesaan yang berkuasa. (2) Uji jenis setiap hubungan yang dicadangkan oleh model (khususnya, "bolehkah ahli mempunyai lebih daripada satu salinan buku yang sama?") dengan soalan perniagaan. (3) Cari sekurang-kurangnya satu perhubungan banyak-ke-banyak dan tentukan jadual perantaraan. (4) Tulis baris kamus data untuk sekurang-kurangnya 4 medan (nama, jenis, wajib, maksud perniagaan). (5) Serlahkan kekangan yang mungkin telah dipasang oleh model dan terangkan cara anda mengesahkannya.
senarai semak
- [ ] Kunci utama setiap jadual ditentukan.
- [ ] Saya mengesahkan jenis setiap perhubungan dengan soalan perniagaan.
- [ ] Saya menentukan jadual perantaraan untuk perhubungan banyak-ke-banyak.
- [ ] Saya menormalkan atau mewajarkan penyahnormalan data pendua.
- [ ] Saya menulis baris kamus data untuk medan kritikal.
- [ ] Saya mengesahkan cadangan jenis data/kekangan AI terhadap peraturan perniagaan.