ලාභ:
- සංකල්පීය, තාර්කික සහ භෞතික දත්ත ආකෘති සහ සාමාන්යකරණ සංකල්ප පැහැදිලි කිරීමට සහ කෘතිම බුද්ධියේ සහාය ඇතිව ආයතන-සම්බන්ධතා කෙටුම්පත් නිෂ්පාදනය කිරීමේ හැකියාව
- ව්යුහගත විමසුම් සමඟ දත්ත ශබ්දකෝෂය, ව්යාපාර රීති සහ වගු සම්බන්ධතා කෙටුම්පත් කිරීමට සහ ඒවා සැබෑ පද්ධතියට එරෙහිව සත්යාපනය කිරීමට ඇති හැකියාව
- අඛණ්ඩතාව, ඒකීයභාවය සහ ව්යාපාරික රීති අනුකූලතාවය අනුව AI-ජනනය කරන ලද යෝජනා ක්රම යෝජනා විවේචනාත්මකව ඇගයීමේ හැකියාව.
තොරතුරු පද්ධතියක් යනු දත්ත සංවිධිතව තබා ගන්නා ව්යුහයකි. දත්ත ආකෘතිකරණය යනු ව්යාපාරයක කරුණු (පාරිභෝගිකයා, ඇණවුම, භාණ්ඩය, ඉන්වොයිසිය) සහ ඒවායේ සම්බන්ධතාවය ව්යුහගත ආකාරයෙන් සැලසුම් කිරීමේ කාර්යයයි. හොඳ දත්ත ආකෘතියක් යනු නිවැරදි වාර්තාකරණය, වේගවත් විමසුම් සහ ස්ථාවර දත්තවල පදනමයි; නරක ආකෘතියක් යනු වසර ගණනාවක නොගැලපීම සහ නැවත නැවත නිවැරදි කිරීමේ කාර්යයේ මූලාශ්රයයි. බොහෝ විට, MIS වෘත්තිකයා මුල සිටම ආකෘතිය කේතනය නොකරයි, නමුත් ආකෘතිය ව්යාපාර නීතිවලට අනුකූලද යන්න සත්යාපනය කර ව්යාපාර ඒකකය සහ තොරතුරු තාක්ෂණය අතර ආකෘතිය පරිවර්තනය කරයි.
දත්ත ආකෘතිකරණය වියුක්ත මට්ටම් තුනකින් ඉදිරියට යයි. සංකල්පීය ආකෘතිය (ඉංග්රීසි සංකල්පීය) ඉහළම මට්ටමයි: පවතින ප්රධාන ආයතන මොනවාද සහ ඒවා සම්බන්ධ වන්නේ කෙසේද? "පාරිභෝගිකයා ඇණවුමක් කරයි, ඇණවුමට නිෂ්පාදිතය ඇතුළත් වේ." තාක්ෂණික විස්තර නොමැත. තාර්කික ආකෘතිය එක් එක් ආයතනයෙහි ගුණාංග (ක්ෂේත්ර), යතුරු සහ සම්බන්ධතා වර්ග නිර්වචනය කරයි; නමුත් එය තවමත් නිශ්චිත දත්ත සමුදා නිෂ්පාදනයක් සමඟ බැඳී නොමැත. භෞතික ආකෘතිය (ඉංග්රීසි භෞතික) යනු නිශ්චිත දත්ත ගබඩාවක ඇති වගු, දත්ත වර්ග සහ දර්ශකවල සංයුක්ත අනුවාදයයි (උදා: SQL Server, PostgreSQL). මෙම මට්ටම් තුන එකම අදහසේ වැඩි වැඩියෙන් සවිස්තරාත්මක අනුවාදයන් වේ.
ආයතන-සම්බන්ධතා සහ යතුරු
දත්ත ආකෘතියේ මූලික භාෂාව වන්නේ Entity-Relationship (ER) ආකෘතියයි. ආයතනය මේසයක් ලෙස සැලකිය හැකිය: පාරිභෝගිකයා, ඇණවුම. ගුණාංගය යනු වගුවේ තීරුවයි: නම, ඊමේල්, මුදල. සම්බන්ධතාවය යනු ආයතන සම්බන්ධ වන ආකාරයයි: පාරිභෝගිකයෙකුට බොහෝ ඇණවුම් තිබිය හැකිය (එකෙන් බොහෝ සම්බන්ධතා).
විවේචනාත්මක ප්රධාන සංකල්ප දෙකක් තිබේ. ප්රාථමික යතුර යනු වගුවක එක් එක් පේළිය අනන්යව හඳුනා ගන්නා ක්ෂේත්රයයි; උදාහරණයක් ලෙස CustomerID. ආගන්තුක යතුරක් යනු එක් වගුවක ඇති ක්ෂේත්රයක් වන අතර එය තවත් වගුවක ප්රාථමික යතුර වෙත යොමු කරයි; ඇණවුම් වගුවේ ඇති CustomerID එය කුමන පාරිභෝගිකයාගේ ඇණවුමද යන්න සම්බන්ධ කරයි. මෙම සම්බන්ධතා යොමු කිරීමේ අඛණ්ඩතාව සහතික කරයි: නොපවතින පාරිභෝගිකයෙකු සඳහා ඇණවුමක් කළ නොහැක.
ඉඟිය: AI විසින් ER කෙටුම්පතක් ජනනය කරන විට, එය එක් එක් වගුව සඳහා ප්රාථමික යතුර සහ එක් එක් සම්බන්ධතාවය සඳහා විදේශීය යතුර පැහැදිලිව ඉල්ලා සිටීම පහසු කරයි. නමුත් සැබෑ ව්යාපාරික රීතියට එරෙහිව ආකෘතිය විසින් යෝජනා කරන ලද සෑම විදේශීය යතුරක්ම සත්යාපනය කරන්න: සමහර විට ඔබ "එකෙන් බොහෝ" යැයි සිතන සම්බන්ධතාවය ඇත්ත වශයෙන්ම "බොහෝ සිට බොහෝ" වේ.
සාමාන්යකරණය: නැවත ඇතිවීම වැළැක්වීම
සාමාන්යකරණය යනු දත්ත තාර්කික වගු වලට බෙදීමෙන් අතිරික්තය අඩු කිරීම සහ අඛණ්ඩතාව ආරක්ෂා කිරීමේ ක්රියාවලියයි. එකම තොරතුරු එක තැනක තබා ගැනීම අරමුණයි. උදාහරණයක් ලෙස, එක් එක් ඇණවුම් පේළියේ නැවත නැවතත් පාරිභෝගික ලිපිනය ටයිප් කරනවා වෙනුවට, ඔබ පාරිභෝගික වගුවේ එක් වරක් ලිපිනය තබා ඇණවුමෙන් විදේශීය යතුරක් සමඟ සම්බන්ධ කරන්න. මේ ආකාරයට, ලිපිනය වෙනස් වූ විට, ඔබ එය එක තැනක යාවත්කාලීන කරන්න; එසේ නොමැතිනම්, ඇණවුම් සිය ගණනකට විවිධ ලිපිනයන් ඇත. මෙය යාවත්කාලීන විෂමතාව ලෙස හැඳින්වේ.
සාමාන්යකරණයේ ප්රතිවිරුද්ධ දෙය වන්නේ සාමාන්යකරණයයි: වාර්තා කිරීමේ වේගය සඳහා හිතාමතාම යම් පුනරාවර්තනයකට ඉඩ දීම. ව්යාපාර පද්ධතිවල (මෙහෙයුම් දත්ත ගබඩාව), සාමාන්යකරණය සාමාන්යයෙන් වඩාත් කැමති වන අතර වාර්තාකරණ පද්ධති (දත්ත ගබඩාව) තුළ සාමාන්යකරණය බොහෝ විට කැමති වේ. එබැවින් "සාමාන්යකරණය සැමවිටම හොඳ නැත"; තීරණය ගනු ලබන්නේ අරමුණ අනුව ය.
දත්ත ශබ්දකෝෂය: පොදු භාෂාව
දත්ත ශබ්දකෝෂය යනු එක් එක් ක්ෂේත්රය යන්නෙන් අදහස් කරන්නේ කුමක්ද, එහි වර්ගය, සීමාවන් සහ ව්යාපාරික රීතිය නිර්වචනය කරන ලේඛනයකි. "තත්ත්වය" ක්ෂේත්රය යන්නෙන් අදහස් කරන්නේ කුමක්ද? එයට ගත හැකි අගයන් මොනවාද (පොරොත්තු වූ, අනුමත, අවලංගු කරන ලද)? එය අනිවාර්යද? මෙම ලේඛනය නොමැතිව, එකම ක්ෂේත්රය විවිධ කණ්ඩායම් විසින් විවිධ ලෙස අර්ථකථනය කර වාර්තාව විකෘති කරනු ඇත. දත්ත ශබ්දකෝෂය යනු සංවිධානයේ භාෂා භාෂාව වන අතර MIS වෘත්තිකයාගේ වටිනාම බෙදාහැරීම්වලින් එකකි. AI හට දැනට පවතින වගු ව්යුහයෙන් මූලික දත්ත ශබ්ද කෝෂ කෙටුම්පතක් ඉක්මනින් ලබා ගත හැක; නමුත් එම දත්ත භාවිතා කරන ඒකකය පමණක් එක් එක් ක්ෂේත්රයේ සැබෑ ව්යාපාරික අර්ථය තහවුරු කරයි.
කුඩා අවස්ථා තුනක්: අංක අනුව
නඩුව 1 - පුනරාවර්තන පිරිවැය. බෙදාහැරීමේ සමාගමක, පාරිභෝගික ලිපිනය ඇණවුම් සහ ඉන්වොයිස් වගු දෙකෙහිම වෙන් වෙන්ව තබා ඇත. පාරිභෝගිකයෙකු මාරු කළ විට, ලිපිනය යාවත්කාලීන කර ඇත්තේ එක් වගුවක පමණි; ඉන්වොයිසි 1400 ක් පැරණි ලිපිනයට ගොස් ආපසු ගෙවන ලදී. ලිපිනය තනි වගුවක සාමාන්යකරණය කර ඇත්නම්, එක් යාවත්කාලීන කිරීමක් ප්රමාණවත් වේ. ප්රතිකර්ම ව්යාපෘතියට සති 2ක් වැය වේ.
නඩුව 2 - වැරදි ආකාරයේ සම්බන්ධතාවයක්. අධ්යාපන ආයතනයක MIS විශේෂඥයෙක් AI ජනනය කරන ලද ආකෘතියේ "ශිෂ්ය පන්තියකට අයත්" (එකෙන් බොහෝ) සම්බන්ධතාවය පිළිගත්තේය. කෙසේ වෙතත්, සිසුන්ට තේරීම් පන්ති එකකට වඩා ඇතුළත් විය හැකිය; සම්බන්ධතාවය ඇත්ත වශයෙන්ම බොහෝ-බොහෝ වූ අතර අතරමැදි වගුවක් (වාර්තාවක්) අවශ්ය විය. එම වරද ක්ෂේත්රයේ හෙළිදරව් වූයේ දෙවන ශ්රේණියට ඇතුළත් වීමට නොහැකි වූ සිසුවෙකු වීමෙනි. AI ගේ යෝජනාව කන්ෆර්ම් උනා නම් මුල ඉදන්ම අල්ලගන්න තිබුනා.
නඩුව 3 - දත්ත ශබ්දකෝෂයේ අගය. රක්ෂණ සමාගමක "ප්රතිපත්ති_තත්ත්වය" ක්ෂේත්රය විවිධ කණ්ඩායම් 5ක් විසින් වෙනස් ලෙස අර්ථකථනය කර ඇති බව තීරණය කරන ලදී, එබැවින් එකම KPI වාර්තාවල විවිධ ප්රතිඵල 3ක් ලබා දුන්නේය. AI බලයෙන් ක්රියාත්මක වන දත්ත ශබ්දකෝෂයක් කෙටුම්පත් කිරීමෙන් සහ ව්යාපාරික ඒකකය සමඟ ඒකාකාරී ගිවිසුමක් ඇති කර ගැනීමෙන්, වාර්තාවේ නොගැලපීම ඉවත් කරන ලද අතර මාසික ප්රතිසන්ධාන රැස්වීම් කාලය 60% කින් අඩු කරන ලදී.
දුර්වල ක්ෂණික / ශක්තිමත් ක්ෂණික
දුර්වල ක්ෂණික:
ඊ-වාණිජ්යය දත්ත සමුදායක් සැලසුම් කරන්න.
බලවත් විමසුම:
ඔබේ භූමිකාව: ඔබ පළපුරුදු දත්ත ආකෘති නිර්මාණකරුවෙකි.පහත ව්යාපාරික රීතිවලට අනුව තාර්කික දත්ත ආකෘතියක් කෙටුම්පත් කරන්න. රීති:- එක් එක් ආයතනය සඳහා: ක්ෂේත්ර, ප්රාථමික යතුර, අවශ්ය ක්ෂේත්ර.- එක් එක් සම්බන්ධතාව සඳහා: වර්ගය (එකෙන්-බොහෝ/බොහෝ-සිට-බොහෝ) සහ විදේශීය යතුර.- සාමාන්ය ආකාරවලින් 3 සිට සාමාන්ය ආකාර දක්වා අතරමැදි වගුව යෝජනා කරන්න;- ඔබ චේතනාන්විත විකෘති කිරීම නිර්දේශ කරන්නේ නම්, තාර්කිකත්වය ලියන්න.- ඔබට විශ්වාස නැති ඕනෑම ව්යාපාරික රීතියක් ලේබල් කරන්න [තහවුරු කිරීම අවශ්ය]. ව්යාපාරික නීති:- පාරිභෝගිකයාට බහුවිධ ඇණවුම් කළ හැකිය.- ඇණවුමක නිෂ්පාදන කිහිපයක් අඩංගු වේ; එක් නිෂ්පාදනයක් බොහෝ ඇණවුම් වල සිදු වේ.- නිෂ්පාදන වර්ග ඇත.[වෙනත් නීති...]
බලවත් ප්රේරකය ආදර්ශ මට්ටම (තාර්කික), යතුර සහ සම්බන්ධතා රීති, සාමාන්යකරණ ඉලක්කය සහ තහවුරු කිරීම අවශ්ය ලකුණු පැහැදිලි කරයි.
පිටපත් කළ හැකි සැකිලි හතරක්
1) දත්ත ශබ්දකෝෂ කෙටුම්පත:
වගු අර්ථ දැක්වීමෙන් දත්ත ශබ්ද කෝෂයේ දළ සටහනක් පහත දැක්වේ. එක් එක් ක්ෂේත්රය සඳහා: නම, වර්ගය, එය අනිවාර්යද, හැකි අගයන්, ව්යාපාරික අර්ථය (ලේබලය[PREDICTION] අනාවැකියක් නම්). වගුව: [DDL හෝ ක්ෂේත්ර ලැයිස්තුව]
2) සාමාන්යකරණය සමාලෝචනය:
පහත වගු ව්යුහය තුළ අනුපිටපත් දත්ත, යාවත්කාලීන විෂමතා සහ සාමාන්යකරණය සඳහා අවස්ථාවක් තිබේද? එක් එක් සොයා ගැනීම සඳහා, එය උල්ලංඝනය කරන්නේ කුමන සාමාන්ය ස්වරූපය සහ ඔබේ යෝජනාව ලියන්න. ව්යුහය: [පෙළ]
3) ව්යාපාර රීතියෙන් ER කෙටුම්පත:
පහත ව්යාපාරික රීති ආයතන, ගුණාංග සහ සම්බන්ධතා බවට පරිවර්තනය කරන්න. එක් එක් සම්බන්ධතාවයේ වර්ගය සඳහන් කරන්න (1-1, 1-N, N-N) සහ N-N නම්, අතරමැදි වගුවක් යෝජනා කරන්න. අපැහැදිලි නීති සලකුණු කරන්න. රීති: [පෙළ]
4) සම්බන්ධතා ආකාරයේ සත්යාපන ප්රශ්න:
පහත දත්ත ආකෘතියේ එක් එක් සම්බන්ධතාවය සඳහා, එහි වර්ගයේ නිරවද්යතාවය පරීක්ෂා කරන "ඔව්/නැත" ව්යාපාරික ප්රශ්නයක් උත්පාදනය කරන්න (උදා: "ශිෂ්යයෙකු එකවර පන්ති එකකට වඩා වැඩි ගණනකට ඇතුළත් කර ගත හැකිද?"). ආකෘතිය: [පෙළ]
සංසන්දනාත්මක සටහන: ආදර්ශ මට්ටම්
ලක්ෂණය
සංකල්පීය
තාර්කික
භෞතික
විස්තර
අවම වශයෙන්
මධ්යම
බොහෝ
යතුර/සම්බන්ධතාවය
ප්රධාන වත්කම්
යතුරු අර්ථ දක්වා ඇත
දර්ශක/වර්ගය ඇතුළුව
දත්ත සමුදාය මත රඳා පවතී
නැත
නැත
ඔව්
ඉලක්කගත ප්රේක්ෂකයින්
ව්යාපාර ඒකකය
විශ්ලේෂක
සංවර්ධක / DBA
AI හි දායකත්වය
කෙටුම්පත
ශක්තිමත් කෙටුම්පත
කෙටුම්පත, DBA තහවුරු කිරීම
පොදු වැරදි
- බොහෝ-බොහෝ සබඳතා එක-බොහෝ ලෙස සිතීම. මෙය වඩාත් පොදු ආකෘති දෝෂයකි; අතරමැදි වගුව අමතක වී ඇත්නම්, පද්ධතියට සැබෑ තත්වය තබා ගත නොහැක.
- සෑම දෙයක්ම එක මේසයක තැබීම. "සරල බව" සඳහා සියලුම ක්ෂේත්ර එක් වගුවක එකතු කිරීම අනුපිටපත් සහ යාවත්කාලීන විෂමතා ඇති කරයි.
- දත්ත ශබ්දකෝෂයක් ලිවීම නොවේ. ක්ෂේත්රවල අර්ථය මනසේ පවතින විට එකම KPI විවිධ ප්රතිඵල ලබා දෙයි.
- දත්ත වර්ග සහ සීමා කිරීම් පිළිබඳ AI හි නිර්දේශය අන්ධ ලෙස විශ්වාස කිරීම. ආකෘතිය "ප්රමාණවත් තරම් විශාල" ප්රදේශයක් යෝජනා කළ හැක; ව්යාපාර රීතිය සැබෑ සීමාවන් තීරණය කරයි (උදා. TR ID 11 ඉලක්කම්).
- නිරපේක්ෂ සාමාන්යකරණය. වාර්තාකරණ ස්ථරයේ අධික සාමාන්යකරණය විමසුම මන්දගාමී කරයි; සන්දර්භය අනුව අරමුණ වෙනස් වේ.
අවවාදයයි: කෘතිම බුද්ධිය ලස්සන පෙනුමක් ඇති නමුත් ව්යාපාරික නීති උල්ලංඝනය කරන ආකෘති නිපදවිය හැක. ආකෘතිය විසින් යෝජනා කරන ලද එක් එක් සම්බන්ධතාවය සඳහා, "එය ඇත්තටම මේ වගේද?" ව්යාපාරික ප්රශ්නයක් අසන්න. දත්ත ආකෘතිය යනු පද්ධතියේ ඇටසැකිල්ලයි; ඇටසැකිල්ලේ අස්ථි බිඳීමක් පසුව අලුත්වැඩියා කිරීම ඉතා අපහසු වේ.
සාරාංශයක් ලෙස
දත්ත ආකෘතිකරණය යනු ආයතන, ගුණාංග සහ සම්බන්ධතා සමඟ ව්යාපාරික කරුණු ව්යුහගත කිරීමේ ක්රියාවලිය වන අතර සංකල්පීය, තාර්කික සහ භෞතික මට්ටම් වලින් ඉදිරියට යයි. ප්රාථමික සහ විදේශීය යතුරු යොමු කිරීමේ අඛණ්ඩතාව සහතික කරයි; සාමාන්යකරණය පුනරාවර්තනය අඩු කරයි, නමුත් අරමුණ අනුව සාමාන්යකරණය ද නීත්යානුකූල වේ. දත්ත ශබ්දකෝෂය සංවිධානයේ පොදු භාෂාවයි. ER කෙටුම්පත්, දත්ත ශබ්දකෝෂ සහ සාමාන්යකරණ සමාලෝචන නිෂ්පාදනය කිරීමේදී AI සැලකිය යුතු වේගයක් සපයයි; කෙසේ වෙතත්, සම්බන්ධතා වර්ග, දත්ත වර්ග සහ ව්යාපාර අර්ථ ශාස්ත්රය සැබෑ ව්යාපාරික රීතියට එරෙහිව තහවුරු කළ යුතුය. ආකෘතිය හොඳ පෙනුමක් ඇති පමණින් එය නිවැරදි යැයි අදහස් නොවේ.
යෙදුම් කාර්යය
"පුස්තකාල ණය පද්ධතියක්" සලකා බලන්න: සාමාජිකයින්, පොත්පත්, ණය වාර්තා. (1) බලගතු විමසුම මගින් නිපදවන ලද තාර්කික ආකෘති කෙටුම්පතක් තබා ගන්න. (2) ආකෘතිය යෝජනා කරන එක් එක් සම්බන්ධතා වර්ගය (විශේෂයෙන්, “සාමාජිකයෙකුට එකම පොතක පිටපත් එකකට වඩා තිබිය හැකිද?”) ව්යාපාරික ප්රශ්නයක් සමඟ පරීක්ෂා කරන්න. (3) අවම වශයෙන් එක් බොහෝ-බොහෝ සබඳතාවක් සොයාගෙන අතරමැදි වගුවක් නිර්වචනය කරන්න. (4) අවම වශයෙන් ක්ෂේත්ර 4ක් සඳහා දත්ත ශබ්ද කෝෂ රේඛා ලියන්න (නම, වර්ගය, අනිවාර්ය, ව්යාපාරික අර්ථය). (5) ආකෘතිය සවි කර තිබිය හැකි සීමාවක් ඉස්මතු කර ඔබ එය සත්යාපනය කරන ආකාරය පැහැදිලි කරන්න.
පිරික්සුම් ලැයිස්තුව
- [ ] සෑම වගුවකම මූලික යතුර අර්ථ දක්වා ඇත.
- [ ] මම ව්යාපාරික ප්රශ්නය සමඟ එක් එක් සම්බන්ධතා වර්ගය සත්යාපනය කළෙමි.
- [ ] මම බොහෝ සම්බන්ධතා සඳහා අතරමැදි වගුවක් නිර්වචනය කළෙමි.
- [ ] මම අනුපිටපත් දත්ත සාමාන්යකරණය හෝ සාධාරණීකරණය කළෙමි.
- [ ] මම විවේචනාත්මක ක්ෂේත්ර සඳහා දත්ත ශබ්ද කෝෂයක් ලිව්වෙමි.
- [ ] මම ව්යාපාර රීතියට එරෙහිව AI හි දත්ත වර්ගය/සීමා යෝජනා තහවුරු කළෙමි.