Lợi nhuận:
- Khả năng giải thích các mô hình dữ liệu vật lý, logic và khái niệm cũng như các khái niệm chuẩn hóa và tạo ra các bản thảo mối quan hệ thực thể với sự hỗ trợ của trí tuệ nhân tạo
- Khả năng soạn thảo từ điển dữ liệu, quy tắc kinh doanh và các mối quan hệ bảng với các lời nhắc có cấu trúc và xác minh chúng với hệ thống thực
- Khả năng đánh giá nghiêm túc các đề xuất lược đồ do AI tạo ra về tính toàn vẹn, tính đơn nhất và tuân thủ quy tắc kinh doanh.
Một hệ thống thông tin về cơ bản là một cấu trúc giúp giữ cho dữ liệu được tổ chức. Mô hình hóa dữ liệu là nhiệm vụ thiết kế các dữ kiện của một doanh nghiệp (khách hàng, đơn đặt hàng, sản phẩm, hóa đơn) và mối quan hệ của chúng với nhau theo cách có cấu trúc. Mô hình dữ liệu tốt là nền tảng của báo cáo chính xác, truy vấn nhanh và dữ liệu nhất quán; Một mô hình tồi là nguồn gốc của nhiều năm làm việc không nhất quán và lặp đi lặp lại. Hầu hết thời gian, chuyên gia MIS không mã hóa mô hình từ đầu mà xác minh rằng mô hình tuân thủ các quy tắc kinh doanh và dịch mô hình giữa đơn vị kinh doanh và CNTT.
Mô hình hóa dữ liệu tiến hành ở ba mức độ trừu tượng. Mô hình khái niệm (khái niệm tiếng Anh) là cấp độ cao nhất: những thực thể chính nào tồn tại và chúng có liên quan với nhau như thế nào? "Khách hàng đặt hàng, đơn hàng bao gồm sản phẩm." Không có chi tiết kỹ thuật. Mô hình logic xác định các thuộc tính (trường), khóa và loại mối quan hệ của từng thực thể; nhưng nó vẫn không bị ràng buộc với một sản phẩm cơ sở dữ liệu cụ thể. Mô hình vật lý (vật lý tiếng Anh) là phiên bản cụ thể của các bảng, kiểu dữ liệu và chỉ mục trong cơ sở dữ liệu cụ thể (ví dụ: SQL Server, PostgreSQL). Ba cấp độ này là phiên bản ngày càng chi tiết của cùng một ý tưởng.
Mối quan hệ thực thể và khóa
Ngôn ngữ cơ bản của mô hình dữ liệu là mô hình Mối quan hệ thực thể (ER). Thực thể có thể được coi như một bảng: Khách hàng, Đơn hàng. Thuộc tính là cột của bảng: tên, email, số tiền. Mối quan hệ là cách các thực thể được kết nối: một khách hàng có thể có nhiều đơn hàng (mối quan hệ một-nhiều).
Có hai khái niệm quan trọng. Khóa chính là trường xác định duy nhất từng hàng trong bảng; ví dụ ID khách hàng. Khóa ngoại là một trường trong một bảng trỏ đến khóa chính của bảng khác; ID khách hàng trong bảng đơn hàng kết nối đơn hàng của khách hàng nào. Các kết nối này đảm bảo tính toàn vẹn tham chiếu: không thể đặt hàng cho khách hàng không tồn tại.
Mẹo: Khi nhờ AI tạo bản nháp ER, việc yêu cầu rõ ràng khóa chính cho mỗi bảng và khóa ngoại cho từng mối quan hệ sẽ dễ dàng hơn. Nhưng hãy xác minh từng khóa ngoại được mô hình đề xuất theo quy tắc kinh doanh thực tế: đôi khi mối quan hệ mà bạn nghĩ là "một-nhiều" thực ra là "nhiều-nhiều".
Bình thường hóa: Ngăn ngừa tái phát
Chuẩn hóa là quá trình giảm sự dư thừa và bảo toàn tính toàn vẹn bằng cách chia dữ liệu thành các bảng logic. Mục đích là để giữ thông tin tương tự ở một nơi. Ví dụ: thay vì nhập đi gõ lại địa chỉ khách hàng trong mỗi dòng đơn hàng, bạn giữ địa chỉ đó một lần trong bảng Khách hàng và liên kết nó với khóa ngoại từ đơn hàng. Bằng cách này, khi địa chỉ thay đổi, bạn sẽ cập nhật địa chỉ đó ở một nơi; Nếu không, hàng trăm đơn hàng sẽ có địa chỉ khác nhau. Điều này được gọi là cập nhật bất thường.
Ngược lại với chuẩn hóa là không chuẩn hóa: cố tình cho phép một số lần lặp lại vì mục đích tăng tốc độ báo cáo. Trong các hệ thống kinh doanh (cơ sở dữ liệu vận hành), việc chuẩn hóa thường được ưu tiên hơn và trong các hệ thống báo cáo (kho dữ liệu), việc không chuẩn hóa thường được ưu tiên hơn. Vì vậy "bình thường hóa không phải lúc nào cũng tốt"; Quyết định được thực hiện theo mục đích.
Từ điển dữ liệu: Ngôn ngữ chung
Từ điển dữ liệu là một tài liệu xác định ý nghĩa của từng trường, loại, ràng buộc và quy tắc kinh doanh của nó. Trường "trạng thái" có nghĩa là gì? Nó có thể nhận những giá trị nào (Đang chờ xử lý, Đã phê duyệt, Đã hủy)? Có bắt buộc không? Nếu không có tài liệu này, cùng một trường sẽ được các nhóm khác nhau giải thích khác nhau và báo cáo sẽ bị bóp méo. Từ điển dữ liệu là ngôn ngữ chung của tổ chức và là một trong những sản phẩm có giá trị nhất của chuyên gia MIS. AI có thể nhanh chóng trích xuất bản nháp từ điển dữ liệu ban đầu từ cấu trúc bảng hiện có; Nhưng chỉ có đơn vị sử dụng dữ liệu đó mới xác minh được ý nghĩa kinh doanh thực sự của từng lĩnh vực.
Ba trường hợp nhỏ: Bằng những con số
Trường hợp 1 - Chi phí của sự lặp lại. Trong một công ty phân phối, địa chỉ của khách hàng được lưu giữ riêng biệt trong cả bảng đơn hàng và hóa đơn. Khi khách hàng chuyển đi, địa chỉ chỉ được cập nhật trong một bảng; 1.400 hóa đơn đã về địa chỉ cũ và được hoàn trả. Nếu địa chỉ được chuẩn hóa trong một bảng duy nhất thì chỉ cần cập nhật một lần là đủ. Dự án khắc phục tốn 2 tuần.
Trường hợp 2 - Kiểu quan hệ sai lầm. Một chuyên gia MIS trong một cơ sở giáo dục đã thừa nhận mối quan hệ (một-nhiều) “Học sinh thuộc một Lớp” trong mô hình do AI tạo ra. Tuy nhiên, học sinh có thể đăng ký nhiều lớp tự chọn; Mối quan hệ thực sự là nhiều-nhiều và cần có một bảng trung gian (Bản ghi). Sai phạm được bộc lộ ngay trên sân khi một học sinh không đăng ký vào lớp 2. Nếu đề xuất của AI được xác nhận thì nó đã bị phát hiện ngay từ đầu.
Trường hợp 3 - Giá trị của từ điển dữ liệu. Người ta xác định rằng trường "policy_status" trong một công ty bảo hiểm được 5 nhóm khác nhau diễn giải khác nhau, do đó, cùng một KPI cho 3 kết quả khác nhau trong các báo cáo. Bằng cách soạn thảo từ điển dữ liệu do AI cung cấp và đạt được thỏa thuận thống nhất với đơn vị kinh doanh, sự không nhất quán trong báo cáo đã được loại bỏ và thời gian họp đối chiếu hàng tháng đã giảm 60%.
Nhắc yếu / Nhắc mạnh
Dấu nhắc yếu:
Thiết kế cơ sở dữ liệu thương mại điện tử.
Lời nhắc mạnh mẽ:
Vai trò của bạn: Bạn là một nhà lập mô hình dữ liệu có kinh nghiệm. DỰ THẢO mô hình dữ liệu LOGICAL theo các quy tắc nghiệp vụ sau. Quy tắc: - Đối với mỗi thực thể: trường, khóa chính, trường bắt buộc. - Đối với mỗi mối quan hệ: loại (một-nhiều / nhiều-nhiều) và khóa ngoại.- Đề xuất bảng trung gian trong các mối quan hệ nhiều-nhiều.- Chuẩn hóa lên đến dạng chuẩn thứ 3; Nếu bạn đề nghị cố ý phi chuẩn hóa, hãy viết lý do.- Dán nhãn [BẮT BUỘC XÁC NHẬN] bất kỳ quy tắc kinh doanh nào mà bạn không chắc chắn. Quy tắc kinh doanh:- Khách hàng có thể đặt nhiều đơn hàng.- Một đơn hàng chứa nhiều sản phẩm; Một sản phẩm xuất hiện trong nhiều đơn hàng.- Sản phẩm có danh mục.[các quy tắc khác...]
Lời nhắc mạnh mẽ làm rõ cấp độ mô hình (logic), các quy tắc khóa và mối quan hệ, mục tiêu chuẩn hóa và các điểm yêu cầu xác nhận.
Bốn mẫu có thể sao chép
1) Bản thảo từ điển dữ liệu:
Một phác thảo từ điển dữ liệu theo sau định nghĩa bảng. Đối với mỗi trường: tên, loại, nó có bắt buộc không, các giá trị có thể có, ý nghĩa kinh doanh (nhãn[PREDICTION] nếu đó là dự đoán). Bảng: [DDL hoặc danh sách trường]
2) Đánh giá chuẩn hóa:
Có bất kỳ rủi ro nào về dữ liệu trùng lặp, cập nhật bất thường và cơ hội chuẩn hóa trong cấu trúc bảng bên dưới không? Đối với mỗi phát hiện, hãy viết ra dạng thông thường nào nó vi phạm và đề xuất của bạn. Cấu trúc: [văn bản]
3) Dự thảo ER từ quy tắc kinh doanh:
Chuyển các quy tắc kinh doanh sau thành các thực thể, thuộc tính và mối quan hệ. Chỉ định loại của từng mối quan hệ (1-1, 1-N, N-N) và nếu N-N, đề xuất một bảng trung gian. Đánh dấu các quy tắc mơ hồ. Quy tắc: [văn bản]
4) Câu hỏi xác minh loại mối quan hệ:
Đối với mỗi mối quan hệ trong mô hình dữ liệu bên dưới, hãy tạo một câu hỏi kinh doanh "có/không" để kiểm tra tính đúng đắn của loại câu hỏi đó (ví dụ: "Một học sinh có thể đăng ký nhiều lớp cùng một lúc không?"). Mô hình: [văn bản]
Biểu đồ so sánh: Cấp độ mô hình
tính năng
khái niệm
logic
thể chất
Chi tiết
ít nhất
trung bình
nhất
khóa/quan hệ
Tài sản chính
Khóa được xác định
Bao gồm chỉ mục/loại
Phụ thuộc vào cơ sở dữ liệu
không
không
Có
đối tượng mục tiêu
đơn vị kinh doanh
nhà phân tích
Nhà phát triển/DBA
Đóng góp của AI
dự thảo
gió lùa mạnh
Bản nháp, xác nhận DBA
Những lỗi thường gặp
- Hãy coi mối quan hệ nhiều-nhiều là mối quan hệ một-nhiều. Đây là lỗi mô hình phổ biến nhất; Nếu quên bảng trung gian, hệ thống không thể giữ được trạng thái thực tế.
- Đặt mọi thứ vào một bảng. Việc tập hợp tất cả các trường vào một bảng vì mục đích "đơn giản" sẽ tạo ra sự trùng lặp và cập nhật bất thường.
- Không viết từ điển dữ liệu. Cùng một KPI cho kết quả khác nhau khi ý nghĩa của các trường vẫn còn trong tâm trí.
- Tin tưởng một cách mù quáng vào khuyến nghị của AI về các loại dữ liệu và các ràng buộc. Mô hình có thể đề xuất một khu vực “đủ lớn”; Quy tắc kinh doanh xác định giới hạn thực tế (ví dụ: TR ID 11 chữ số).
- Bình thường hóa tuyệt đối. Việc chuẩn hóa quá mức ở lớp báo cáo sẽ làm chậm truy vấn; Mục đích thay đổi tùy theo ngữ cảnh.
Thận trọng: Trí tuệ nhân tạo có thể tạo ra các mô hình trông đẹp mắt nhưng lại vi phạm các quy tắc kinh doanh. Đối với mỗi mối quan hệ được mô hình gợi ý, câu hỏi "nó có thực sự như thế này không?" Đặt một câu hỏi kinh doanh. Mô hình dữ liệu là bộ xương của hệ thống; Một vết nứt ở bộ xương rất khó sửa chữa sau này.
Tóm lại
Mô hình hóa dữ liệu là quá trình cấu trúc các sự kiện kinh doanh với các thực thể, thuộc tính và mối quan hệ và tiến hành ở cấp độ khái niệm, logic và vật lý. Khóa chính và khóa ngoài đảm bảo tính toàn vẹn tham chiếu; Chuẩn hóa làm giảm sự lặp lại, nhưng việc không chuẩn hóa cũng hợp pháp tùy thuộc vào mục đích. Từ điển dữ liệu là ngôn ngữ chung của tổ chức. AI cung cấp tốc độ đáng kể trong việc tạo bản nháp ER, từ điển dữ liệu và đánh giá chuẩn hóa; tuy nhiên, các loại mối quan hệ, loại dữ liệu và ngữ nghĩa kinh doanh phải được xác nhận theo quy tắc kinh doanh thực tế. Chỉ vì mô hình trông đẹp không có nghĩa là nó đúng.
Nhiệm vụ ứng dụng
Hãy xem xét một “hệ thống mượn thư viện”: thành viên, sách, hồ sơ mượn. (1) Có một bản phác thảo mô hình hợp lý được tạo ra bởi lời nhắc mạnh mẽ. (2) Kiểm tra loại mối quan hệ mà mô hình gợi ý (cụ thể là “một thành viên có thể có nhiều bản sao của cùng một cuốn sách không?”) bằng một câu hỏi kinh doanh. (3) Tìm ít nhất một mối quan hệ nhiều-nhiều và xác định bảng trung gian. (4) Viết dòng từ điển dữ liệu cho ít nhất 4 trường (tên, loại, bắt buộc, ý nghĩa kinh doanh). (5) Đánh dấu một hạn chế mà mô hình có thể đã phù hợp và giải thích cách bạn sẽ xác minh nó.
danh sách kiểm tra
- [ ] Khóa chính của mỗi bảng được xác định.
- [ ] Tôi đã xác minh loại mối quan hệ với câu hỏi kinh doanh.
- [ ] Tôi đã xác định một bảng trung gian cho mối quan hệ nhiều-nhiều.
- [ ] Tôi đã chuẩn hóa hoặc biện minh cho việc không chuẩn hóa dữ liệu trùng lặp.
- [ ] Tôi đã viết một dòng từ điển dữ liệu cho các trường quan trọng.
- [ ] Tôi đã xác nhận các đề xuất về loại dữ liệu/ràng buộc của AI đối với quy tắc kinh doanh.