سازمان‌ها اغلب DBA ها را مجبور می‌کنند تا کار مدلسازی داده‌ها را بر عهده بگیرد. این بدان معنا نیست که DBA ها در مدل سازی داده ها به خوبی آموزش دیده اند و یا DBA ها برای انجام این کار مناسب هستند. تیم مدیریت داده (DA) برای مدل سازی داده ها مناسب ترین هستند زیرا مدل سازی داده ها نیاز به آگاهی از به جنبه های تجاری مدیریت منابع داده دارد.
هنگامی که نقش DA در یک سازمان وجود دارد، با کاربران تجاری داده همراستایی بیشتری دارد. اگرچه ممکن است این گروه مدیریت داده و یا معماری داده، مدیریت داده، مدیریت منابع داده یا حتی حاکمیت داده نامیده شود. صرف نظر از نام آن، گروه DA مسئول درک واژگان تجاری و تبدیل آن به یک مدل داده منطقی است.
DBA ها بیشتر بر مفاهیم فناوری متمرکز هستند تا مفاهیم کسب و کار .این بدان معنا نیست که DBA ها به طور کامل از اهداف تجاری برای داده هایی که مدیریت می کنند بی اطلاع هستند، اما تمرکز اصلی آنها فناوری مدیریت ساختارهای مورد استفاده برای ذخیره و دسترسی به داده ها است.
با این وجود، بسیاری از سازمان‌ها DA و DBA را به یک گروه DBA یکپارچه تبدیل می‌کنند. به این ترتیب، وظایف DA معمولاً آسیب می بیند. یکی از این وظایف مدل سازی داده ها است. برای طراحی مناسب مدل های داده نیاز به درک کامل حقیقت نیازهای داده ای کسب و کار دارد و شما نمی توانید به سادگی از یک کاربر بپرسید یا به یک متخصص تکیه کنید، زیرا دامنه تجربه او جامع نخواهد بود.
هدف یک مدل داده ثبت داده های مورد نیاز یک فعالیت تجاری است. دامنه مدل داده برای هر رشته کسب و کار باید جامع باشد. اگر یک مدل داده‌های سازمانی برای سازمان وجود داشته باشد، هر خط جداگانه از مدل داده‌های کسب‌وکار باید در مقابل مدل کلی داده‌های سازمانی برای صحت تأیید شود. مدل داده سازمانی یک مدل داده واحد است که به طور جامع نیازهای داده کل سازمان را توصیف می کند. مدیریت و نگهداری یک مدل داده سازمانی مملو از اطلاعات غیر مرتبط با پایگاه داده است، مانند سیاست‌های شرکتی و ROI (نرخ بازگشت سرمایه) که عمدتا تعیین کمیت آنها دشوار است.
مدل سازی داده ها به عنوان یک سرمایه گذاری مفهومی آغاز می شود. اولین هدف از مدل سازی داده های مفهومی، درک الزامات است. یک مدل داده، به خودی خود، ارزش محدودی دارد. هنگامی که یک مدل داده با افزایش ارتباطات و مفاهیم، ارزش ارائه می‌کند، می‌توان استدلال کرد که این مدل‌ها کاملاً ارزشمند هستند. اما یکی از مهم ترین اهداف یک مدل داده، توانایی آن در استفاده به عنوان یک طرح برای ساخت یک پایگاه داده واقعی است.
هنگامی که پایگاه های داده از یک مدل داده ، با طراحی خوب، ساخته می شوند، ساختارهای حاصل از آن، ارزش بیشتری را برای سازمان فراهم می کنند. مقدار به دست آمده از مدل داده خود را در قالب به حداقل رساندن افزونگی، به حداکثر رساندن یکپارچگی داده، افزایش ثبات، به اشتراک گذاری بهتر داده ها، افزایش پایداری، دسترسی به موقع به داده ها و قابلیت استفاده بهتر نشان می دهد. این ویژگی‌ها به این دلیل به دست می‌آیند که مدل داده نیازمندی‌ها و روابط منابع داده را به شیوه‌ای واضح و مختصر ترسیم می‌کند. ساخت پایگاه داده از یک مدل داده منجر به اجرای بهتر پایگاه داده می شود زیرا درک بهتری از داده هایی که باید در پایگاه داده خود ذخیره شوند خواهید داشت.
یک مدل داده می‌تواند الگوهای داده را شفاف سازی کند همچنین پتانسیل استفاده از داده هایی که احتمالا بدون مدل داده پنهان هستند را نیز روشن مینماید. کشف چنین الگوهایی می تواند نحوه عملکرد کسب و کار شما را تغییر دهد و به طور بالقوه منجر به مزیت رقابتی و افزایش درآمد برای سازمان شما شود.
مدلسازی داده‌ها به ذهنیت متفاوتی نسبت به جمع‌آوری الزامات برای توسعه برنامه‌ها و وظایف فرآیند محور نیاز دارد. مهم است که به جای اینکه وظایف «چگونه» انجام شوند، به «چه چیزی» مورد علاقه است فکر کنید.
- مفهومی بیندیشید – روی مسائل و شرایط تجاری تمرکز کنید.
- ساختارمند فکر کنید – برای مدل سازی داده، چگونه کاری انجام می شود مهم نیست. برای مدل سازی داده ها، مواردی که در فرآیندهای (تجاری) انجام میشوند، اهمیت دارند.
- به ارتباطات بیندیشید – نحوه ارتباط اشیا با یکدیگر مهم است زیرا روابط، طرح مدل داده را ترسیم می کنند.
همانطور که مدل های داده خود را ایجاد می کنید، واژگان کسب و کار سازمان خود را توسعه می دهید. اگر شما یک DBA با مسئولیت های مدل سازی داده هستید، توصیه می کنم که به یک کلاس بروید، یا حداقل چند کتاب خوب در این زمینه انتخاب کنید. کتاب های زیر برای مطالعه بسیار خوب هستند (اما کتاب های دیگری نیز وجود دارد):
- ملزومات مدل سازی داده، ویرایش سوم، توسط گرام سیمسون و گراهام ویت (مورگان کافمن، ۲۰۰۴)
- تسلط بر مدل سازی داده ها: رویکرد کاربر محور توسط جان کارلیس و جوزف مگوایر (ادیسون-وسلی، ۲۰۰۱)
- ساده سازی مدلسازی داده ، ویرایش دوم، توسط استیو هابرمن (انتشارات تکنیک، ۲۰۰۹)
DBA ها بامتبحر شدن در معنی تجاری داده های کمپانی مطبوع خود میتوانند لطف بزرگی در حق خود کنند چرا که یادگیری نحوه موثر مدلسازی داده‌ها می‌تواند راه درازی برای پیاده سازی آن باشد.
این مقاله نوشته کرگ مولینز است.
ترجمه: سجاد نوروزی