Mantıksal Veri Analizi
Mantıksal Veri Analizi
En sevdiğim tatil türlerinden birinin yol macerası olduğundan en başta bahsetmiştim. Gideceğimiz yerin üst düzey bir haritasını çıkaracak ve mutlaka görülmesi gereken şehirleri bu harita üzerinde noktalar halinde belirleyecektik. Bu harita, en düşük detay seviyesinin şehir olduğu tatil gereksinimlerimizi temsil ediyor.
Bu üst düzey tatil gereksinimleri, amaç ve kapsam açısından, en düşük ayrıntı düzeyinin konu alanı olduğu Bölüm 5’teki konu alanı analizimize çok benzer. Müşteri nasıl başvurum için zorunlu bir konu alanıysa, New York da tatilim için mutlaka görülmesi gereken bir yer.
Bu mutlaka görülmesi gereken şehirlerden birine vardığımızda, detaylı tatil gereksinimlerine odaklanırdık. Bu ayrıntılı gereksinimler, gerçekleşme veya etkinlik düzeyindedir. En iyi yemek yenecek yerler neresidir? İyi yürüyüş turları var mı? Müzeler saat kaçta açılıyor?
Bu ayrıntılı tatil gereksinimleri, amaç ve kapsam açısından, bu bölümde tartışacağımız mantıksal veri analizi aşamasına benzer. Örneğin, New York’taki Metropolitan Museum of Art’ı ziyaret etmek için ayrıntılı tatil gereksinimim, Müşteri konu alanımızda Müşterinin Soyadı veri öğesine ihtiyaç duyacağımız başvuru gereksinimini belirlemeye benzer.
Bu bölüm, analizimizi konu alanından her konu alanının veri öğelerine aktarmaktadır. Metinde bu noktaya kadar, herhangi bir projeye başlamak için gereken meta veri ve tanım kalitesinin temelini oluşturduk ve ardından konu alanı düzeyinde tüm analiz ve modellemeyi gerçekleştirdik.
Artık, tanımlar, kaynaklar, kaynaklar ve raporlama gereklilikleri dahil olmak üzere, uygulamamızın kapsamındaki konu alanlarının her biri hakkında çok güçlü bir anlayışa sahibiz. Bu noktada veri öğelerini tanımlamaya ve yakalamaya başlamak için uygulamamız hakkında yeterli bilgiye sahibiz. Başka bir deyişle, ayrıntılara girmeye başlayabiliriz.
Şimdi birkaç önemli sorunun yanıtlanması gerekiyor:
■■ Hangi veri öğelerine ihtiyacımız var?
■■ Ne anlama geliyorlar?
■■ Nereden geliyorlar?
■■ Hangi raporlama düzeylerini gerektiriyorlar?
■■ Meta verileriyle tutarlı değerler içeriyorlar mı?
Veri öğesi düzeyinde yanıtlamamız gereken bu sorulardan bazılarının, konu alanı düzeyinde yanıtladığımız sorulara çok benzer olduğuna dikkat edin. Bu nedenle, bu bölümde mantıksal veya veri öğesi analizimizi geliştirmek için kullandığımız bazı araçlar olan “Konu Alanı Analizi”ni kullanıyoruz. Mantıksal veri analizi ve veri öğesi analizi terimlerini birbirinin yerine kullandığımı unutmayın. Konu alanı analizi ve veri öğesi analizi kapsamındaki araçları karşılaştırır.
Konu Alanı Kontrol Listesi, kapsamımız içindeki konu alanlarının listesini ve tanımlarını sağlar. Konu Alanı Aile Ağacı, bu konu alanlarının her biri için kaynak uygulamaları içerir.
Hem Konu Alanı Kontrol Listesi hem de Konu Alanı Aile Ağacı, kaynakları ve dönüşümleri ile birlikte tanımlarıyla birlikte veri öğelerinin tam listesini yakalayan Veri Öğesi Aile Ağacı için bir başlangıç noktası sağlar.
Örneğin, Konu Alanı Kontrol Listesi, Müşterinin kapsamımız içinde olduğunu ortaya çıkaracak ve bu araç, Müşteri için üzerinde anlaşmaya varılan bir tanım içerecektir. Konu Alanı Aile Ağacı, Müşteri konu alanının nereden kaynaklanacağını yakalayacaktır.
Veri Öğesi Aile Ağacı, Müşteri Soyadı gibi Müşteri konu alanındaki tüm veri öğelerinin yanı sıra üzerinde anlaşmaya varılan tanımlar, kaynak bulma ve dönüştürme bilgilerini içerecektir.
Mantıksal analiz Nedir
Mantıksal analiz adımları
Mantıksal veri modeli
Niceliksel analiz
Niteliksel Analiz Nedir
Fiziksel veri modeli
Veri Öğesi Aile Ağacı, her bir veri öğesi için hem tanımlamayı hem de kaynak bulmayı gerçekleştirir ve bu nedenle, ayrı bir Veri Öğesi Kontrol Listemiz yoktur. Konu Alanı Kontrol Listesinin ana amaçlarından birinin, analizimizde bir başlangıç noktası olarak veya proje ekibimizi yabani otlardan ve ayrıntılardan kurtarmak olduğunu hatırlayın. Artık başlangıç noktasının ötesindeyiz ve ayrıntılar için hazırız ve bu nedenle ayrı bir Veri Öğesi Kontrol Listesine ihtiyacımız da yoktur.
Konu Alanı Tane Matrisi, veri marketimiz içindeki her olgu konu alanı için raporlama düzeylerini yakalar. Veri Öğesi Tahıl Matrisi, veri pazarımızdaki her olgu veri öğesi için raporlama düzeylerini yakalar. Örneğin, Satış konu alanı, Konu Alanı Tahıl Matrisinde yakalanacak olan Ay ve Müşteri ayrıntı düzeylerinde de raporlanabilir.
Brüt Satış Tutarı ve Net Satış Tutarı gibi satışlarla ilgili gerçekler, Ay ve Müşteri ayrıntı düzeylerinde de raporlanabilir ve bu, Veri Öğesi Tahıl Matrisinde yakalanacaktır. Konu Alanı Tane Matrisi, Konu Alanı Aile Ağacı gibi, veri öğesi eşdeğeri için bir başlangıç noktası görevi de görür.
Uygulama Konu Alanı CRUD Matrisi yalnızca konu alanı seviyesinde mevcuttur. Bu araç, uygulama konu alanlarımızı mevcut uygulama mimarisi bağlamına yerleştirir. Çevrenin çok iyi bir şekilde üst düzeyde anlaşılmasını sağlar ve Konu Alanı Aile Ağacının tamamlanmasına da yardımcı olur.
Yararlılığı basitliğindedir. Konu alanı düzeyinde kaynakları ve bağımlılıkları görmek çok kolaydır. Veri öğesi düzeyindeki böyle bir aracın işletme için bazı faydaları olacaktır; ancak, çok karmaşık, uzun ve bakımı zor olacaktır. Mevcut uygulamamız için veri öğelerimizden ihtiyaç duyduğumuz tüm kaynak bilgileri, Veri Öğesi Aile Ağacında toplanacaktır.
Bilinen Şablon, tüm proje çıktılarını tamamlamak ve doğrulamak için gereken insanları ve belge kaynaklarını toplar. Bu bilgiyi veri öğesi düzeyinde yakalamak, gereksiz fazlalık da getirecektir.
Örneğin, Dennis’in müşteri uzmanı olduğunu bilirsek, Müşteri konu alanındaki her bir veri öğesinin yanında Dennis’i listelemenin değeri ne olur? Kaynaklar konu alanına göre değil de veri öğesine göre değişirse, örneğin Müşteri içindeki veri öğelerinin birinde Dennis, diğerinde Mary başka bir veri öğesinde uzmansa, muhtemelen bir değeri de olacaktır.
Ancak, bu senaryoyu gördüğüm tek zaman, Müşteri içinde kendi konu alanlarına ayrılması gereken farklı konu alanlarının var olduğu zamandı. Bu durumda Dennis, Müşteri Demografisi uzmanı ve Müşteri İletişimi uzmanı olabilir.
Fiziksel veri modeli Mantıksal analiz adımları Mantıksal analiz Nedir Mantıksal veri modeli Niceliksel analiz Niteliksel Analiz Nedir