Veri Öğesi Düzeyi

Veri Öğesi Düzeyi

Veri öğesi düzeyinde, veri kalitesiyle ilgilenmemiz gerekir. Veri öğesi meta verilerimizin, bu veri öğesinde gördüğümüz değerlerle tutarlı olduğundan emin olmamız gerekir. Konu alanı düzeyinde veri kalitesiyle ilgilenmiyoruz.

Bu nedenle, iki araç, Veri Kalitesi Yakalama Şablonu ve Veri Kalitesi Doğrulama Şablonu, konu alanı düzeyinde değil, yalnızca veri öğesi düzeyinde mevcuttur. Bu araçlar, iş uzmanları tarafından verimli karşılaştırma için her bir veri öğesi için meta verileri ve verileri yakalar.

Bu noktada, şu dört mantıksal veri analiz aracına odaklanmaktadır:

• Veri Elemanı Aile Ağacı. Uygulama için veri öğelerinin tam listesini ve her biri için kaynakları ve dönüşümleri, ayrıca tanım ve biçim de dahil olmak üzere veri öğesi meta verilerinin birkaç başka önemli parçasını içerir.
• Veri Öğesi Tahıl Matrisi. Raporlama gereksinimlerinin gözden geçirilip doğrulanabilmesi için her bir ölçüm veya olgu için raporlama düzeylerini yakalar.
• Veri Kalitesi Yakalama Şablonu. Her veri öğesi için meta veriler ile gerçek verilerin bir kısmı arasındaki karşılaştırmayı gösterir. Bu araç, karşılık gelen meta verilerin yanında örnek verileri ve çeşitli veri sorgulama sonuçlarını düzenlemek için kullanılır.
• Veri Kalitesi Doğrulama Şablonu. Veri Kalitesi Yakalama Şablonundaki bilgiler için bir inceleme ve doğrulama mekanizması sağlar. Her bir veri öğesi için meta verilerin ve gerçek verilerin bir kısmının ne kadar iyi karşılaştırıldığını belgeler. Bu araç, her bir veri öğesindeki verilerin gerçekte ne kadar iyi veya kötü olduğu konusunda bir uzmanın görüşünü içerir.

Bu dört araç, en azından, “Meta Data Bingo”da tartışılan veri öğesi meta verisi türlerini yakalar. Gösterilen Veri Elemanı Meta Veri Bingo Kartını hatırlayın.

Bu mantıksal veri analiz araçlarından hangisinin hangi tür meta verileri yakalamaktan sorumlu olduğunu anlamak için, bu Bingo kartındaki öncelik sütunlarını dört veri öğesi analiz aracıyla değiştirdim. Aracın bu tür meta verileri Yakalamaktan sorumlu olduğu hücrelere bir C ve aracın bu verileri Okuması veya kullanması gereken hücrelere bir R koyduk.

Veri Öğesi Aile Ağacı, ad, takma ad, tanım, iş amacı, varsayılan değer, dönüşümler, biçim ve geçersiz kılınabilirlik dahil olmak üzere veri öğesi meta verilerinin büyük bölümünü yakalar. Bu, mantıksal veri modellerimizde gördüğümüz meta verilerin çoğudur.

Bu tür meta verilerin tümü, tek bir e-tabloda sütun olarak bulunamayacak kadar fazla olduğundan, ad, tanım, dönüşümler, biçim ve geçersiz kılınabilirlik gibi genellikle yalnızca birkaçı listelenir. Listelenenler ayrıca Data Element Meta Data Bingo’nun sonuçlarına da bağlıdır. Bingo sonuçlarına dayalı olarak projeniz için bu tür meta verilerin birçoğunun yakalanması gerekmeyebilir.

Veri Öğesi Tahıl Matrisi, gerçekler ve raporlama seviyeleri arasındaki ilişkileri yakalar. Bu, elbette Bingo kartındaki bir öğe olarak tanımlanmaz çünkü bu ilişkiler, modelimizi tamamlamak için yakalamamız gereken pazarlık konusu olmayan meta verilerdir ve bu nedenle Bingo oylama sürecine dahil edilmemelidir.

Veri Kalitesi Yakalama Şablonu, veriler ve meta veriler arasındaki kriterleri ve karşılaştırma bilgilerini içerir ve Veri Kalitesi Doğrulama Şablonu, her bir veri öğesinin veri kalitesinin uygun şekilde incelendiğine dair kanıt sağlar. Örnek veri değerleri, verileri ve meta verileri karşılaştırmak için bir girdi kaynağıdır. Diğer kaynaklar, bir veri öğesinin tüm değerlerinde bulunan boş değerlerin yüzdesi gibi veri sorgularını içerir.

Bu Bingo kartında, bu veri öğesi analiz araçlarının hiçbirinin anahtarlar ve dizin bilgileri oluşturmadığını veya okumadığını göreceksiniz. Bunun nedeni, veri modellememize henüz başlamamış olmamız ve bu nedenle, bu veri öğelerinden hangilerinin anahtar olarak kabul edileceği veya hangilerinin dizine ekleneceği konusunda henüz güçlü bir anlayışa sahip olmamamızdır.

Veritabanı veri türleri
İlişkisel Veritabanı örnek
Çok boyutlu veri nedir
Büyük veri pdf
Veri tabanı Modelleri
Veri tabanı planlaması yapmak
Veri tabanı şeması nedir
Mantıksal veri nedir

Bu noktada, mantıksal veri analizi araçlarının her biri, tamamlanmaları gereken sırayla açıklanmaktadır:

■■ Veri Öğesi Aile Ağacı
■■ Veri Öğesi Tahıl Matrisi
■■ Veri Kalitesi Yakalama Şablonu
■■ Veri Kalitesi Doğrulama Şablonu

Bu dört aracın her birini açıklayacağız ve her birinin amacını, biçimini ve kullanımını açıklayacağız. Her araç hakkında okurken, kendi şirketiniz veya projeniz için bunları nasıl biraz değiştirmeniz veya özelleştirmeniz gerekebileceğini düşünün. Eşlik eden Web sitesini ziyaret ederseniz, bu bölümdeki araçların her biri için şablonlar bulacaksınız.

Veri Öğesi Soy Ağacı Nedir?

Veri Öğesi Aile Ağacı, hedef uygulamamız kapsamındaki her bir veri öğesi için kaynak uygulamaları ve diğer önemli meta verileri yakalayan bir elektronik tablodur. Verilerimizi almamız gereken uygulamaları kaynak veya orijin uygulamaları olarak ve şu anda analiz ettiğimiz uygulamayı hedef veya hedef uygulama olarak andığımı unutmayın.

Veri Öğesi Aile Ağacı, hedef uygulamamızdaki her bir veri öğesi için geçerli olan kaynağı ve dönüşümleri açıklar ve ağırlıklı olarak Konu Alanı Aile Ağacı üzerine kuruludur. Aslında, Konu Alanı Aile Ağacındaki her konu alanının ayrı bir Veri Öğesi Aile Ağacı elektronik tablosu için temel oluşturduğu zamanlar vardır.

Kaynak ve hedef veri öğeleri için dahil edilen meta veri türleri şunları içerir:

■■ Standart kuruluş adı
■■ Takma ad
■■ Tanım
■■ İş amaçlı
■■ Dönüşümler
■■ Biçimlendir
■■ İptal edilebilirlik

Bu uzun bir liste olmasına rağmen, çoğu zaman takma ad ve iş amacı bilgilerini Data Element Aile Ağacına dahil etmiyoruz. Uygulamamız veya hedefimiz, bu aracın şu anda veri ambarında hangi bilgilerin mevcut olduğunu ve hangilerinin bulunmadığını ve dolayısıyla diğer uygulamalardan isteneceğini yakalayabildiği bir veri pazarı olduğunda özellikle iyi çalışır.

Konu Alanı Aile Ağacından başlayarak, her konu alanını derinlemesine inceleyerek ve veri öğelerini belirleyerek ve bunların aynı kaynak uygulamadan geldiklerini onaylayarak Veri Öğesi Aile Ağacını oluşturabiliriz. Bu veri öğelerinin her biri için türevler veya dönüşümler de ekleyebiliriz.

Veri Öğesi Aile Ağacı, hem sütunlar hem de satırlar açısından genellikle oldukça büyük bir elektronik tablodur; örneğin, 50 sayfadan uzun Aile Ağaçları oluşturduk. Ek amaçlarla birlikte, Konu Alanı Aile Ağacı ile aynı hedeflerin birçoğunu karşılar.