Konu Alanı ve Aile Ağacını Oluşturma

Ödev, Proje, Tez, Rapor, Essay, Makale Yaptırma *** Ödev, Proje, Makale, Essay, Tez yaptırma, ve diğer talepleriniz konusunda yardım almak için bize mail adresimizden ulaşabilirsiniz. *** bestessayhomework@gmail.com *** Makale yazdirma fiyatları, Parayla makale YAZDIRMA, Makale Fiyatları 2022, İngilizce Makale yazdırma, Profesyonel Makale Yazımı, İngilizce makale yazma siteleri, Makale yazdirma fiyatları, Essay Sepeti, Essay Sepeti ekşi, Bilkent Essay Yazdırma, Essay yazma sitesi, İngilizce essay yazanlar, İngilizce essay yazdırma, Essay ödevi, Üniversite ödev YAPTIRMA, İşletme ödev YAPTIRMA, En iyi ödev YAPTIRMA sitesi, Parayla ödev yapma, Parayla ödev yapma sitesi, Dış Ticaret ödev YAPTIRMA, Makale YAZDIRMA siteleri, Parayla makale YAZDIRMA, Seo makale fiyatları, Sayfa başı yazı yazma ücreti, İngilizce makale yazdırma, Akademik makale YAZDIRMA, Makale Fiyatları 2022, Makale yazma, Blog Yazdırma, Blog Yazdırmak İstiyorum, bestessayhomework@gmail.com *** 0 (312) 276 75 93

Konu Alanı ve Aile Ağacını Oluşturma

8 Temmuz 2023 Ağaç diyagramı oluşturma Basit soy ağacı Örnekleri Powerpoint soy ağacı nasıl Yapılır 0
KLİNİK PSİKOLOJİDE BİLİM

Konu Alanı ve Aile Ağacını Oluşturma

Konu Alanı Aile Ağacı da dahil olmak üzere tüm konu alanı analiz araçlarını tamamladınız. Güvenilir olmayan ve doğru olmayan kaynaklar zaten kaldırılmıştır ve bu nedenle, bu elektronik tablodaki kaynaklar yalnızca verileri alacağımız kaynaklardır.

Bu noktada, konu alanı için belirlediğimiz aynı uygulamadan alamadığımız veri öğelerini belirlemediğimiz sürece, neyin geçerli bir kaynak olup olmadığına dair daha fazla analiz yapmak zorunda değiliz.

Örneğin, tüm müşteri veri öğelerinin Müşteri Referans Veritabanından alınması gerekiyorsa, ancak bu kaynak uygulamada bulunmayan birkaç müşteri verisi öğesi bulmuşsak, o zaman her biri için geçtiğimiz aynı düşünce sürecinden geçmemiz gerekecektir. “Konu Alanı Analizi” konu alanları.

Yani, bu müşteri veri öğeleri için olası kaynak uygulamaları nelerdir? Daha sonra bu bilgi için en güvenilir ve doğru kaynak olarak tanıma uyanı seçiyoruz.

Sütunlar Üzerinde Karar Verin

“Meta Data Bingo” adlı bu çalışmayı zaten okuduğunuz için Meta Data Bingo’ya aşinasınız. Yakalamamız için önemli olan meta veri türlerini tanımlar. Bu özel örnek için, ekibinizle Data Element Meta Data Bingo oynuyorsunuz ve sonuçları özetledikten sonra, son Bingo kartınız gösteriliyor.

Bu bize H veya Yüksek kategorisi altındaki meta veri türlerini yakalamanın bir gereklilik olacağını söyler. Tüm veri öğeleri için standart kurumsal adı, tanımı, biçim bilgilerini, geçersiz kılınabilirliği ve temel veri kalitesi ölçümlerini yakalayacağız. Toplam Satış Tutarı ve Net Ağırlık gibi gerçekler için, Veri Öğesi Aile Ağacının ana amaçlarından biri olan iş amacını ve dönüşüm mantığını da yakalayacağız.

İptal Nedeni Kodu ve Durum Kodu gibi kodlar için, ortamımızdaki tüm kodlar için son derece önemli olan örnek değerleri de yakalayacağız.

Müşteri Kimliği ve Ürün Kimliği gibi kimlikler için anahtar ve dizin bilgilerini de yakalarız. Fiili Teslimat Tarihi ve Çalışan Doğum Tarihi gibi tarihler için ve Müşteri Yorumları Metni ve Sipariş Teslimat Talimatları Metni gibi metinler için herhangi bir ek meta veri türü yakalamayacağız.

Bu nedenle, aşağıdaki meta veri türlerini yakalamamız gerekir:

■■ İsim
■■ Tanım
■■ Biçimlendir
■■ İptal edilebilirlik
■■ Veri kalitesi ölçümleri
■■ İş amacı (yalnızca gerçekler)
■■ Dönüşüm ve türetme mantığı (yalnızca gerçekler)
■■ Örnek değerler (yalnızca kodlar)
■■ Anahtarlar ve dizinler (yalnızca kimlikler)

Bu türlerden hangilerinin Soy Ağacımızda olmasını istediğimizi seçerken çok seçici olmayı unutmayın. Bu bilgilerin bir kısmı diğer araçlarda toplanacaktır. Örneğin, veri kalitesi ölçütleri ve örnek değerler, bu bölümde daha sonra tartışılan veri kalitesi araçlarında ele alınacaktır.

İş amacının başka bir yerde yakalanması gerekecek çünkü veri öğelerinin yalnızca çok küçük bir yüzdesi tarafından kullanılıyorsa bu sütunu Aile Ağacına eklemek mantıklı olmayacaktır. Belki de gerçek iş amaçları için ayrı bir elektronik tablo tutabilir veya onu doğrudan mantıksal veri modeline ekleyebilirsiniz.

Veri öğelerinin çoğu veya tamamı için iş amacı gerekliyse, bunu Aile Ağacına ayrı bir sütun olarak eklemek mantıklı olacaktır. Anahtarlar ve dizinler, mantıksal veri modelleme sırasında yakalanacaktır.


Ağaç diyagramı oluşturma
Soy ağacı şablonu indir
Excel ağaç yapısı oluşturma
Powerpoint soy ağacı nasıl Yapılır
Soy ağacı oluşturma
Basit soy ağacı Örnekleri
Codeman soy ağacı minecraft
Ücretsiz soy ağacı oluşturma Programı Türkçe


Bu, Veri Öğesi Aile Ağacında yakalamamız için aşağıdaki meta veri türlerini bize bırakır:

■■ İsim
■■ Tanım
■■ Biçimlendir
■■ İptal edilebilirlik
■■ Dönüşüm ve türetme mantığı (yalnızca gerçekler)

Boş bir Data Element Family Tree oluşturmak için bu türleri sütunlar olarak ekliyoruz. Şimdi onu doldurmaya hazırız.

Bu Elektronik Tabloyu Konu Alanına Göre Bölün

Konu alanlarının her birini alıyoruz ve elektronik tabloyu yönetilebilir parçalara bölmek için kullanıyoruz.

Data Element Family Tree’de işlem verilerinden önce veri referansı yapmayı tercih ettiğimi unutmayın. Bunun nedeni, referans verileri için güvenilir ve doğru bir kaynak belirlemenin genellikle işlem verilerine göre daha kolay olmasıdır. Ayrıca, referans verilerinin net bir tanımına sahip olduktan sonra işlem verilerini tanımlamak genellikle daha basittir.

Bu nedenle, Tarikat konu alanını bu Aile Ağacının sonuna taşıdım. Tüm referans alanlarını tamamladıktan sonra Siparişi tamamlayacağız.

Kaynak sütununu doldurduğumu unutmayın. Bu, Konu Alanı Aile Ağacımızdaki bilgilerle gereksizdir. Konu alanı düzeyinde tanımlanan kaynak sistemden veri öğesini alamadığımız durumları tespit etme umuduyla, her bir veri öğesinin nereden geldiğini görünür bir şekilde göstermek için buraya koydum.

Örneğin, sipariş veri öğelerinin tümü Sipariş Girişinden gelecekse, Sipariş Girişinin her biri için kaynak olarak listelenmesi, veri öğesi düzeyinde fazladan bir doğrulamaya neden olacaktır. Bu, belirli veri öğelerinin Sipariş Girişi sisteminde bulunmadığını ortaya çıkarabilir. Bu nedenle, sipariş veri öğelerinin bazıları için listelenen farklı bir kaynağımız olacaktır.

Doldurma

Bu e-tabloyu doldurmak için daha önce açıklanan yinelemeli yaklaşımı kullanıyorsunuz. Ağacı doldurmak için atılacak şu adımları hatırlayın:

A. Başlangıçta hedef taraftaki tüm uygulama veri öğelerini doldurun.
B. Başlangıçta kaynak tarafındaki tüm veri öğelerini doldurun.
C. Tamamlanana kadar Adım A’ya geri dönün.

Bilinen Şablonunuzda, hedef data mart tarafını tamamlamak için kaynaklarınızın, birçok örnek rapor ve ekran görüntüsü dahil olmak üzere çok ayrıntılı raporlama gereksinimleri içerdiğini tespit ettiniz. Ayrıca, Bilinen Şablonda belirtilen hedef işletme kullanıcılarının minimum deneyime sahip olduğunun da farkındasınız.

Bu nedenle, hedef veri pazarı tarafını tamamlamak için insanlardan çok belgelere güvenmeniz gerekecektir. Ancak, bu kişilerin en azından Veri Öğesi Aile Ağacını incelemek ve doğrulamak için iş ve raporlama gereksinimleri bilgisine sahip olduğundan emin olmanız gerekir.

Ancak kaynak tarafında bunun tersi doğrudur. Çok güçlü kaynak sistem uzmanlarınız var, ancak çok az belgeniz var. Bu nedenle, ağacın kaynak tarafını tamamlarken, belgelerden çok kişilere güvenmeniz gerekecektir.

Data mart ve kaynak ekipleriyle ilk toplantılarınızı tamamladıktan sonra bulgularınızı gözden geçirmeye ve yinelemenin gerekli olacağı alanlara karar vermeye hazırsınız. Yani daha önce bahsedilen listede A ve B’yi tamamladınız ve şimdi C’ye yaklaşımınızı değerlendiriyorsunuz.

Başlangıçta doldurulan Data Element Aile Ağacınızı gösterir. Her konu alanından yalnızca birkaç veri öğesinin gösterildiğine dikkat edin. Ancak bunları gerçek olarak doldurduğumuzda, tüm veri öğelerinin listelenmesi gerekir. Bu örnek için tanımların çoğunu kısalttığıma dikkat edin. 

yazar avatarı
akademi222 takımı

 

Bir yanıt yazın

E-posta adresiniz yayınlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir