Kavramsal Veri Modeli ile Karşılaştırma

Kavramsal Veri Modeli ile Karşılaştırma

Konu alanı modelini okurken bir noktada aklınıza bir soru gelmiş olabilir: “Bunun kavramsal veri modeliyle nasıl bir ilişkisi var?” Çoğumuz bu terimi duyduk ve muhtemelen bir noktada Kavramsal Veri Modelleri (CDM’ler) yarattık. Bir CDM, işin herhangi bir üst düzey görünümüdür.

Konu alanlarını içerebilir ancak aşağıdakileri de içerebilir:

■■ Bazen birincil ve yabancı anahtarlar dahil olmak üzere veri öğeleri
■■ Varlıklar, bazen ilişkisel varlıklar dahil
■■ Bir data mart için raporlama seviyeleri

Bir konu alanı düzeyinde olduğunda, konu alanı modeliyle özdeş hale gelir ve “CDM” ve “konu alanı modeli” terimlerini birbirinin yerine kullanabiliriz. CDM farklı ayrıntı düzeylerini kapsayabileceğinden, yalnızca varlık düzeyinde veya yalnızca varlık ve anahtar düzeyinde de kavramsal veri modellerine sahip olabiliriz.

Varlıkları modelimize dahil ettiğimiz anda, çok daha fazla karmaşıklığa ve ayrıntıya sahibiz. Daha yüksek düzeyde bir anlayış sağlamak için bir konu alanı modelimiz varsa, bu varlık ve anahtar modeller yine de değerli olabilir.

Bazen bir CDM ile karşılaştığımız bir sorun, farklı ayrıntı düzeylerini aynı modelde birleştirdiğimizde ortaya çıkar. Örneğin, hem konu alanlarını hem de daha ayrıntılı varlıkları içeren bir CDM gördüm.

Ayrıntı düzeylerini birleştirmek, kavramların ve iş kurallarının temsilinde tutarsızlıklara yol açabilir ve bu nedenle, anlayışı sınırlayabilir ve kafa karışıklığına ve hayal kırıklığına neden olabilir. Bir CDM’deki değişen düzeyler de doğruluk sorunlarına neden olabilir, çünkü farklı ayrıntı düzeyleri içeren bir CDM’nin eksiksiz ve doğru olduğunu doğrulamak imkansız değilse bile daha zordur.

Örneğin, CDM’me birincil anahtarlar ekliyorsam, herhangi bir mantıksal veri analizi ve normalleştirme yapmadan önce, tanımlanmış birincil anahtarların tam ve doğru listesine sahip olup olmadığımdan nasıl emin olabilirim?

Kurallar Nasıl Okunur?

Bu çalışma veri modellemeye giriş niteliğinde bir kitap değildir ve bu nedenle temel modelleme kavramları üzerinde zaman harcamaktan kaçınmak istiyoruz. Bu nedenle, bu bölüm kardinalitenin ayrıntılı bir açıklamasına girmez. Bunun yerine, iş kurallarındaki etiketlerin ve kardinalitenin nasıl okunacağına veya yorumlanacağına odaklanıyoruz.

Çoğu zaman kendimizi gerçek iş anlamlarını anlamadan ilişkileri tanımlarken bulabiliriz. İş kurallarını nasıl okuyacağınızı bilmek, konu alanı modellerimize daha fazla doğruluk ve netlik katacaktır.

İş kurallarını açıkça ifade etmek aşağıdaki faydaları sağlar:

İş kullanıcılarının satırları anlamalarına yardımcı olur. İş kurallarını okumak ve katılım, veri modelleme geçmişi az olan kişilerin bu kuralları anlamasına ve doğrulamasına yardımcı olabilir. Kullanıcı karga ayaklarını (çoğu için Bilgi Mühendisliği sembolü) veya kutuları birbirine bağlayan çizgileri anlamayabilir, ancak Bob’un beş hesaba sahip olup olamayacağını anlayacaktır.

Mantıksal veri modellemeye hazırlık için iyi bir öğrenme alanı sağlar. Bir konu alanı modelinde çizgilerin ne anlama geldiğini açıklayabilirseniz, mantıksal veri modelini anlamaya bir adım daha yaklaşmış olursunuz. İş kurallarını okumak ayrıntı düzeyinden bağımsızdır ve kutuların konu alanlarını mı yoksa normalleştirilmiş varlıkları mı temsil ettiği önemli değildir.

Mantıksal veri modeli
Kavramsal veri modeli özellikleri
Kavramsal veri modeli bileşenleri
Veri modeli çeşitleri
Ağ veri modeli
Fiziksel veri modeli nedir
Veri modeli örnekleri
Kavramsal Model örnekleri

Bir hikaye anlatır. Önceki bölümde konu alanlarının her birinin ne kadar izole olduğunu hatırlıyor musunuz? İş kuralları bu konu alanlarını birbirine bağlar ve işi daha eksiksiz bir şekilde temsil eder. Model bir bütün olarak bir hikaye anlatır. Tek başına konu alanları, sırasız ve sırasız birçok paragraftan oluşan bir kitabı andırıyor; bir çalışmada herhangi bir sayfaya rastgele yerleştirilirler.

Örneğin, bitiş başlangıçtan önce olabilir. İş kuralları, konu alanlarına mantık ve düzen getirir. Paragrafların bir düzene sahip olduğu ve diğer paragraflara yumuşak bir geçişin olduğu bir kitaba benzer.

O zaman kitap bir bütün olarak bir hikaye anlatır, tıpkı konu alanlarını birbirine bağlayan iş kurallarının bir hikaye anlatması ve işi açıklaması gibi. Bu bölümde iş kurallarının okunmasıyla ilgili kısa bir örnek üzerinden geçilir ve ardından iş kuralı etiketleri ve kardinalite hakkında tavsiyeler verilir.

Uygulamalı Kuralları Okumak

Müşteri ve hesap iş kurallarının birkaç farklı varyasyonunu içerir. Müşteri ve hesap arasındaki ilk ilişki çoktan çoğa ilişkidir. Çoktan çoğa terimi, bir işletme kullanıcısı için bir anlam ifade etmez. Bu ilişkiyi okumak kulağa şöyle gelebilir: “Bir Müşterinin birçok Hesabı olabilir.

Bir Hesabın sahibi birçok Müşteri olabilir.” Bu iki cümlenin, Müşteri ve Hesap arasında çoktan çoğa bir ilişkimiz olduğunu söylemekten ne kadar daha değerli ve net göründüğüne dikkat edin. İlişki etiketlerini okumanın saat yönüne de dikkat edin. Sayfadaki kutuların ve çizgilerin birbirlerine göre dikey, yatay veya çapraz konumlarından bağımsız olarak iş kurallarını her zaman saat yönünde okuyun.

Örneğin, bu ikinci ilişkide, saat yönünde okunduğunda, bir “Müşteri bir veya daha fazla Hesaba sahip olabilir. Bir Hesabın sahibi tek bir Müşteri olmalıdır.” Hesap tarafında opsiyonellik olduğu ve bu nedenle müşteri hesabı olmadan da var olabileceği için “can” kelimesini kullanıyoruz.

Bir Müşterinin sıfır, bir veya daha fazla Hesaba sahip olabileceğini söylemek yerine, “Müşteri bir veya daha fazla Hesaba sahip olabilir” diyerek daha net bir hikaye anlatılır. “Can” kelimesi “sıfır” anlamına gelir. Buna karşılık, “Bir Hesabın sahibi tek bir Müşteri olmalıdır.” Müşteri tarafında bir opsiyonellik olmadığı ve bu nedenle müşteri olmadan hesap olamayacağı için “zorunluluk” ifadesini kullanıyoruz.

Basit pasif kelimeler ve must gibi aktif kelimeler, daha net ve anlaşılması kolay bir hikaye yaratır. Pratik yapmak için üçüncü örneğe bakın ve iş kuralını okuyun. Bir Müşteri, bir Hesaba sahip olabilir. Bir Hesabın sahibi tek bir Müşteri olmalıdır.