Konu Alanı Modellemesi

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 Modellemesi

9 Haziran 2023 Disiplinler arası tasarım örnekleri Öğrenen Merkezli tasarımlar Süreç Tasarımı örnekleri 0
Veri Öğesi Matrisi Nedir?

Konu Alanı Modellemesi

Konu alanı modelleme aşaması, konu alanları arasında var olan ilişkiler de dahil olmak üzere, bir konu alanı modelinde uygulama için konu alanlarını yakalamaya yönelik görevleri içerir.

İş Listesi Oluşturma

Business Clean Slate modelinde, modellediğiniz alan diğer uygulamalardan veya iş alanlarından ayrı olarak tasarlanabilir. Yepyeni bir alandır. Bu modeldeki ana işletmelerin şirketin geri kalanıyla nasıl bir ilişkisi olduğuyla ilgilenmenize gerek yok. Bu, iki tür model arasında oluşturulması daha kolay olanıdır ve aynı zamanda en yaygın konu alanı modelidir.

Çoğu zaman insanlar konu alanı modeli terimini kullandıklarında, bahsettikleri şey Business Clean Slate modelidir. Genellikle minimum sayıda konu uzmanı kullanılarak tasarlanabilir. Çoğu zaman uygulamanın gerçek kullanıcılarının tasarlanması yeterli olacaktır. Business Clean Slate modeli, yeni bir iş alanını anlamak için kullanılabilir. Uygulama Temiz Sayfa için başlangıç noktası olur.

Application Clean Slate modelinde, modellediğiniz alan diğer uygulamalardan veya iş alanlarından ayrı olarak tasarlanabilir. Yepyeni bir alandır. Bu modeldeki ana işletmelerin şirketin geri kalanıyla nasıl bir ilişkisi olduğuyla ilgilenmenize gerek yok.

Genellikle Business Clean Slate’den kapsam belirlenebilir. Bazı durumlarda, bir kalem alıp uygulamanızda yer alacak olan Business Clean Slate’de bu konu alanlarını ana hatlarıyla belirtmek kadar kolaydır.

Erken Gerçeklik Kontrolü Oluşturun

Buna Erken Gerçeklik Kontrolü denir, çünkü geliştirme sürecinin çok erken safhalarında var olan bir şeyle yeni bir şeyin nasıl uyum sağladığına dair bir genel bakış sağlar. Bu model, yalnızca gerekli alanın modellenmesiyle değil, aynı zamanda ortaya çıkan modelin zaten var olan bir şeye, genellikle çok daha geniş bir kapsama sahip bir şeye nasıl uyduğuyla da ilgilenir.

Bu tür konu alanı modelini en güçlü buldum. Bu tür bir modeli kullanarak bazı harika başarı öykülerim var. Yeni olanı zaten var olandan ayırt etmek için genellikle bir renk anahtarı kullanırım.

Model, aşağıdaki uygulama türleri için kullanılabilir:

Mevcut veri ambarı mimarisi içinde yeni ürünler:

Erken Gerçeklik Kontrolü, yeni data mart gereksinimlerinin veri ambarında şu anda var olanlara nasıl uyduğunu gösterecektir. Var olan büyük işletme varlıklarını yeşil, bir şekilde var olanları sarı ve mevcut ortamda bulunmayanları kırmızı olarak renklendirdiğim bu tür bir modeli kullandım.

Kırmızı olanlar, yeni veri pazarına sağlamak için en fazla çabayı gerektirir. Bu, proje ekibine büyük bir üst düzey tahmin sağlar. Sarılar ve kırmızılar ne kadar çoksa, projenin geliştirilmesi o kadar pahalıdır.


Konu Tasarımı
Disiplinler arası tasarım örnekleri
Konu Merkezli program tasarımları
Süreç Tasarımı örnekleri
Korelasyonel tasarım
Öğrenen Merkezli tasarımlar
Sorun Merkezli Program tasarımları
Geniş alanlı tasarım


Mevcut bir operasyonel veya data uygulamasına yeni işlevsellik:

Erken Gerçeklik Kontrolü, yeni işlevselliği vurgulayacak ve mevcut işlevselliğe nasıl uyduğunu gösterecektir. Sorunları ve entegrasyon zorluklarını projenin çok erken aşamalarında belirlemek için çok iyi bir tekniktir.

Paketlenmiş bir yazılım parçasına özelleştirme. En popüler olanı Kurumsal Kaynak Planlama (ERP) uygulamaları olan paket yazılımları giderek daha fazla uygulayacağız.

Bu pahalı ve çok kapsamlı yazılım parçalarının mevcut ortama nasıl uyduklarını görmek için analiz edilmesi gerekir (umarız satın alınmadan önce!). Erken Gerçeklik Kontrolü, yönetimin paket yazılımların kullanıma sunulmasının neden olduğu etkiyi ve örtüşmeyi görmesini sağlayacaktır.

Mantıksal Veri Analizi

Mantıksal veri analizi aşaması, mantıksal veri modeli hazırlığı için tüm veri öğelerinin tamamen analiz edildiği aşamadır. Veri öğelerini tanımlamaya ve yakalamaya başlamak için bu noktada uygulamamız hakkında yeterli bilgiye sahibiz.

Cevaplamamız gereken sorulara örnekler:

■■ Hangi veri öğelerine ihtiyacımız var?
■■ Ne anlama geliyorlar?
■■ Nereden geliyorlar?
■■ Hangi raporlama düzeylerini gerektiriyorlar?
■■ Meta verileriyle tutarlı değerler içeriyorlar mı?

Veri Öğesi Kaynaklarını, Dönüşümleri ve Tanımları Tanımlayın

Her konu alanı için kaynak uygulamayı belirlediğiniz konu alanı düzeyinde yaptığınız gibi, her veri öğesi için kaynakları tanımlamanız gerekir. Bu, daha önce yaptığınız işi temel alabilir. Veri öğesi düzeyinde yakalamanız gereken birkaç ayrıntı daha olduğunu unutmayın.

Bunlar, eğer uygunsa, özellikle birçok olgunun özetlenebildiği data mart olgu tabloları üzerindeki türevleri ve hesaplamaları içerir. Bu noktada tüm veri öğelerinizi tanımlamanız gerekir. Bir veri öğesini, türetilmiş bir veri öğesini bile dışarıda bırakırsanız, bitmiş uygulamanızda olmama ihtimali yüksektir.

Kaynak bilgisini tanımlarken göz önünde bulundurmanız gereken biçim, geçersiz kılınabilirlik ve tanımlar gibi başka birçok meta veri türü vardır. Nullabilitenin, veri öğesinin boş olup olamayacağını (null anlamına gelir) veya her zaman bir değerle doldurulması gerektiğini (null değil anlamına gelir) yakaladığını da kesinlikle unutmayın.

Kullandığınız Meta Data Bingo aracı, size ne tür meta verilere ihtiyacınız olduğuna dair iyi bir gösterge verecektir. Bu görevdeki veri öğeleri de mantıksal veri modeliniz için iyi girdilerdir. Onlara veri modelinin bileşenleri veya yapı taşları olarak bakabilirsiniz. Normalleştirme kurallarına göre her bir veri öğesini en uygun varlığa doğru bir şekilde atamanız da oldukça yeterlidir.

Konu Alanı Aile Ağacımız olduğu gibi, Veri Öğesi Aile Ağacımız da var. Aynı temel yapıya ve amaca sahiptir, ancak birkaç sütun daha vardır. Amacı, proje için ihtiyaç duyulacak her bir veri öğesini (türetilmiş veriler dahil), işletme tanımları ve kaynak sistemle birlikte net bir şekilde belirlemek ve tanımlamaktır.

Başlangıç noktası olarak Konu Alanı Aile Ağacı kullanılarak oluşturulabilir. Bu e-tablolar, özellikle format, sıfırlanabilirlik vb. gibi ihtiyaç duyabileceğiniz tüm meta veri türlerini düşündüğünüzde çok ayrıntılı ve karmaşık hale gelebilir. Bu nedenle, ihtiyacınız olan meta veri türlerini seçerken seçici olun. Eklediğiniz her sütun yazı tipi boyutunu da küçültür.

 

Bir yanıt yazın

E-posta adresiniz yayınlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir