Uygulamalarımızda, özellikle veri marketlerimizin olgu ve özet tablolarında çok sayıda türetilmiş veri öğesi olabilir. Bir iş türevi, türetilmiş bir veri öğesi için tanıma çok değerli tamamlayıcı bilgilerdir.

Bir iş türetme, fiziksel veri öğesi düzeyinde olan ve genellikle Ayıkla, Dönüştür ve Yükle aracında yakalanan fiziksel türetmenin aksine, bir veri öğesinin nasıl türetildiğinin ticari anlamıdır. Fiziksel türetme, türetmeye ilişkin çok az iş görüşü sağlar, ancak türetilmiş veri öğesini belirli bileşenleriyle ilişkilendirir.

Bu tanımdan, düzeltilmiş fiyat ve miktarın çarpılmasıyla toplam satış tutarının elde edildiğini öğreniyoruz. Ancak birkaç farklı düzeltilmiş fiyat olduğunu varsayalım. Promosyonlardan sonra, navlun indirimlerinden sonra, iadelerden sonra bir tane vb. olabilir. Hangi fiyatı kullanmalıyız? Bu nedenle, bu türetme daha fazla bilgiye ihtiyaç duyar.

Türetme bilgisinden yoksun tanımları tespit etmenin üç adımı vardır. İlk adım, türetilmiş veri öğelerini tanımlamaktır. Genellikle adlarında toplam, net ve brüt gibi kelimeler arayarak bunları bulmak kolaydır. Bu veri öğelerini belirledikten sonra, türevi olmayanları vurgulayın. Bunları düzeltmeniz gerekecektir.

Türevleri olanlardan hangileri yeterince iyi? Bu her zaman cevaplaması kolay bir soru değildir. Bu türetmenin birden çok yoruma yer bırakıp bırakmadığını kendinize sorun. belirsiz mi? Önceki örnekte hangi fiyatın kullanılacağını belirlemeye çalışırken gördüğümüz gibi, birden fazla veri öğesi türetmenin bir kısmının tanımına uyabilir mi? Cevap evet ise, bu türetmeyi geliştirmemiz gerekiyor.

Her iki türetme senaryosu için de çözüm aynıdır. Türetmede kullanılan tekil terimleri açıkça tanımlayın ve bunları tanıma ekleyin. Tek terimlerle, belirsizliğe yer bırakmamayı kastediyorum. Ayrıca, fiziksel veri öğesi adlarını belirtmeye gerek yoktur, yalnızca işletme adlarını ve terimleri ekleyin.

Öncelikle, şu anda örnek değerleri olmayan kodlar veya kod çözmeler (açıklamalar) olan tüm veri öğelerinizi tanımlayın. Ardından, kodlar kapsamında yer almayan tüm soyut terminolojiyi tanımlayın. Bunlar, örnek değerlere ihtiyaç duyan iki kategoridir. Buna konu alanları, varlıklar ve veri öğeleri dahildir. Her birinin altına birkaç örnek ekleyin. Yine, burada tam bir listeye ihtiyacımız yok, sadece anlayış eklemek için yeterlidir.

Kodlar için, genellikle 20 veya daha az farklı değer olduğunda bir kodun tüm değerlerini veya 20’den fazla değer varsa yalnızca ilk 20’yi listelemenizi öneririm. Tartışacağımız sınıf kelimelerini kullanmak, veri öğelerinden hangilerinin kod olduğunu daha belirgin hale getirecektir.

Örnek değerlerin aslında beklediğimizden farklı olduğunu unutmayın. Örneğin, Alabama’nın AL olmasını bekliyorduk. Bu, bu örnek değerlere sahip olmanın değerini vurgular.

Bu kategori, terimin ne anlama geldiğiyle tamamen eşleşen ve işin geri kalanıyla tutarlı bir tanıma sahip olmaya odaklanır. Alandaki bir uzman, bu terimin bu tanımla eşleştiği konusunda hemfikir olacaktır. Bu noktada terim ve tanımı gerçek verilere göre doğrulamadığımıza dikkat edin.

Bu veri doğrulama, bu süreçte daha sonra gerçekleşir ve bu kitapta, gerçek verilere erişiminiz olduğunda size yardımcı olacak araçlar vardır. Kulağa ne kadar ironik gelse de, doğruluk bazen yoruma açık olabilir. Kapsam ve tanımı doğrulayan iş uzmanlarına bağlı olarak muhtemelen birden çok şekilde yorumlanabilir.

Kapsam sorunu, her tanım kuruluştaki yeri açısından incelenirken ele alınır. İş uzmanları aynı fikirde olmadığında, konu alanı için tek bir vekilharç olması gerekir. Bir kahya, belirli bir terim veya konu alanından sorumlu olan kişidir. Bu kategoride ele aldığımız doğrulama işlemlerinin bir kısmının, departman dışındaki kişilerden geri bildirim talep ederken zaten yapılmış olabileceğini unutmayın.

Veri ambarı örnekleri
Veri ambarı Nedir
Veri tabanı ve veri ambarı Arasındaki fark
Veri Ambarı Eğitimi
Veri ambarı modelleme
Veri marketi
Veri ambarı katmanları
Veri ambarı özellikleri

Veri Kalitesi Sorumlusu

Bu alanda anlaşmaya varılan uzman bu tanımı onayladı mı? Uzman, belirli bir uygulamadan bağımsız olan kişidir. Uzman iş uzmanıdır ve resmi vekilharçlık unvanına sahiptir çünkü bu konu alanıyla ilişkili veriler ve meta veriler için nihai söz yalnızca uzmana aittir. Konu alanı dediğime dikkat edin, varlık veya veri öğesi değildir. Bu önemli bir nokta.

Görevli, diğer görevlilerle tutarlılık olması için konu alanı düzeyinde tanımlanmalıdır. Bu, yönetim kapsamının çakışmasını önleyecektir. Bu aynı zamanda, görevli sayısını ve kimin hangi veri için görevli olduğu ile ilgili bakım sürecini de en aza indirecektir. Varlık veya veri öğesi düzeyinde vekilharçlık atasaydık, kaç tane vekilharç olacağını hayal edin?

Bunu yapmak kolaydır. Bir veri görevlisi tanımı gözden geçirdi mi? Cevap evet ise, o zaman bu kriterle işiniz bitti. Cevap hayır ise, tanımı gözden geçirmeniz ve onaylamanız gerekir.

Bir kahya tarafından onaylanan bir tanıma sahip olmanın iki adımı vardır. İlki, kâhyanın kim olduğunu belirlemektir. Bu, özellikle birden fazla kişinin bu terim üzerinde yetkili olabileceği büyük bir şirkette veya departmanda oldukça zorlayıcı olabilir.

Genellikle olan şey, verilerin oluşturulmasından veya değiştirilmesinden sorumlu olan bölümün yöneticisinin görevli olmasıdır. Sonra kâhya bu tanımı onaylamalıdır. Bunun bir lastik damga onayı olmadığından emin olun, yani görevli tanıma zar zor bakar ve ardından imzalar.

Kâhyanın, kâhya olmakla ilgili pek çok sorumluluk olduğunun ve bu rolün hafife alınmaması gerektiğinin farkına varması önemlidir. Her zaman, kahyanın geri bildirimde bulunacağına dair bir taahhüt alın ve bir inceleme tarihi üzerinde anlaşın, çünkü muhtemelen kahyanın üzerinde çok iş vardır.

Bir tanım yazıldıktan ve onaylandıktan sonra, bunun kuruluş gibi daha geniş kapsamla tutarlı olduğundan emin olmanız gerekir. Mevcut herhangi bir kurumsal terim ve tanımla çelişmediğinden emin olmanız gerekir.

Teriminizi ve tanımınızı işletme listesine göre doğrulamak, dört sonuçtan birini verir:

• Eşleşme olmaması. İşletme listesinde teriminize ve tanımınıza benzer bir şey bulamadınız, bu durumda vekilharçınızın onayladığı tanım işletme tanımı olacaktır. Müşteri terimi ve tanımı kurumsal listede yoktu.
• Tam eşleşme. Sizinkiyle aynı ada ve neredeyse tam tanıma sahip bir terim buldunuz. Müşteri tanımınız, kuruluşun tanımıyla eşleşiyor.
• Eşanlamlı sözcük. Benzer ama tam adı olmayan, aynı tanıma sahip bir terim buldunuz. Örneğin, kurumsal listedeki Müşteri terimi, Müşteri teriminizle aynı tanıma sahiptir.
• Sesteş. Aynı ada sahip bir terim buldunuz, ancak tanım farklı görünüyor. Örneğin, sizin Müşteri tanımınız, işletmeninkinden oldukça farklı bir anlama geliyor.

The post Veri Marketleri first appeared on Ödev - Tez - Proje Hazırlatma Merkezi.