Ir al contenido

Modelar los datos con sentido

También en 28 idiomas

English · Español · 日本語 · Português (Brasil) · Français · Deutsch · Italiano · 한국어 · 简体中文 · Português (Portugal) · 繁體中文 · Bahasa Indonesia · Türkçe · Polski · Tiếng Việt · ไทย · Nederlands · العربية · עברית · Українська · हिन्दी · Русский · Svenska · Dansk · Norsk bokmål · Suomi · Français (Canada) · Deutsch (Schweiz)

Capítulo 2 de Data Architect, Parte 1: Convertirse en Data Architect. Anterior: Pensar como un arquitecto de datos de Salesforce.

Una de las cosas que hago en una primera llamada con un cliente es escuchar los sustantivos. Socio minorista. Destinatario. Centro de distribución. Entrega. Camión. En algún lugar de esa conversación están los comienzos de mi modelo de datos, y quiero empezar a verlo antes de que nadie abra Setup (Configuración). En este capítulo lo haremos dos veces. Primero con algo que todo el mundo entiende, una escuela canina: dueños, criadores, perros y los trucos que saben. Luego con Steve Trucking, la empresa de entregas de última milla que usamos a lo largo de todo el curso.

Un arquitecto escucha al dueño de un negocio de entregas y esboza la primera forma de un modelo de datos en una casa en el desierto

Imagen generada con IA.

En el capítulo 1 dije que el modelo de datos es el esqueleto. Este capítulo trata de cómo diseñar el esqueleto, en el orden en que yo lo hago: entender el negocio, describir los datos y solo entonces decidir cómo lo implementará Salesforce. Conceptual, luego lógico, luego físico. Si señalas cualquier cosa de mi modelo físico y preguntas “¿por qué está eso ahí?”, quiero poder llevarte de vuelta por el modelo lógico y el modelo conceptual hasta algo que el negocio necesita de verdad.

Cada módulo empieza con los perros, en una sección corta llamada Sentado, quieto, modelo, y luego lleva el mismo paso a Steve Trucking. Fíjate en el modelo de los perros a medida que avanzas: es un solo diagrama que crece de módulo en módulo, de cajas simples a relaciones, a un modelo de datos detallado y a objetos de Salesforce, y cada caja se queda en el mismo lugar, así puedes ver exactamente qué agrega cada paso.

  1. Escucha los sustantivos. Encuentra los comienzos de un modelo de datos en una conversación de negocio, y olvídate de Salesforce por un minuto. Cinco sustantivos de perros se convierten en cinco cajas candidatas.
  2. Dibuja las relaciones. Uno o muchos, obligatoria u opcional, ahora o a lo largo del tiempo, y el concepto de negocio que se esconde en una relación de muchos a muchos: el Truco del perro y la Asignación de equipo.
  3. Construye el modelo lógico. Atributos que describen lo correcto, y claves que son únicas, inmutables, sin significado y nunca datos personales (PII). Por qué el nombre de un perro, el teléfono de su dueño e incluso su microchip no sirven como su clave.
  4. Pon los datos donde corresponden. Qué es la normalización, luego una hoja de cálculo con seis perros llevada paso a paso hasta la Tercera Forma Normal, y las mismas tres preguntas en Steve Trucking.
  5. Diseña hasta la Tercera Forma Normal y luego retrocede. Cuándo me alejo a propósito del modelo limpio: los usuarios, los informes, lista de selección o búsqueda, la escala, la analítica y la IA. Y el día en que la escuela canina empieza a aceptar gatos.
  6. Convierte el modelo en Salesforce. Del modelo lógico a objetos estándar y personalizados, campos y relaciones, principal-detalle o búsqueda, y por qué no diseñas desde Setup.

Cuando termines, ponte a prueba con la guía de estudio del capítulo: una lista de verificación para el examen, los hábitos que van más allá, las palabras que conviene conocer y algunas preguntas.

  • Encontrar entidades y relaciones candidatas en una conversación o en un documento de requisitos, y validarlas con el negocio.
  • Describir cada relación: su cardinalidad, su significado, si es obligatoria y si importa su historial.
  • Construir un modelo lógico con los atributos en las entidades correctas y claves que se sostengan.
  • Aplicar la 1FN, la 2FN y la 3FN como preguntas prácticas, y desnormalizar de forma deliberada, sabiendo lo que cuesta.
  • Pasar un modelo lógico a Salesforce y rastrear cada elección física hasta el negocio.

Siguiente: Arquitectura de datos de Salesforce