Ga naar inhoud
SteveTechArcSteveTechArc Courses

Data modelleren naar betekenis

Ook beschikbaar in 28 talen

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 · العربية · עברית · Українська · हिन्दी · Русский · Svenska · Dansk · Norsk bokmål · Suomi · Español (México) · Français (Canada) · Deutsch (Schweiz)

Hoofdstuk 2 van Data Architect, Deel 1: Data-architect worden. Vorige: Denken als een Salesforce-data-architect.

Een van de dingen die ik in een eerste gesprek met een klant doe, is luisteren naar de zelfstandige naamwoorden. Retailpartner. Ontvanger. Distributiecentrum. Levering. Vrachtwagen. Ergens in dat gesprek zit het begin van mijn datamodel, en ik wil het al zien voordat iemand Setup opent. In dit hoofdstuk doen we het twee keer. Eerst met iets dat iedereen begrijpt, een hondenschool: eigenaren, fokkers, honden en de kunstjes die ze kennen. Daarna met Steve Trucking, het bezorgbedrijf voor de laatste kilometer dat we in de hele cursus gebruiken.

Architect die luistert naar de eigenaar van een bezorgbedrijf en de eerste vorm van een datamodel schetst in een huis in de woestijn

Afbeelding gegenereerd met AI.

In hoofdstuk 1 zei ik dat het datamodel het skelet is. Dit hoofdstuk gaat over hoe je het skelet ontwerpt, in de volgorde waarin ik het doe: begrijp de business, beschrijf de data, en beslis pas daarna hoe Salesforce het gaat implementeren. Conceptueel, dan logisch, dan fysiek. Als je naar iets in mijn fysieke model wijst en vraagt “waarom staat dat daar?”, wil ik je kunnen terugleiden via het logische model en het conceptuele model naar iets wat de business echt nodig heeft.

Elke module begint met de honden, in een kort onderdeel dat Zit, Blijf, Modelleer heet, en zet daarna dezelfde stap bij Steve Trucking. Let onderweg op het hondenmodel: het is één diagram dat van module tot module groeit, van gewone vakjes naar relaties, naar een gedetailleerd datamodel, naar Salesforce-objecten, en elk vakje blijft op dezelfde plek staan, zodat je precies ziet wat elke stap toevoegt.

Het hoofdstuk in zes delen

Section titled “Het hoofdstuk in zes delen ”
  1. Luister naar de zelfstandige naamwoorden. Vind het begin van een datamodel in een gesprek over de business, en vergeet Salesforce even. Vijf zelfstandige naamwoorden over honden worden vijf kandidaat-vakjes.
  2. Teken de relaties. Eén of veel, verplicht of optioneel, nu of door de tijd heen, en het bedrijfsconcept dat zich in een veel-op-veel verstopt: het hondkunstje, en de ploegtoewijzing.
  3. Bouw het logische model. Attributen die het juiste ding beschrijven, en sleutels die uniek, onveranderlijk en betekenisloos zijn, en nooit persoonsgegevens. Waarom de naam van een hond, het telefoonnummer van de eigenaar en zelfs de microchip tekortschieten als sleutel.
  4. Zet data waar die hoort. Wat normalisatie is, daarna een spreadsheet met zes honden stap voor stap naar de derde normaalvorm, en dezelfde drie vragen bij Steve Trucking.
  5. Ontwerp tot de derde normaalvorm en doe dan een stap terug. Wanneer ik bewust afstap van het schone model: gebruikers, rapportage, keuzelijst of lookup, schaal, analyse en AI. En de dag dat de hondenschool ook katten aanneemt.
  6. Zet het model om naar Salesforce. Van het logische model naar standaard- en aangepaste objecten, velden en relaties, hoofd-detail of lookup, en waarom je niet vanuit Setup ontwerpt.

Als je klaar bent, test jezelf met de studiegids bij dit hoofdstuk: een checklist voor het examen, de gewoonten die verder gaan, de begrippen en een paar vragen.

Wat je straks kunt

Section titled “Wat je straks kunt ”
  • Kandidaat-entiteiten en relaties vinden in een gesprek of een eisendocument, en ze met de business valideren.
  • Elke relatie beschrijven: de kardinaliteit, de betekenis, of ze verplicht is, en of de historie ertoe doet.
  • Een logisch model bouwen met attributen op de juiste entiteiten en sleutels die standhouden.
  • 1NV, 2NV en 3NV toepassen als praktische vragen, en bewust denormaliseren, in de wetenschap wat dat kost.
  • Een logisch model naar Salesforce vertalen en elke fysieke keuze terugvoeren naar de business.

Verder lezen

Section titled “Verder lezen ”

Volgende: Salesforce-data-architectuur