การสร้างโมเดลข้อมูลเพื่อความหมาย

🌐 มีให้อ่านอีก 28 ภาษา

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

แปลโดย AI ชุมชนยังไม่ได้ตรวจทาน อ่านเป็นภาษาอังกฤษ

บทที่ 2 ของ Data Architect ส่วนที่ 1: การเป็นสถาปนิกข้อมูล ก่อนหน้า: คิดแบบสถาปนิกข้อมูล Salesforce

หนึ่งในสิ่งที่ผมทำในการคุยครั้งแรกกับลูกค้าคือการฟังหาคำนาม พันธมิตรค้าปลีก ผู้รับ ศูนย์กระจายสินค้า การจัดส่ง รถบรรทุก ที่ไหนสักแห่งในบทสนทนานั้นคือจุดเริ่มต้นของโมเดลข้อมูลของผม และผมอยากเริ่มเห็นมันก่อนที่ใครจะเปิด Setup ในบทนี้เราจะทำแบบนั้นสองรอบ รอบแรกกับสิ่งที่ทุกคนเข้าใจ คือโรงเรียนฝึกสุนัข: เจ้าของ ผู้เพาะพันธุ์ สุนัข และท่าที่พวกมันทำได้ จากนั้นกับ Steve Trucking บริษัทจัดส่งไมล์สุดท้ายที่เราใช้ตลอดหลักสูตร

ภาพสร้างด้วย AI

ในบทที่ 1 ผมบอกว่าโมเดลข้อมูลคือโครงกระดูก บทนี้คือวิธีออกแบบโครงกระดูก ตามลำดับที่ผมทำ: เข้าใจธุรกิจ อธิบายข้อมูล แล้วจึงตัดสินใจว่า Salesforce จะ implement มันอย่างไร เชิงแนวคิด แล้วเชิงตรรกะ แล้วเชิงกายภาพ ถ้าคุณชี้ไปที่อะไรก็ตามในโมเดลเชิงกายภาพของผมแล้วถามว่า “ทำไมสิ่งนี้อยู่ตรงนี้?” ผมอยากพาคุณย้อนกลับผ่านโมเดลเชิงตรรกะและโมเดลเชิงแนวคิดไปถึงสิ่งที่ธุรกิจต้องการจริงๆ ได้

ทุกโมดูลเริ่มด้วยสุนัข ในส่วนสั้นๆ ที่ชื่อ นั่ง คอย โมเดล แล้วจึงนำวิธีเดียวกันไปใช้กับ Steve Trucking ดูโมเดลสุนัขไปพร้อมกัน: มันเป็นไดอะแกรมเดียวที่เติบโตจากโมดูลหนึ่งไปอีกโมดูลหนึ่ง จากกล่องธรรมดา สู่ความสัมพันธ์ สู่โมเดลข้อมูลแบบละเอียด สู่ออบเจกต์ของ Salesforce และทุกกล่องอยู่ที่เดิม คุณจึงเห็นได้ชัดว่าแต่ละขั้นเพิ่มอะไรเข้ามา

บทนี้ในหกส่วน

1. ฟังหาคำนาม ค้นหาจุดเริ่มต้นของโมเดลข้อมูลในบทสนทนาทางธุรกิจ และลืม Salesforce ไปสักครู่ คำนามห้าคำเกี่ยวกับสุนัขกลายเป็นกล่องที่เป็นไปได้ห้ากล่อง
2. วาดความสัมพันธ์ หนึ่งหรือหลาย บังคับหรือไม่บังคับ ตอนนี้หรือตลอดเวลา และแนวคิดทางธุรกิจที่ซ่อนอยู่ในความสัมพันธ์แบบหลายต่อหลาย: ท่าของสุนัข และการมอบหมายทีม
3. สร้างโมเดลเชิงตรรกะ แอตทริบิวต์ที่อธิบายสิ่งที่ถูกต้อง และคีย์ที่ไม่ซ้ำ ไม่เปลี่ยน ไม่มีความหมาย และไม่ใช่ข้อมูลส่วนบุคคล ทำไมชื่อของสุนัข เบอร์โทรศัพท์ของเจ้าของ หรือแม้แต่ไมโครชิปของมัน จึงยังไม่ดีพอที่จะเป็นคีย์
4. วางข้อมูลในที่ที่ควรอยู่ normalization คืออะไร จากนั้นนำสเปรดชีตของสุนัขหกตัวไปทีละขั้นจนถึงรูปแบบบรรทัดฐานที่สาม และคำถามสามข้อเดียวกันที่ Steve Trucking
5. ออกแบบถึงรูปแบบบรรทัดฐานที่สาม แล้วถอยออกมา เมื่อไรที่ผมตั้งใจถอยออกจากโมเดลที่สะอาด: ผู้ใช้ การทำรายงาน picklist หรือ lookup ขนาด การวิเคราะห์ และ AI และวันที่โรงเรียนฝึกสุนัขเริ่มรับแมว
6. เปลี่ยนโมเดลให้เป็น Salesforce จากโมเดลเชิงตรรกะสู่ออบเจกต์มาตรฐานและที่กำหนดเอง ฟิลด์ และความสัมพันธ์ master-detail หรือ lookup และทำไมคุณไม่ควรออกแบบจาก Setup

เมื่อเรียนจบแล้ว ให้ทดสอบตัวเองด้วยคู่มือทบทวนประจำบท: รายการตรวจสอบสำหรับการสอบ นิสัยที่ไปไกลกว่าการสอบ คำศัพท์ที่ควรรู้ และคำถามอีกจำนวนหนึ่ง

สิ่งที่คุณจะทำได้

• ค้นหาเอนทิตีและความสัมพันธ์ที่เป็นไปได้ในบทสนทนาหรือเอกสารความต้องการ และยืนยันกับฝ่ายธุรกิจ
• อธิบายแต่ละความสัมพันธ์: cardinality ความหมาย บังคับหรือไม่ และประวัติของมันสำคัญหรือไม่
• สร้างโมเดลเชิงตรรกะที่มีแอตทริบิวต์อยู่บนเอนทิตีที่ถูกต้อง และมีคีย์ที่ยืนหยัดได้
• ใช้ 1NF, 2NF และ 3NF ในรูปคำถามเชิงปฏิบัติ และทำ denormalization อย่างตั้งใจ โดยรู้ว่ามันมีราคาเท่าไร
• แมปโมเดลเชิงตรรกะไปยัง Salesforce และสืบย้อนทุกตัวเลือกเชิงกายภาพกลับไปหาธุรกิจได้

ศึกษาเพิ่มเติม

• Salesforce Certified Platform Data Architect Exam Guide (opens in a new tab), Salesforce Help (ภาษาอังกฤษ ตรวจสอบเมื่อ 2026-10-12): วัตถุประสงค์ DM-1 โมเดลข้อมูล

ถัดไป: สถาปัตยกรรมข้อมูล Salesforce