İçeriğe geç

Veriyi Anlam İçin Modellemek

28 dilde daha mevcut

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

Data Architect kursunun 2. bölümü, 1. Kısım: Veri Mimarı Olmak. Önceki: Bir Salesforce Veri Mimarı Gibi Düşünmek.

Bir müşteriyle ilk görüşmede yaptığım şeylerden biri isimlere kulak vermektir. Perakende Ortağı. Alıcı. Dağıtım Merkezi. Teslimat. Kamyon. O konuşmanın bir yerinde veri modelimin başlangıçları vardır ve kimse Kurulum’u açmadan önce onu görmeye başlamak isterim. Bu bölümde bunu iki kez yapacağız. Önce herkesin anladığı bir şey üzerinde, bir köpek okulunda: sahipler, yetiştiriciler, köpekler ve bildikleri numaralar. Sonra kurs boyunca kullandığımız son kilometre teslimat şirketi Steve Trucking üzerinde.

Bir mimar, çöldeki bir evde bir teslimat işletmesinin sahibini dinliyor ve bir veri modelinin ilk şeklini çiziyor

Görsel yapay zekâ ile üretilmiştir.

  1. bölümde veri modelinin iskelet olduğunu söyledim. Bu bölüm iskeleti nasıl tasarlayacağınızı, benim yaptığım sırayla anlatıyor: işi anlayın, veriyi tanımlayın ve ancak ondan sonra Salesforce’un onu nasıl uygulayacağına karar verin. Önce kavramsal, sonra mantıksal, sonra fiziksel. Fiziksel modelimdeki herhangi bir şeyi gösterip “Bu neden orada?” diye sorarsanız, sizi mantıksal ve kavramsal model üzerinden işin gerçekten ihtiyaç duyduğu bir şeye kadar geri götürebilmek isterim.

Her modül köpeklerle, Otur, Bekle, Modelle adlı kısa bir bölümle başlar ve sonra aynı hamleyi Steve Trucking’e taşır. İlerlerken köpek modelini izleyin: modülden modüle büyüyen tek bir diyagramdır; düz kutulardan ilişkilere, ayrıntılı bir veri modeline ve Salesforce nesnelerine uzanır ve her kutu aynı yerde kalır, böylece her adımın tam olarak ne eklediğini görebilirsiniz.

  1. İsimlere Kulak Verin. Bir iş konuşmasında bir veri modelinin başlangıçlarını bulun ve bir dakikalığına Salesforce’u unutun. Beş köpek ismi beş aday kutuya dönüşür.
  2. İlişkileri Çizin. Bir mi çok mu, zorunlu mu isteğe bağlı mı, şimdi mi zaman içinde mi; ve çoka-çok bir ilişkide saklanan iş kavramı: Köpek Numarası ve Ekip Ataması.
  3. Mantıksal Modeli Kurun. Doğru şeyi tanımlayan öznitelikler ve benzersiz, değişmez, anlamsız, asla kişisel veri (PII) olmayan anahtarlar. Bir köpeğin adı, sahibinin telefonu, hatta mikroçipi neden onun anahtarı olmaya yetmez.
  4. Veriyi Ait Olduğu Yere Koyun. Normalleştirmenin ne olduğu, sonra altı köpeklik bir elektronik tablonun adım adım Üçüncü Normal Form’a taşınması ve Steve Trucking’de aynı üç soru.
  5. Üçüncü Normal Forma Göre Tasarlayın, Sonra Geri Çekilin. Temiz modelden ne zaman bilerek geri çekildiğim: kullanıcılar, raporlama, seçim listesi mi arama ilişkisi mi, ölçek, analitik ve yapay zekâ. Ve köpek okulunun kedi de kabul etmeye başladığı gün.
  6. Modeli Salesforce’a Dönüştürün. Mantıksal modelden standart ve özel nesnelere, alanlara ve ilişkilere; ana-ayrıntı mı arama ilişkisi mi; ve neden Kurulum’dan yola çıkarak tasarım yapmadığınız.

Bitirdiğinizde kendinizi bölüm çalışma rehberiyle sınayın: sınav için bir kontrol listesi, onun ötesindeki alışkanlıklar, bilinmesi gereken terimler ve birkaç soru.

  • Bir konuşmada ya da bir gereksinim belgesinde aday varlıkları ve ilişkileri bulmak ve bunları iş birimiyle doğrulamak.
  • Her ilişkiyi tanımlamak: kardinalitesi, anlamı, zorunlu olup olmadığı ve geçmişinin önemli olup olmadığı.
  • Öznitelikleri doğru varlıklarda olan ve anahtarları sağlam duran bir mantıksal model kurmak.
  • 1NF, 2NF ve 3NF’yi pratik sorular olarak uygulamak ve bedelini bilerek bilinçli biçimde normalleştirmeyi geri almak.
  • Mantıksal bir modeli Salesforce’a eşlemek ve her fiziksel seçimi işe kadar geri izlemek.

Sonraki: Salesforce Veri Mimarisi