Navy SEALS, "Yavaş sorunsuzdur ve sorunsuz hızlıdır" sloganını benimsediğinde, aynı nefeste veri modelleri oluşturmayı tartışıyor olabilirler. SEALS, katılımcılarına hatırlatmak için bu ifadeyi seçti. acele etmemek ama düşünceli ve kasıtlı hareket etmek. Veri Modelleme Aynı şey işletmelerin tasarlamasına ve güncellemesine yardımcı olarak veri mimarileri kasıtlı olarak.

İş ekipleri, Data Modeling tarafından üretilen veri temsillerini kullanarak sistem gereksinimlerini iletir ve kodlamaya geçmeden önce tasarım sorunlarını çözer. Ancak üst düzey yöneticilerin değişken bir ekonomide bir veri şemasını bekleyecek sabrı yok. Bunun yerine, herkesin veri ve süreçlerle daha hızlı hareket etmesini istiyorlar, şimdi! Veri Modelleme, ilgisiz hale gelmeden özenli ve zamanında bilgi sağlayarak bu koşullara nasıl uyum sağlayabilir?

DATAVERSITY'de Kurumsal Veri Dünyası (EDW) “Modern Veri Modelleme Sorunları ve Zorlukları” başlıklı panelde katılımcılar, Veri Modelleme ile ilgili ilk elden deneyimleri ve bunun veri endüstrisini nasıl değiştirmeye devam ettiğini paylaştı.

Aşağıdaki uzmanlar konuştu:

Dördü de hem şimdi hem de gelecekte Veri Modelleme konularını ve zorluklarını tartıştı. 

Veri Modelleme Büyümeye Devam Ediyor

Veri Modellemenin iş hızına ayak uyduramayacağını düşünenler için Donna Burbank, "Veri Modelleme hiçbir yere gitmedi ve sadece büyümeye devam ediyor" dedi. 

Bu tema, panelistlerin yorumları boyunca yankılandı. Veri Modelleme, aşağıdakilerden dolayı büyümeye devam ediyor:

• Veri Mimarisi Karmaşıklığında Artışlar: Karen Lopez, binlerce veritabanı sistemini hatırlamanın zorluğuna dikkat çekti. “Ürünlerini ve hizmetlerini bırakın içindeki özelliklerini bile takip edemiyorum” dedi. Pascal Desmarets bu fikri şu şekilde genişletti: çok dilli sebat, burada "kuruluşlar aynı verileri farklı teknoloji türlerinde depolar." Ayrıca, “şirketler diğer ihtiyaçlarını karşılamak için önceden var olan sistemlerden veri çekip entegre etmelidir” dedi John O'Brien. Bu artan karmaşıklık, kuruluşların mevcut veri modellerini güncellemesi gerektiği anlamına gelir.

• Veri Modelleme Self Servis Seçeneklerinde Artışlar: O'Brien'a göre veri tüketicilerinin, özellikle veri hazırlamada daha fazla seçeneği var. Lopez, sonuç olarak, iş adamlarının ve halkın "etkileşimli veri görselleştirmeleri" oluşturmak ve bunlara dahil olmak için araçlara sahip olduğunu belirtti. Burbank aynı fikirde: Self servis iyileştirmeyi, küçük müzeler, kar amacı gütmeyen kuruluşlar ve sağlık hizmeti kuruluşları da dahil olmak üzere herkesi Veri Modellemeye katılmaya teşvik etmek olarak görüyor. Daha iyi self servis, daha fazla insanın modellik yaptığı anlamına gelir.

• Gizlilik ve Veri Düzenlemelerine Uyum: Şirketler başlangıçta Veri Modelleme yapmayı planlamamış olsalar bile, uyumluluk için veri ürünlerini piyasaya sürdükten sonra bunu yapmalıdırlar. Desmarets, ekiplerin bir araya geldiklerinden emin olmak için geri dönüp veri uygulamalarını tersine mühendislikten geçirdiklerinden bahsetti. veri düzenlemeleri, Avrupa Genel Veri Koruma Yönetmeliği (GDPR) gibi.

Veri Modelleme İş Anlayışını Temsil Eder

Veri Modelleme, JSON dosyaları gibi teknolojilerin ötesine geçer: O'Brien, "Veri Modelleme, iş anlayışınızı temsil eder" dedi.

JSON ve İş Anlayışı

Bir şirketin JSON dosyalarına bakın ve geliştiricilerin işi ne kadar iyi anladığını belirleyin.

Şirketler, verileri kendi kendini açıklayan bir şekilde yapılandırmak için JSON dilini kullanır. Ancak bunu nasıl tanımladığınız, verilerin depolanma biçiminin kalitesini ve verimliliğini etkiler," dedi Desmarets.

JSON, verileri yakalama ve iletme kolaylığıyla şirketleri cezbeder. Sadece doğru dosyayı açıp değiştirerek teslimat için JSON'u değiştirin. anahtar değeri koddaki dizeler. 

Ancak O'Brien, bu hızlı JSON güncellemelerinin değişen iş gereksinimleri aracılığıyla kendilerini güçlü bir şekilde ifade ettiğini, bu nedenle aşağı akışta potansiyel olarak baş ağrısına neden olabileceği konusunda uyardı. Dahili müşteriler, alınan JSON veri ürününü paketinden çıkarır ve iş gereksinimleri belirsiz kalırsa değişken ve öngörülemeyen sonuçlar görür.

Bu sorunları önceden önlemek için Burbank, şirketleri JSON'da depolanan verileri tasvir edecek ortak bir dil üzerinde anlaşmaya teşvik ediyor. Burbank, "Organizasyonlar, ekipler teknik ve ticari veri yapıları arasında köprü kurduğunda ne yaptıklarını daha iyi anlıyor" dedi. 

İş Anlayışını Derinleştirmek için DataOps'u Kullanma

Lopez, ortak bir dil üzerinde anlaşma fikrini bir adım öteye taşıyor. Veri Modellemesi, XML, JSON, ortak ayrılmış dosyalar ve parke gibi çeşitli şekillerde veri taşıyan entegrasyonlarla ilgilenir. Bir dil formatında acele eden mühendislerden öğrenilen sorunların ve derslerin, farklı bir formata geçtiklerinde yeniden ele alındığını fark ediyor.

“İnsanlar her kod yığınına bir isim veriyor. Ancak ekipler, rehberlik olmadan bu yığının ne anlama geldiğini bilmiyor." Neyse ki, bazı Veri İşlemleri araçlar ve süreçler, kuruluşların farklı kod kürelerinin ne yaptığını tanımlamasına yardımcı olur. 

DataOps, şirketlerin analitiği etkili bir şekilde geliştirmesine ve sunmasına yardımcı olmak için modeller kullanır. Ancak bunu yapmak, veritabanlarını yöneten birkaç veritabanı yöneticisinden (DBA) fazlasını gerektirir.

Ayrıca DataOps'un iş adamlarına ihtiyacı var. Lopez, "veri uzmanı meslektaşlarını DataOps'u kurmaya, tanımlamaya ve DataOps'a katılmaya dahil etmenin" onları BT ile çalışmaya ve programlama dili ne olursa olsun daha iyi veri şemaları oluşturmaya yönlendireceğini düşünüyor.

Uygulamaların Hızlı Evrimini Kucaklamak

Desmarets, veri modelleyicilerin ve araçlarının, kuruluşlar tarafından üretilen uygulamaların hızlı gelişimini desteklemesi gerektiğini vurguladı. Diğer panelistler de daha çevik Veri Modelleme ihtiyacını desteklediler. 

Ne yazık ki, O'Brien'ın belirttiği gibi, "Veri Modellemenin sonsuza kadar sürdüğü ve çok fazla analiz gerektirdiğine dair eski bir algı gerçekleşti." Ancak bu klişe, işletmelerin veri ürünleri geliştirirken ihtiyaç duyduğu artımlı yaklaşımla örtüşmez. 

Kuruluşlar, ilerledikçe veri gereksinimlerini ve yapılarını yeniden düzenlemelidir. Desmarets, buluta geçişin ve hızlı uygulama değişikliklerinin, tüm bu değişikliği desteklemek için Veri Modelleme'ye baskı yaptığını sözlerine ekledi.

Hızlı gelişime ayak uydurmak için panelistler şunları önerdi:

• Kod olarak meta veriler: Verilerle ilgili bilgiler olan meta verileri otomatikleştirmek, teknik ve iş tanımları arasında daha hızlı köprü oluşturmaya yardımcı olur. Desmarets, firmaların bir veri platformunda kodlanmış meta verileri kullanarak verilerini nasıl kullanacaklarını, yorumlayacaklarını ve işleyeceklerini görebileceklerini düşünüyor.
• Araç iyileştirmeleri: Burbank, PowerPoint ve çevrimiçi beyaz tahta veya Meri tahtalarının iş ihtiyaçlarını daha iyi tercüme ettiğini görüyor. PowerPoint, kullanıcıların Veri Modellemesini yüksek bir kavramsal düzeyde iletmelerine olanak tanırken, görsel beyaz tahtanın dijitalleştirilmesi, daha fazla yinelemeyi üstlenebileceği ve daha fazla tepki verebileceği iş odağını daha hafif tutar. Ancak Burbank'ın belirttiği gibi, "İş birimleri arasındaki veri mimarilerini açıklamak için daha hızlı, daha iyi ve farklı araçlara ihtiyacımız var."
• Model güdümlü veritabanı tasarımı: Lopez, veri modelleyicileri çeviklik için ve DevOps'un bir parçası olarak model güdümlü veri tasarımını benimsemeye teşvik ediyor. Bu metodolojide, veri modelleyiciler tasarımın tüm kısıtlamalarını, kurallarını ve diğer gerekliliklerini ele alır. “Takımlar alır Veri kalitesi planladıkları ve tanımlanmış bir durum yapısı, geliştiricinin uygulamasına karşı ölçmek için kullanıldı," dedi Lopez.
• Veri modellerini kullanımdan ayıran anlamsal/soyutlama katmanları: O'Brien'ın vurguladığı gibi, daha hızlı gitmek, teknik kodu doğru bir şekilde temsil etmeyi gerektirir. Veri platformları içinde veri modellerini ayırt eden daha iyi sezgisel araçlara sahip olmak, paylaşılan teknik ve iş anlayışı yoluyla oraya daha hızlı ulaşmayı vaat ediyor.

Sonuç: Verilerinizi Sevin

Veri Modelleme ile daha sorunsuz ve daha hızlı ilerlemek için Lopez "verilerinizi sevmenizi" önerir. Kullanıcılar verilerini faydalı ve değerli bulduklarında, yeterli Veri Kalitesine sahip olduklarında severler.

Lopez, kuruluşların Veri Kalitesine daha önemli bir yatırım yaptığını görüyor çünkü herkes bir DBA'nın katılımı olmadan devreye girip verilerini modelleyebiliyor. O'Brien'ın gözlemlediği gibi, bu tür bir kendi kendine yeterlilik, Veri Modellemeyi somut ve işi anlamakla alakalı hale getirir.

Desmarets için, verilerinizi sevmek bunu gerektirir çevik Veri Modelleme. Modern veri modelleyicilerinin muhtemelen üretimde mevcut bir Veri Mimarisi şemasından çalıştığını ve ilk veritabanı seçeneklerinden uzak durduğunu görüyor. Bu nedenle, verilerinizi sevmek için gereken Veri Kalitesini elde etmek, var olanı alıp bir sonraki yinelemeden sonra Veri Modelleme yoluyla uyumlu olmasını sağlamak anlamına gelir.

Değişen iş talepleri nedeniyle Burbank, şirketler mevcut veri mimarilerinden çekip entegre ettikçe ve onu başka bir amaç için yeniden temsil ettikçe teknik değişiklikleri görüyor. Bu süreçte, şirketin verilerini kavramsal olarak modellemek ve kodda temsil etmek için iş birimleri arasında yeterli çapraz tozlaşma olması gerekir.

Şirketler, verilerini sevmek için işletmelerin ve geliştiricilerin mevcut veri yapılarını yinelemek üzere kullanabilecekleri ortak bir dile ihtiyaç duyar. Bu dil, Veri Mimarisi fikirleri alışverişinde bulunarak iş ve teknoloji arasında köprü kurmaktan gelir.

Şirketler, verilerini sevmek için yol gösterecek veri modellerini kullanarak müzakereci, yinelemeli bir yaklaşım benimsemelidir. Bu taktik Navy SEALS'i etkilemiş olacaktı.

DATAVERSITY'nin yaklaşan etkinlikleri hakkında daha fazla bilgi edinmek ister misiniz? Mevcut çevrimiçi ve yüz yüze konferanslar serimize göz atın okuyun.

İşte Kurumsal Veri Dünyası sunumunun bir videosu:

Shutterstock.com lisansı altında kullanılan görsel

• SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
• Plato blok zinciri. Web3 Metaverse Zekası. Bilgi Güçlendirildi. Buradan Erişin.
• Kaynak: https://www.dataversity.net/achieving-smoother-quicker-data-modeling/