Δημιουργία αρχιτεκτονικής δεδομένων βασισμένης στις επιχειρήσεις

Από το προσωπικό της Techopedia, 28 Σεπτεμβρίου 2016

Takeaway: Η υποδοχή Rebecca Jozwiak συζητά λύσεις αρχιτεκτονικής δεδομένων με τους Eric Little του OSTHUS, τον Malcolm Chisholm από τους πρώτους συνεργάτες του Σαν Φρανσίσκο και τον Ron Huizenga από την IDERA.

Δεν έχετε εισέλθει αυτήν τη στιγμή. Συνδεθείτε ή εγγραφείτε για να δείτε το βίντεο.

Rebecca Jozwiak: Κυρίες και κύριοι, γεια σας και καλωσορίστε στο Hot Technologies του 2016. Σήμερα συζητάμε για την "Δημιουργία Αρχιτεκτονικής Δεδομένων Σχεδιασμένης από Επιχειρήσεις", σίγουρα ένα καυτό θέμα. Το όνομά μου είναι Rebecca Jozwiak, θα είμαι ο οικοδεσπότης σας για την εκπομπή του σήμερα. Κάνουμε tweet με ένα hashtag του # HotTech16, οπότε αν είστε ήδη στο Twitter, παρακαλώ αισθανθείτε ελεύθερος να συμμετάσχετε και σε αυτό. Αν έχετε απορίες οποιαδήποτε στιγμή, παρακαλούμε να τις στείλετε στο παράθυρο ερωτήσεων & απαντήσεων στην κάτω δεξιά γωνία της οθόνης σας και θα φροντίσουμε να λάβουν απαντήσεις. Εάν όχι, θα εξασφαλίσουμε ότι οι πελάτες μας θα τους φτάσουν για εσάς.

Έτσι σήμερα έχουμε μια πραγματικά συναρπαστική σύνθεση. Πολλοί βαρύς hitters μαζί μας σήμερα. Έχουμε τον Eric Little, VP της επιστήμης των δεδομένων από το OSTHUS. Έχουμε τον Malcolm Chisholm, κύριο υπεύθυνο καινοτομίας, ο οποίος είναι ένας πολύ καλός τίτλος, για τους πρώτους συνεργάτες του Σαν Φρανσίσκο. Και έχουμε τον Ron Huizenga, ανώτερο διευθυντή προϊόντων από την IDERA. Και, ξέρετε, η IDERA έχει πραγματικά πλήρη σειρά λύσεων διαχείρισης και μοντελοποίησης δεδομένων. Και σήμερα θα μας δώσει ένα demo για το πώς λειτουργεί η λύση του. Αλλά πριν φτάσουμε σε αυτό, Eric Little, θα περάσω τη μπάλα σε σας.

Eric Little: Εντάξει, ευχαριστώ πολύ. Γι 'αυτό θα περάσω εδώ μερικά θέματα που νομίζω ότι πρόκειται να συσχετιστούν λίγο με την ομιλία του Ρον και ελπίζουμε να θέσουμε το σκηνικό για μερικά από αυτά τα θέματα επίσης, μερικά Q & A.

Έτσι, το πράγμα που με ενδιέφερε με ό, τι κάνει η IDERA είναι ότι νομίζω ότι ορθά επισημαίνουν ότι πολύπλοκα περιβάλλοντα πραγματικά οδηγούν πολλές επιχειρηματικές αξίες στις μέρες μας. Και από πολύπλοκα περιβάλλοντα εννοούμε περίπλοκα περιβάλλοντα δεδομένων. Και η τεχνολογία κινείται πραγματικά γρήγορα και είναι δύσκολο να διατηρηθεί το σημερινό επιχειρηματικό περιβάλλον. Έτσι, εκείνοι που εργάζονται σε χώρους τεχνολογίας θα βλέπουν συχνά ότι έχετε πελάτες που επεξεργάζονται προβλήματα με το "Πώς μπορώ να χρησιμοποιήσω μεγάλα δεδομένα; Πώς μπορώ να ενσωματώσω τη σημασιολογία; Πώς μπορώ να συνδέσω μερικά από αυτά τα νέα στοιχεία με τα παλαιότερα δεδομένα μου; "και ούτω καθεξής, και αυτό μας οδηγεί σήμερα σε αυτά τα τέσσερα v με μεγάλα δεδομένα που πολλοί άνθρωποι είναι αρκετά εξοικειωμένοι με, και καταλαβαίνω ότι μπορεί να υπάρχουν περισσότερα από τέσσερα μερικές φορές - έχω δει οκτώ ή εννέα - αλλά κανονικά, όταν οι άνθρωποι μιλάνε για πράγματα όπως μεγάλα δεδομένα ή αν μιλάμε για μεγάλα δεδομένα, τότε συνήθως κοιτάζετε κάτι που είναι είδος επιχειρηματικής κλίμακας. Και έτσι οι άνθρωποι θα πουν, εντάξει, καλά, σκεφτείτε τον όγκο των δεδομένων σας, που είναι συνήθως το επίκεντρο - αυτό είναι ακριβώς πόσο έχετε. Η ταχύτητα των δεδομένων έχει να κάνει είτε με το πόσο γρήγορα μπορώ να τα μετακινήσω ή πόσο γρήγορα μπορώ να το ερωτήσω ή να λάβω τις απαντήσεις και ούτω καθεξής. Και προσωπικά πιστεύω ότι η αριστερή πλευρά αυτού είναι κάτι που λύνεται και χειρίζεται σχετικά γρήγορα με πολλές διαφορετικές προσεγγίσεις. Αλλά στη δεξιά πλευρά βλέπω πολλές δυνατότητες βελτίωσης και πολλές νέες τεχνολογίες που έρχονται πραγματικά στο προσκήνιο. Και αυτό έχει να κάνει με την τρίτη στήλη, την ποικιλία δεδομένων.

Με άλλα λόγια, οι περισσότερες εταιρείες εξετάζουν σήμερα δομημένα, ημιδομημένα και αδόμητα δεδομένα. Τα δεδομένα εικόνας αρχίζουν να γίνονται ένα καυτό θέμα, έτσι ώστε να είναι σε θέση να χρησιμοποιήσουν την όραση του υπολογιστή, να δουν τα εικονοστοιχεία, να είναι σε θέση να κτυπήσουν κείμενο, NLP, εξαγωγή οντοτήτων, έχετε πληροφορίες γραφήματος που προέρχονται είτε από στατιστικά μοντέλα είτε προέρχονται από σημασιολογικά μοντέλα, έχετε σχεσιακά δεδομένα που υπάρχουν σε πίνακες και ούτω καθεξής. Και τραβώντας έτσι όλα αυτά τα δεδομένα μαζί και όλοι αυτοί οι διαφορετικοί τύποι αντιπροσωπεύει πραγματικά μια μεγάλη πρόκληση και θα δείτε αυτό στο, ξέρετε, στο Gartner και σε άλλους ανθρώπους που ακολουθούν τις τάσεις της βιομηχανίας.

Και τότε το τελευταίο πράγμα που οι άνθρωποι μιλάνε στα μεγάλα δεδομένα είναι συχνά αυτή η έννοια της ατρόμητος, η οποία είναι πραγματικά η αβεβαιότητα των δεδομένων σας, η ασαφή της. Πόσο καλά ξέρετε ποια είναι τα δεδομένα σας, πόσο καλά καταλαβαίνετε τι υπάρχει και τι γνωρίζετε; Η δυνατότητα χρήσης στατιστικών στοιχείων και η δυνατότητα χρήσης κάποιου τύπου πληροφοριών γύρω από αυτό που ίσως γνωρίζετε ή να χρησιμοποιήσετε κάποιο πλαίσιο, μπορεί να έχει αξία εκεί. Και έτσι η δυνατότητα να εξετάζετε τα δεδομένα με αυτόν τον τρόπο από την άποψη του πόσα έχετε, του πόσο γρήγορα πρέπει να τα μετακινήσετε ή να τα πάρετε, όλων των τύπων δεδομένων που μπορεί να έχετε στην επιχείρησή σας και πόσο σίγουρα είστε σχετικά με το πού είναι, τι είναι, ποια ποιότητα είναι μέσα και ούτω καθεξής. Αυτό απαιτεί πραγματικά μια μεγάλη, συντονισμένη προσπάθεια τώρα μεταξύ πολλών ατόμων για να διαχειρίζονται αποτελεσματικά τα δεδομένα τους. Επομένως, η μοντελοποίηση των δεδομένων είναι όλο και πιο σημαντική στο σημερινό κόσμο. Έτσι, τα καλά μοντέλα δεδομένων οδηγούν πραγματικά σε μεγάλη επιτυχία στις επιχειρηματικές εφαρμογές.

Έχετε πηγές δεδομένων από διάφορες πηγές, όπως λέγαμε, πράγμα που απαιτεί πραγματικά πολλά διαφορετικά είδη ένταξης. Έτσι, το τράβηγμα όλων μαζί είναι πραγματικά χρήσιμο για να μπορέσετε να εκτελέσετε ερωτήματα, για παράδειγμα, σε διάφορους τύπους πηγών δεδομένων και να τραβήξετε τις πληροφορίες πίσω. Αλλά για να το κάνετε αυτό, χρειάζεστε καλές στρατηγικές χαρτογράφησης και έτσι χαρτογραφήσετε αυτά τα είδη δεδομένων και διατηρώντας τις αντιστοιχίσεις αυτές μπορεί να είναι μια πραγματική πρόκληση. Και τότε έχετε αυτό το θέμα, και πώς συνδέω τα δεδομένα κληρονομιάς με όλες αυτές τις νέες πηγές δεδομένων; Υποθέστε λοιπόν ότι έχω γράφημα, παίρνω όλα τα σχεσιακά μου δεδομένα και τα βάζω στο γράφημα; Συνήθως δεν είναι καλή ιδέα. Λοιπόν, πώς είναι ότι οι άνθρωποι είναι σε θέση να διαχειριστούν όλα αυτά τα είδη των μοντέλων δεδομένων που συμβαίνουν; Η ανάλυση πρέπει πραγματικά να τρέξει σε πολλά από αυτά τα διαφορετικά είδη πηγών δεδομένων και συνδυασμών. Οι απαντήσεις που προκύπτουν από αυτό, οι απαντήσεις που χρειάζονται οι άνθρωποι για να κάνουν πραγματικά καλές επιχειρηματικές αποφάσεις είναι κρίσιμες.

Έτσι δεν πρόκειται απλώς για τεχνολογία κτιρίων για χάρη της τεχνολογίας, είναι πραγματικά τι θα κάνω, τι μπορώ να κάνω με αυτό, τι είδους ανάλυση μπορώ να τρέξω και την ικανότητα, ως εκ τούτου, όπως έχω ήδη να μιλάμε, να τραβήξουμε αυτά τα πράγματα μαζί, να ενσωματώσουμε είναι πραγματικά πολύ σημαντικό. Και ένας από αυτούς τους τύπους αναλύσεων τρέχει στη συνέχεια σε πράγματα όπως ομοσπονδιακή αναζήτηση και ερώτημα. Αυτό γίνεται πραγματικά απαραίτητο. Τα ερωτήματά σας πρέπει κανονικά να σπειρώνονται σε πολλαπλά είδη πηγών και να τραβούν τις πληροφορίες πίσω σε αξιόπιστες.

Το βασικό στοιχείο που συχνά, ειδικά οι άνθρωποι πρόκειται να δουν βασικά πράγματα όπως οι σημασιολογικές τεχνολογίες - και αυτό είναι κάτι που ελπίζω ότι ο Ron πρόκειται να μιλήσει λίγο για την προσέγγιση IDERA - είναι πώς χωρίζετε ή διαχειρίζεστε το επίπεδο μοντέλου των δεδομένων σας από το ίδιο το επίπεδο δεδομένων, από τα ακατέργαστα δεδομένα; Έτσι, κάτω από το επίπεδο δεδομένων μπορεί να έχετε βάσεις δεδομένων, μπορεί να έχετε δεδομένα εγγράφων, μπορεί να έχετε δεδομένα υπολογιστικών φύλλων, μπορεί να έχετε δεδομένα εικόνας. Αν βρίσκεστε σε τομείς όπως οι φαρμακευτικές βιομηχανίες, έχετε τεράστια ποσά επιστημονικών δεδομένων. Και στη συνέχεια πάνω από αυτούς τους ανθρώπους κανονικά αναζητούν έναν τρόπο να δημιουργήσουν ένα μοντέλο που τους επιτρέπει να ενσωματώσουν γρήγορα αυτά τα δεδομένα και πραγματικά όταν ψάχνετε για δεδομένα τώρα δεν ψάχνετε να τραβήξετε όλα τα δεδομένα επάνω σε σας μοντέλο στρώμα, αυτό που ψάχνετε στο στρώμα του μοντέλου είναι να δώσετε μια ωραία λογική αναπαράσταση των όσων είναι τα κοινά λεξιλόγια, των κοινών τύπων οντοτήτων και των σχέσεων και της ικανότητας να προσεγγίσετε πραγματικά τα δεδομένα όπου βρίσκεται. Πρέπει λοιπόν να πει τι είναι και πρέπει να πει πού είναι και πρέπει να πει πώς να το φέρω και να το φέρει πίσω.

Έτσι, αυτή ήταν μια προσέγγιση που ήταν αρκετά επιτυχημένη στην πρόωση σημασιολογικών τεχνολογιών προς τα εμπρός, η οποία είναι μια περιοχή όπου εργάζομαι σε πολλά. Έτσι μια ερώτηση που θέλησα να θέσω για τον Ron και αυτό που νομίζω ότι θα είναι χρήσιμο στο τμήμα Q & A είναι να δούμε πώς αυτό επιτυγχάνεται με την πλατφόρμα IDERA; Έτσι, το στρώμα μοντέλου είναι πραγματικά ξεχωριστό από το επίπεδο δεδομένων; Είναι πιο ολοκληρωμένες; Πώς λειτουργεί αυτό και ποια είναι τα αποτελέσματα και τα οφέλη που βλέπουν από την προσέγγισή τους; Συνεπώς, τα δεδομένα αναφοράς γίνονται πραγματικά κρίσιμα. Αν λοιπόν πρόκειται να έχετε αυτά τα μοντέλα δεδομένων, εάν πρόκειται να είστε σε θέση να ομοσπονδιακά και να ψάξετε σε διάφορα πράγματα, πρέπει πραγματικά να έχετε καλά δεδομένα αναφοράς. Αλλά το πρόβλημα είναι τα δεδομένα αναφοράς μπορεί να είναι πραγματικά δύσκολο να διατηρηθεί. Έτσι, πολλές φορές τα πρότυπα ονοματολογίας από μόνοι τους είναι μια δύσκολη πρόκληση. Μια ομάδα θα καλέσει κάτι X και μία ομάδα θα καλέσει κάτι Y και τώρα έχετε το πρόβλημα του πώς κάποιος βρίσκει X και Y όταν ψάχνουν για αυτό το είδος πληροφοριών; Επειδή δεν θέλετε να τους δώσετε μόνο ένα μέρος των δεδομένων, θέλετε να τους δώσετε όλα τα σχετικά. Την ίδια στιγμή αλλάζουν οι όροι, το λογισμικό καθίσταται ανενεργό και ούτω καθεξής, πώς διατηρείτε και διατηρείτε αυτά τα δεδομένα αναφοράς με την πάροδο του χρόνου;

Και, πάλι, οι σημασιολογικές τεχνολογίες, χρησιμοποιώντας συγκεκριμένα πράγματα όπως οι ταξινομίες και τα λεξιλόγια, τα λεξικά δεδομένων, παρείχαν ένα τυπικό διαστημικό τρόπο για να το κάνουν αυτό, το οποίο είναι πραγματικά εξαιρετικά ισχυρό, χρησιμοποιεί ορισμένα είδη προτύπων, αλλά η κοινότητα βάσεων δεδομένων το έκανε για ένα πολύ καιρό, επίσης, με διαφορετικούς τρόπους. Νομίζω ότι ένα από τα κλειδιά εδώ είναι να σκεφτείτε πώς να χρησιμοποιήσετε ίσως μοντέλα σχέσης οντότητας, πώς να χρησιμοποιήσετε ίσως μοντέλα γραφημάτων ή κάποιο είδος προσέγγισης εδώ που πραγματικά θα σας δώσω ελπίζω έναν τυπικό τρόπο απόστασης χειρισμού των δεδομένων αναφοράς σας. Και στη συνέχεια, βεβαίως μόλις έχετε τα δεδομένα αναφοράς, οι στρατηγικές χαρτογράφησης πρέπει να διαχειρίζονται μια μεγάλη ποικιλία ονομάτων και οντοτήτων. Έτσι εμπειρογνώμονες του θέματος συχνά επιθυμούν να χρησιμοποιούν τους δικούς τους όρους.

Έτσι μια πρόκληση σε αυτό είναι πάντα, πώς δίνετε σε κάποιον πληροφορίες, αλλά το καθιστούν σχετικό με τον τρόπο που μιλούν γι 'αυτό; Έτσι, μια ομάδα μπορεί να έχει έναν τρόπο να κοιτάξει κάτι, για παράδειγμα, μπορεί να είσαι χημικός που εργάζεται σε ένα φάρμακο και μπορεί να είσαι δομικός βιολόγος που εργάζεται για το ίδιο φάρμακο και μπορεί να έχεις διαφορετικά ονόματα για τους ίδιους τύπους οντοτήτων που σχετίζονται με τον τομέα σας. Πρέπει να υπολογίσετε τρόπους για να ενώσετε αυτές τις εξατομικευμένες ορολογίες, επειδή η άλλη προσέγγιση είναι, πρέπει να αναγκάσετε τους ανθρώπους να αποβάλουν τον όρο τους και να χρησιμοποιήσουν κάποιον άλλο, κάτι που συχνά δεν τους αρέσει. Ένα άλλο σημείο εδώ είναι ο χειρισμός μεγάλου αριθμού συνώνυμων που γίνεται δύσκολο, έτσι υπάρχουν πολλά διαφορετικά λόγια στα δεδομένα πολλών ανθρώπων που μπορούν να αναφέρονται στο ίδιο πράγμα. Έχετε ένα πρόβλημα αναφοράς εκεί χρησιμοποιώντας ένα σύνολο πολλών προς ένα σύνολο σχέσεων. Οι εξειδικευμένοι όροι ποικίλλουν από τη βιομηχανία στη βιομηχανία, οπότε εάν πρόκειται να φανταστείτε μια γενική λύση για αυτόν τον τύπο διαχείρισης δεδομένων, πόσο εύκολα μπορεί να μεταφερθεί από ένα έργο ή από μία εφαρμογή σε άλλη; Αυτή μπορεί να είναι μια άλλη πρόκληση.

Η αυτοματοποίηση είναι σημαντική και είναι επίσης μια πρόκληση. Είναι ακριβό να χειρίζεστε χειροκίνητα δεδομένα αναφοράς. Είναι ακριβό να πρέπει να κρατήσετε χειροκίνητα τη χαρτογράφηση και είναι ακριβό να έχουμε εμπειρογνώμονες στο θέμα να σταματήσουν να κάνουν τις καθημερινές εργασίες τους και πρέπει να εισέλθουν και να καθορίζουν συνεχώς λεξικά δεδομένων και να ενημερώνουν εκ νέου τους ορισμούς και ούτω καθεξής. Τα επαναληπτικά λεξιλόγια δείχνουν πραγματικά πολύτιμη αξία. Αυτά είναι συχνά λεξιλόγια που μπορείτε να βρείτε έξω από τον οργανισμό σας. Εάν εργάζεστε στο αργό πετρέλαιο, για παράδειγμα, θα υπάρχουν ορισμένα είδη λεξιλογίου που μπορείτε να δανειστείτε από χώρους ανοικτού πηγαίου κώδικα, ίδιοι με τα φαρμακευτικά προϊόντα, τον ίδιο με τον τραπεζικό κλάδο και τον χρηματοοικονομικό, τον ίδιο και με πολλά τέτοια είδη περιοχών. Οι άνθρωποι βάζουν επαναχρησιμοποιήσιμα, γενικά, αναπαραγόμενα λεξικά εκεί έξω για να μπορούν να χρησιμοποιούν οι άνθρωποι.

Και, ξανά, κοιτάζοντας το εργαλείο IDERA, είμαι περίεργος να δω πώς χειρίζονται αυτό από την άποψη της χρήσης ειδών προτύπων. Στον τομέα της σημασιολογίας βλέπετε συχνά πράγματα όπως τα μοντέλα SKOS που παρέχουν πρότυπα για τουλάχιστον ευρύτερα από / στενότερα από τις σχέσεις και αυτά τα πράγματα μπορεί να είναι δύσκολο να γίνουν σε μοντέλα ER, αλλά, ξέρετε, δεν είναι αδύνατο, εξαρτάται μόνο από το πόσα από αυτά μηχανήματα και αυτά που συνδέονται με αυτά που μπορείτε να χειριστείτε σε αυτούς τους τύπους συστημάτων.

Τέλος, θέλησα να κάνω μια σύγκριση με μερικούς σημασιολογικούς μηχανισμούς που βλέπω στη βιομηχανία και να ρωτήσω τον Ρον και να τον προτρέψω λίγο να μιλήσω για το πώς το σύστημα IDERA χρησιμοποιήθηκε σε συνδυασμό με οποιεσδήποτε σημασιολογικές τεχνολογίες. Είναι ικανή να ενσωματωθεί με τριπλά καταστήματα, βάσεις δεδομένων με γραφήματα; Πόσο εύκολο είναι να χρησιμοποιείτε εξωτερικές πηγές επειδή αυτά τα είδη των πράξεων στον σημασιολογικό κόσμο μπορούν συχνά να δανειστούν χρησιμοποιώντας τα τελικά σημεία SPARQL; Μπορείτε να εισαγάγετε μοντέλα RDF ή OWL απευθείας στο μοντέλο σας -ανατρέξτε σε αυτά - για παράδειγμα, την οντολογία γονιδίων ή την οντολογία πρωτεϊνών, που μπορεί να ζήσει κάπου στον δικό της χώρο με τη δική της δομή διακυβέρνησης και μπορώ απλώς να εισάγω όλα ή μέρος αυτού, καθώς τη χρειάζομαι στα δικά μου μοντέλα. Και είμαι περίεργος να μάθω πώς το IDERA προσεγγίζει αυτό το ζήτημα. Πρέπει να διατηρήσετε τα πάντα εσωτερικά ή υπάρχουν τρόποι να χρησιμοποιήσετε άλλα είδη τυποποιημένων μοντέλων και να τα τραβήξετε και πώς λειτουργεί αυτό; Και το τελευταίο πράγμα που ανέφερα εδώ είναι πόσο χειρονακτική εργασία εμπλέκεται στην κατασκευή των γλωσσών και των αποθηκών των μεταδεδομένων;

Ξέρω λοιπόν ότι ο Ron θα μας δείξει κάποια demos σε τέτοια πράγματα που θα είναι πραγματικά ενδιαφέροντα. Αλλά τα προβλήματα που βλέπω συχνά διαβουλεύσεις με τους πελάτες είναι ότι συμβαίνουν πολλά λάθη αν οι άνθρωποι γράφουν στους δικούς τους ορισμούς ή στα δικά τους μεταδεδομένα. Έτσι, παίρνετε ορθογραφικά λάθη, παίρνετε σφάλματα σε λιπαρά, αυτό είναι ένα πράγμα. Παίρνετε επίσης ανθρώπους που μπορεί να πάρουν κάτι από τη Wikipedia ή μια πηγή που δεν είναι απαραιτήτως της ποιότητας που μπορεί να θέλετε στον ορισμό σας ή ο ορισμός σας είναι μόνο από την οπτική ενός ατόμου έτσι δεν είναι πλήρης και δεν είναι σαφές τότε πώς λειτουργεί η διαδικασία διακυβέρνησης. Η διακυβέρνηση, φυσικά, είναι ένα πολύ, πολύ μεγάλο ζήτημα κάθε φορά που μιλάτε για δεδομένα αναφοράς και οποιαδήποτε στιγμή μιλάτε για το πώς αυτό μπορεί να ταιριάζει στα κυριότερα δεδομένα κάποιου, πώς θα χρησιμοποιήσουν τα μεταδεδομένα τους και σύντομα.

Έτσι, ήθελα μόνο να βάλω κάποια από αυτά τα θέματα έξω εκεί. Αυτά είναι τα στοιχεία που βλέπω στον χώρο των επιχειρήσεων σε πολλά διαφορετικά είδη συμβουλευτικών υπηρεσιών και σε πολλούς διαφορετικούς χώρους και πραγματικά με ενδιαφέρει να δω τι θα μας δείξει ο Ron με το IDERA για να επισημάνει μερικά από αυτά τα θέματα . Σας ευχαριστώ πολύ.

Rebecca Jozwiak: Ευχαριστώ πολύ, Eric, και μου αρέσει πραγματικά το σχόλιό σας ότι πολλά λάθη μπορούν να συμβούν αν οι άνθρωποι γράφουν τους δικούς τους ορισμούς ή μεταδεδομένα. Ξέρω ότι στον κόσμο της δημοσιογραφίας υπάρχει ένα μάντρα που "πολλά μάτια κάνουν λίγα λάθη", αλλά όταν έρχεται σε πρακτικές εφαρμογές, πάρα πολλά χέρια στο βάζο μπισκότων τείνουν να σας αφήσουν με πολλά σπασμένα μπισκότα, σωστά;

Eric Little: Ναι, και τα μικρόβια.

Rebecca Jozwiak: Ναι. Με αυτό θα προχωρήσω και θα το περάσω στον Malcolm Chisholm. Μαλκόμ, το πάτωμα είναι δικό σου.

Malcolm Chisholm: Σας ευχαριστώ πολύ, Rebecca. Θα ήθελα να φανταστώ λίγο για το τι μιλούσε ο Eric και να προσθέσει σε κάποιες παρατηρήσεις τις οποίες, όπως γνωρίζετε, ο Ρον μπορεί να φροντίσει να ανταποκριθεί επίσης, μιλώντας για το "Towards Business-Driven Data Architecture "- τι σημαίνει να καθοδηγείται από τις επιχειρήσεις και γιατί είναι τόσο σημαντικό; Ή μήπως είναι μόνο κάποια μορφή διαφημιστικής εκστρατείας; Δεν νομίζω ότι είναι.

Αν δούμε τι συμβαίνει από τότε, γνωρίζετε, οι mainframe υπολογιστές έγιναν πραγματικά διαθέσιμοι στις επιχειρήσεις - για παράδειγμα, γύρω στο 1964 - μέχρι σήμερα, μπορούμε να δούμε ότι έχουν υπάρξει πολλές αλλαγές. Και αυτές οι αλλαγές θα συνοψίσω ως μετατόπιση από τη διαδικασία-centricity σε δεδομένα-centricity. Και αυτό καθιστά τις αρχιτεκτονικές δεδομένων με γνώμονα τις επιχειρήσεις τόσο σημαντικές και τόσο σημαντικές για σήμερα. Και νομίζω ότι, δεν ξέρω, δεν είναι απλώς ένα τραγούδι, είναι κάτι πραγματικά απολύτως πραγματικό.

Αλλά μπορούμε να το εκτιμήσουμε λίγο περισσότερο αν κάνουμε να βουτήξουμε στην ιστορία, έτσι ώστε να επιστρέψουμε στο χρόνο, μέχρι τα μέσα της δεκαετίας του '60 και για κάποιο διάστημα αργότερα, κυριαρχούσαν τα mainframes. Αυτά έδωσαν τη θέση τους στους Η / Υ όπου είχατε πραγματικά την εξέγερση των χρηστών όταν μπήκαν οι υπολογιστές. Η εξέγερση εναντίον της κεντρικής πληροφορικής, που νόμιζαν ότι δεν ικανοποιούσαν τις ανάγκες τους, δεν ήταν αρκετά ευέλικτη. Αυτό γρήγορα οδήγησε σε κατανεμημένους υπολογιστές, όταν οι υπολογιστές συνδέονταν μεταξύ τους. Και τότε άρχισε να συμβαίνει το διαδίκτυο, το οποίο έσφαζε τα όρια της επιχείρησης - τώρα θα μπορούσε να αλληλεπιδράσει με τα κόμματα έξω από τον εαυτό της από την άποψη της ανταλλαγής δεδομένων, κάτι που δεν είχε συμβεί πριν. Και τώρα έχουμε πάει στην εποχή του σύννεφου και των μεγάλων δεδομένων όπου το σύννεφο είναι πλατφόρμες που πραγματικά εμπορευματοποιούν την υποδομή και γι 'αυτό αφήνουμε, έτσι κι αλλιώς, την ανάγκη να τρέχουμε μεγάλα κέντρα δεδομένων επειδή, ξέρετε, εμείς "Έχουμε διαθέσιμη τη χωρητικότητα του νέφους και παράλληλα με τα μεγάλα δεδομένα που έχει, όπως ξέρετε, τόσο πεισματικά συζητημένα από τον Eric. Και γενικά, όπως βλέπουμε, καθώς έγινε η μετατόπιση της τεχνολογίας, έχει γίνει περισσότερο συγκεντρωμένη στα δεδομένα, έχουμε περισσότερη προσοχή στα δεδομένα. Όπως με το Διαδίκτυο, πώς ανταλλάσσονται τα δεδομένα. Με τα μεγάλα δεδομένα, τα τέσσερα ή περισσότερα v από τα ίδια τα δεδομένα.

Ταυτόχρονα, και ίσως το πιο σημαντικό, οι περιπτώσεις επιχειρηματικής χρήσης μετατοπίστηκαν. Όταν οι υπολογιστές εισήχθησαν για πρώτη φορά, χρησιμοποιήθηκαν για να αυτοματοποιήσουν τα πράγματα όπως τα βιβλία και τα αρχεία. Και οτιδήποτε ήταν μια χειρωνακτική διαδικασία, που περιλάμβανε ημερολόγια ή τέτοια πράγματα, είχαν προγραμματιστεί, ουσιαστικά, στο σπίτι. Αυτό άλλαξε στη δεκαετία του '80 με τη διαθεσιμότητα επιχειρησιακών πακέτων. Δεν χρειάστηκε να γράψετε τη δική σας μισθοδοσία πια, θα μπορούσατε να αγοράσετε κάτι που το έκανε. Αυτό είχε ως αποτέλεσμα μια μεγάλη μείωση κατά το χρόνο ή αναδιάρθρωση σε πολλά τμήματα πληροφορικής. Αλλά τότε η επιχειρηματική ευφυΐα, με πράγματα όπως οι αποθήκες δεδομένων εμφανίστηκαν, κυρίως στη δεκαετία του '90. Ακολούθησαν τα επιχειρηματικά μοντέλα dotcom τα οποία, φυσικά, ήταν μια μεγάλη φρενίτιδα. Στη συνέχεια, MDM. Με το MDM, αρχίζετε να βλέπετε ότι δεν σκέφτομαι τον αυτοματισμό. απλά εστιάζουμε στην επεξεργασία δεδομένων ως δεδομένων. Και στη συνέχεια τα αναλυτικά στοιχεία, που αντιπροσωπεύουν την αξία που μπορείτε να βγείτε από τα δεδομένα. Και μέσα στα analytics βλέπετε εταιρείες που είναι πολύ επιτυχημένες και των οποίων το βασικό επιχειρηματικό μοντέλο περιστρέφεται γύρω από τα δεδομένα. Το Google, το Twitter, το Facebook θα είναι μέρος αυτού, αλλά θα μπορούσατε επίσης να υποστηρίξετε ότι η Walmart είναι.

Και έτσι η επιχείρηση τώρα σκέφτεται πραγματικά τα δεδομένα. Πώς μπορούμε να αποκομίσουμε αξία από δεδομένα; Πώς τα δεδομένα μπορούν να οδηγήσουν την επιχείρηση, τη στρατηγική, και είμαστε στη χρυσή εποχή των δεδομένων. Έτσι, δεδομένου ότι, τι συμβαίνει όσον αφορά την αρχιτεκτονική δεδομένων μας, εάν τα δεδομένα δεν θεωρούνται πλέον απλά ως εξάτμιση που εξέρχεται από το πίσω μέρος των εφαρμογών, αλλά είναι πραγματικά κεντρικό για τα επιχειρηματικά μας μοντέλα; Λοιπόν, μέρος του προβλήματος που έχουμε στην επίτευξη αυτού του είναι η τεχνολογία πληροφορικής είναι πραγματικά κολλημένο στο παρελθόν με τον κύκλο ζωής των συστημάτων ανάπτυξης που ήταν συνέπεια της ταχείας αντιμετώπισης αυτής της φάσης αυτοματοποίησης της διαδικασίας στην πρώιμη εποχή της πληροφορικής, σχέδια είναι παρόμοιο πράγμα. Στην τεχνολογία της πληροφορικής - και αυτό είναι ένα κομμάτι μίας καρικατούρας - αλλά αυτό που προσπαθώ να πω είναι ότι μερικοί από τους φραγμούς για τη δημιουργία μιας αρχιτεκτονικής δεδομένων που βασίζεται στις επιχειρήσεις είναι επειδή έχουμε αποδεχόμαστε ασυγκρίτως μια κουλτούρα στον τομέα της πληροφορικής η οποία προέρχεται από μια παλαιότερη ηλικία.

Έτσι όλα είναι ένα έργο. Πείτε μου τις απαιτήσεις σας λεπτομερώς. Αν τα πράγματα δεν λειτουργούν, είναι επειδή δεν μου είπατε τις απαιτήσεις σας. Λοιπόν αυτό δεν λειτουργεί σήμερα με δεδομένα επειδή δεν ξεκινάμε με μη αυτόματες χειροκίνητες διαδικασίες ή γνωρίζετε μια τεχνική μετατροπή των επιχειρηματικών διαδικασιών ξεκινάμε πολύ συχνά με ήδη υπάρχοντα δεδομένα παραγωγής που προσπαθούμε για να πάρει αξία από. Αλλά κανείς που δεν χρηματοδοτεί ένα έργο με βάση τα δεδομένα κατανοεί πραγματικά τα δεδομένα σε βάθος. Πρέπει να κάνουμε ανακάλυψη δεδομένων, πρέπει να κάνουμε ανάλυση πηγών δεδομένων. Και αυτό δεν ταιριάζει πραγματικά με την ανάπτυξη συστημάτων, ξέρετε - τον καταρράκτη, τον κύκλο ζωής SDLC - του οποίου η Agile, θα έλεγα, είναι ένα είδος καλύτερης έκδοσης αυτού.

Και αυτό στο οποίο επικεντρώνεται είναι η τεχνολογία και η λειτουργικότητα, όχι τα δεδομένα. Για παράδειγμα, όταν κάνουμε δοκιμές σε μια δοκιμαστική φάση, θα είναι συνήθως, λειτουργούν οι λειτουργίες μου, ας πούμε το ETL μου, αλλά δεν δοκιμάζουμε τα δεδομένα. Δεν εμείς δοκιμάζουμε τις υποθέσεις μας για τα εισερχόμενα δεδομένα πηγής. Εάν το κάναμε, θα μπορούσαμε να είμαστε ίσως καλύτερα διαμορφωμένοι και ως κάποιος που έχει πραγματοποιήσει έργα αποθήκευσης δεδομένων και υπέφερε από τις μεταβολές των προηγούμενων μεταβολών, καταργώντας τις ETL μου, θα το εκτιμούσα. Και στην πραγματικότητα, αυτό που θέλουμε να δούμε είναι η δοκιμή ως ένα προκαταρκτικό βήμα στη συνεχή παρακολούθηση της ποιότητας των δεδομένων παραγωγής. Έτσι, έχουμε εδώ πολλές αντιλήψεις, όπου είναι δύσκολο να επιτύχουμε την αρχιτεκτονική των δεδομένων που βασίζεται στις επιχειρήσεις, επειδή είμαστε κλιμακωμένοι από την εποχή της διαδικασίας-centricity. Πρέπει να κάνουμε μια μετάβαση στη συγκέντρωση δεδομένων. Και αυτό δεν είναι μια ολική μετάβαση, ξέρετε, εξακολουθεί να υπάρχει πολλή δουλειά στη διαδικασία για να γίνει εκεί, αλλά δεν σκέφτομαι πραγματικά με βάση τα δεδομένα όταν χρειάζεται και τις περιστάσεις που συμβαίνουν όταν είμαστε πραγματικά υποχρεούνται να το κάνουν αυτό.

Τώρα η επιχείρηση συνειδητοποιεί την αξία των δεδομένων, θέλει να ξεκλειδώσει τα δεδομένα, έτσι πώς θα το κάνουμε αυτό; Πώς λοιπόν κάνουμε τη μετάβαση; Λοιπόν, βάζουμε τα δεδομένα στην καρδιά των διαδικασιών ανάπτυξης. Και αφήνουμε την επιχείρηση να οδηγεί με απαιτήσεις πληροφοριών. Και καταλαβαίνουμε ότι κανείς δεν κατανοεί τα υπάρχοντα δεδομένα πηγών στην αρχή του έργου. Θα μπορούσατε να υποστηρίξετε ότι η δομή των δεδομένων και τα ίδια τα δεδομένα έχουν φτάσει εκεί μέσω της πληροφορικής και των επιχειρήσεων, αντίστοιχα, γι 'αυτό πρέπει να το ξέρουμε, αλλά πραγματικά δεν το κάνουμε. Πρόκειται για ανάπτυξη δεδομένων. Επομένως, πρέπει να σκεφτόμαστε πού και πώς κάνουμε τη μοντελοποίηση δεδομένων σε έναν κόσμο που βασίζεται σε δεδομένα, πρέπει να έχουμε βρόχους ανατροφοδότησης στους χρήστες όσον αφορά την εξειδίκευση των απαιτήσεων πληροφοριών τους, καθώς κάνουμε την ανακάλυψη δεδομένων και την επεξεργασία των δεδομένων, να προβλέψουμε την ανάλυση των πηγών δεδομένων και καθώς σιγά σιγά θα έχουμε μεγαλύτερη βεβαιότητα για τα δεδομένα μας. Και τώρα μιλάω για ένα πιο παραδοσιακό πρόγραμμα όπως ένα διανομέα MDM ή μια αποθήκη δεδομένων, όχι απαραίτητα τα μεγάλα έργα δεδομένων, αν και αυτό εξακολουθεί να είμαι αρκετά κοντά σε αυτό. Επομένως, αυτοί οι κύκλοι ανατροφοδότησης περιλαμβάνουν τους διαμορφωτές δεδομένων, γνωρίζοντας ότι προχωρούν σταδιακά το μοντέλο δεδομένων τους και αλληλεπιδρούν με τους χρήστες, ώστε να βεβαιωθούν ότι οι απαιτήσεις πληροφόρησης εξειδικεύονται με βάση το τι είναι δυνατό, τι είναι διαθέσιμο, από τα δεδομένα πηγής, όπως το καταλαβαίνουν καλύτερα. δεν είναι πια περίπτωση του μοντέλου δεδομένων που είναι, ξέρετε, σε μια κατάσταση που είτε δεν υπάρχει είτε έχει γίνει τελείως, είναι μια σταδιακή εστίασή της.

Παρομοίως, πιο κάτω από αυτό έχουμε τη διασφάλιση της ποιότητας όπου αναπτύσσουμε κανόνες για τη δοκιμή ποιότητας δεδομένων για να βεβαιωθούμε ότι τα δεδομένα βρίσκονται μέσα στις παραμέτρους για τις οποίες κάνουμε υποθέσεις. Πηγαίνοντας, ο Eric αναφερόταν σε αλλαγές στα δεδομένα αναφοράς, τα οποία μπορεί να συμβούν. Δεν θέλετε να είστε, κατά κάποιο τρόπο, ένα κατάντη θύμα κάποιας μεταβλητής που δεν διαχειρίζεται αυτή την περιοχή, έτσι ώστε οι κανόνες διασφάλισης ποιότητας να μπορούν να μεταφερθούν σε συνεχή παρακολούθηση της ποιότητας των δεδομένων μετά την παραγωγή. Επομένως, μπορείτε να αρχίσετε να βλέπετε εάν πρόκειται να είμαστε δεδομένα-centric, πώς κάνουμε την ανάπτυξη δεδομένων είναι πολύ διαφορετική από την SDLC και την Agile με βάση τη λειτουργικότητα. Και τότε πρέπει να δώσουμε προσοχή και στις επιχειρηματικές απόψεις. Έχουμε - και πάλι αυτό αντανακλά αυτό που είπε ο Eric - έχουμε ένα μοντέλο δεδομένων που ορίζει ένα ιστορικό σχεδίου δεδομένων για τη βάση δεδομένων μας, αλλά ταυτόχρονα χρειαζόμαστε αυτά τα εννοιολογικά μοντέλα, τις επιχειρηματικές απόψεις των δεδομένων που παραδοσιακά δεν έχουν γίνει Το παρελθόν. Μερικές φορές, πιστεύω, πίστευα ότι το μοντέλο δεδομένων μπορεί να τα κάνει όλα, αλλά πρέπει να έχουμε την εννοιολογική άποψη, τη σημασιολογία και να δούμε τα δεδομένα, να τα καταστήσουμε μέσω ενός στρώματος αφαίρεσης που μεταφράζει το μοντέλο αποθήκευσης στην επιχείρηση θέα. Και, πάλι, όλα τα πράγματα που μιλούσε ο Eric σε σχέση με τη σημασιολογία, γίνονται σημαντικά για να γίνει αυτό, έτσι έχουμε πραγματικά πρόσθετα καθήκοντα μοντελοποίησης. Νομίζω ότι αυτό είναι, ξέρετε, ενδιαφέρουσα αν έχετε έρθει στις τάξεις ως μοντέλο δεδομένων όπως έκανα και πάλι κάτι νέο.

Τέλος, θα ήθελα να πω ότι η μεγαλύτερη αρχιτεκτονική έχει επίσης αντικατοπτρίσει αυτή τη νέα πραγματικότητα. Ο παραδοσιακός πελάτης MDM, για παράδειγμα, είναι καλός, εντάξει, ας πάρουμε τα δεδομένα των πελατών μας σε έναν κόμβο όπου μπορούμε, ξέρετε, να το κατανοήσουμε από την άποψη της πραγματικά απλής ποιότητας των δεδομένων για εφαρμογές back office. Ποια από την άποψη της επιχειρηματικής στρατηγικής είναι ένα είδος χασμουρητό. Σήμερα, όμως, εξετάζουμε τους κόμβους MDM των πελατών που διαθέτουν πρόσθετα δεδομένα προφίλ πελατών, όχι μόνο τα στατικά δεδομένα, τα οποία στη συνέχεια έχουν πραγματικά αμφίδρομη διασύνδεση με τις εφαρμογές συναλλαγών του πελάτη. Ναι, εξακολουθούν να υποστηρίζουν το back office, αλλά τώρα γνωρίζουμε και αυτές τις συμπεριφορές των πελατών μας. Αυτό είναι πιο ακριβό για την κατασκευή. Αυτό είναι πιο περίπλοκο για την κατασκευή. Αλλά είναι επιχειρηματική με τρόπο που ο παραδοσιακός πελάτης MDM δεν είναι. Εκμεταλλευτείτε τον προσανατολισμό της επιχείρησης απέναντι σε απλούστερα σχέδια τα οποία είναι ευκολότερα εφαρμόσιμα, αλλά για την επιχείρηση, αυτό είναι αυτό που θέλουν να δουν. Είμαστε πραγματικά σε μια νέα εποχή και νομίζω ότι υπάρχουν πολλά επίπεδα που πρέπει να ανταποκριθούμε στην αρχιτεκτονική των δεδομένων οδήγησης για επιχειρήσεις και νομίζω ότι είναι πολύ συναρπαστική στιγμή να κάνουμε πράγματα.

Σας ευχαριστώ, πίσω σε σας Rebecca.

Rebecca Jozwiak: Ευχαριστώ τον Malcolm, και πραγματικά μου άρεσε αυτό που είπατε για τα μοντέλα δεδομένων πρέπει να τροφοδοτήσουν την επιχειρηματική άποψη, γιατί, αντίθετα από ό, τι λέγατε, όπου η IT κρατούσε τα ηνία για τόσο πολύ καιρό και δεν είναι πια κάτι τέτοιο. ότι η κουλτούρα πρέπει να αλλάξει. Και είμαι σίγουρος ότι υπήρχε ένα σκυλί στο παρασκήνιο που συμφώνησε μαζί σας 100%. Και με αυτό θα περάσω τη μπάλα στον Ρον. Είμαι πολύ ενθουσιασμένος που βλέπω το demo σας. Ρον, το δάπεδο είναι δικό σου.

Ron Huizenga: Σας ευχαριστούμε πάρα πολύ και προτού να πηδήξουμε σε αυτό, θα περάσω με λίγες διαφάνειες και έπειτα λίγο demo επειδή, όπως επεσήμαναν ο Eric και ο Malcolm, αυτό είναι ένα πολύ ευρύ και βαθύ θέμα και με αυτό που μιλάμε σήμερα, απλά ξύπνουμε την επιφάνεια του γιατί υπάρχουν τόσα πολλά πράγματα και τόσα πράγματα που πραγματικά πρέπει να εξετάσουμε και να δούμε από μια επιχειρησιακή αρχιτεκτονική. Και η προσέγγισή μας είναι να κάνουμε πραγματικά αυτό το μοντέλο και να αποκομίσουμε πραγματική αξία από τα μοντέλα γιατί μπορείτε να τα χρησιμοποιήσετε ως όχημα επικοινωνίας καθώς και ένα στρώμα για να ενεργοποιήσετε άλλα συστήματα. Είτε κάνετε αρχιτεκτονική προσανατολισμένη στην υπηρεσία, είτε άλλα πράγματα, το μοντέλο γίνεται πραγματικά η ζωή του τι συμβαίνει, με όλα τα μεταδεδομένα γύρω από αυτό και τα δεδομένα που έχετε στην επιχείρησή σας.

Αυτό που θα ήθελα να μιλήσω, όμως, κάνει σχεδόν αυτό το βήμα προς τα πίσω, επειδή ο Malcolm είχε αγγίξει κάποια ιστορία του τρόπου με τον οποίο εξελίχθηκαν οι λύσεις και αυτού του είδους. Ένας τρόπος για να τονίσω πραγματικά πόσο σημαντικό είναι να υπάρχει μια αξιόπιστη αρχιτεκτονική δεδομένων είναι μια περίπτωση χρήσης που χρησιμοποιούσα για να τρέχω πολύ συχνά όταν συμβούλευα πριν μπει στον ρόλο της διαχείρισης προϊόντων και αυτό ήταν, είτε έκαναν επιχειρηματικό μετασχηματισμό είτε απλώς αντικατέστησαν κάποια υπάρχοντα συστήματα και αυτό το είδος αντικειμένων και έγινε γρήγορα εμφανές από το πόσο άσχημα οι οργανώσεις κατανοούν τα δικά τους δεδομένα. Εάν παίρνετε μια συγκεκριμένη περίπτωση χρήσης όπως αυτή, είτε είστε σύμβουλος που πηγαίνει ή ίσως είναι ένα άτομο που μόλις ξεκίνησε με έναν οργανισμό, ή ο οργανισμός σας έχει δημιουργηθεί με την πάροδο των ετών με την απόκτηση διαφορετικών εταιρειών, τι τελειώνετε με ένα πολύ πολύπλοκο περιβάλλον πολύ γρήγορα, με μια σειρά από νέες διαφορετικές τεχνολογίες, καθώς και τεχνολογία παλαιού τύπου, ERP λύσεις και οτιδήποτε άλλο.

Έτσι, ένα από τα πράγματα που μπορούμε πραγματικά να κάνουμε με την προσέγγιση μοντελοποίησης μας είναι να απαντήσουμε στο ερώτημα, πώς μπορώ να κατανοήσω όλα αυτά; Μπορούμε πραγματικά να αρχίσουμε να επεξεργαζόμαστε τις πληροφορίες μαζί, έτσι ώστε η επιχείρηση να μπορεί να αξιοποιήσει τις πληροφορίες που έχουμε σωστά. Και βγαίνει, τι είναι εκεί που έχουμε εκεί έξω σε αυτά τα περιβάλλοντα; Πώς μπορώ να χρησιμοποιήσω τα μοντέλα για να εξάγω τις πληροφορίες που χρειάζομαι και να καταλάβω καλύτερα αυτές τις πληροφορίες; Και έπειτα έχουμε τους παραδοσιακούς τύπους μεταδεδομένων για όλα τα διαφορετικά πράγματα όπως τα μοντέλα σχεσιακών δεδομένων και είμαστε συνηθισμένοι να βλέπουμε πράγματα όπως ορισμούς και λεξικά δεδομένων, γνωρίζετε, τύπους δεδομένων και αυτού του είδους τα πράγματα. Αλλά τι γίνεται με τα πρόσθετα μεταδεδομένα που θέλετε να καταγράψετε για να δώσετε πραγματικά ακόμα μεγαλύτερη σημασία σε αυτό; Όπως, ποια οντότητες είναι πραγματικά οι υποψήφιοι που πρέπει να είναι αντικείμενα δεδομένων αναφοράς, τα οποία πρέπει να είναι κύριοι στόχοι διαχείρισης δεδομένων και αυτοί οι τύποι πραγμάτων και να τους συνδέουν μαζί. Και πώς μεταφέρεται η πληροφορία μέσω του οργανισμού; Τα δεδομένα ρέουν από τον τρόπο με τον οποίο καταναλώνονται τόσο από την άποψη της διαδικασίας, όσο και από την καταγωγή των δεδομένων από την άποψη της διαδρομής των πληροφοριών μέσω των επιχειρήσεων μας και του τρόπου με τον οποίο μεταφέρονται μέσω των διαφόρων συστημάτων ή μέσω των αποθηκών δεδομένων, όταν χτίζουμε τις I-λύσεις, ή αυτά τα είδη των πραγμάτων, ότι καταναλώνουμε πραγματικά τις σωστές πληροφορίες για το συγκεκριμένο έργο.

Και τότε πολύ σημαντικό είναι πώς μπορούμε να βοηθήσουμε όλους τους ενδιαφερόμενους να συνεργαστούν και ιδιαίτερα τους επιχειρηματίες, διότι αυτές είναι αυτές που μας δίνουν την πραγματική σημασία αυτών των δεδομένων. Η επιχείρηση, στο τέλος της ημέρας, κατέχει τα δεδομένα. Παρέχουν τους ορισμούς για τα λεξιλόγια και τα πράγματα για τα οποία μιλούσε ο Eric, οπότε χρειαζόμαστε ένα μέρος για να συνδέσουμε όλα αυτά μαζί. Και ο τρόπος που κάνουμε αυτό είναι μέσω της αρχιτεκτονικής μας για την μοντελοποίηση δεδομένων και την αποθήκευση δεδομένων.

Θα πάω σε μερικά πράγματα. Θα μιλήσω για το ER / Studio Enterprise Edition Edition. Πρώτα απ 'όλα θα μιλήσω για το προϊόν αρχιτεκτονικής δεδομένων όπου κάνουμε τη μοντελοποίηση δεδομένων και αυτό το είδος αντικειμένων, αλλά υπάρχουν πολλά άλλα στοιχεία της σουίτας που πρόκειται να αγγίξω πολύ σύντομα. Θα δείτε ένα απόσπασμα του Business Architect, όπου μπορούμε να κάνουμε εννοιολογικά μοντέλα, αλλά μπορούμε επίσης να κάνουμε μοντέλα επιχειρηματικών διαδικασιών και μπορούμε να συνδέσουμε αυτά τα μοντέλα διαδικασιών για να συνδέσουμε τα πραγματικά δεδομένα που έχουμε στα μοντέλα δεδομένων μας. Μας βοηθά πραγματικά να φέρουμε μαζί αυτήν την ένωση. Ο Αρχιτέκτων Λογισμικού μας επιτρέπει να κάνουμε επιπρόσθετες κατασκευές όπως κάποια UML μοντελοποίηση και αυτά τα είδη των πραγμάτων για να δώσουμε λογικές υποστήριξης σε κάποια από αυτά τα άλλα συστήματα και διαδικασίες που μιλάμε. Αλλά πολύ σημαντικό, καθώς κατεβαίνουμε, έχουμε το αποθετήριο και το διακομιστή ομάδας, και θα μιλήσω γι 'αυτό ως δύο μισά του ίδιου πράγματος. Ο χώρος αποθήκευσης είναι όπου αποθηκεύουμε όλα τα μεταδεδομένα μοντέλα καθώς και όλα τα επιχειρηματικά μεταδεδομένα όσον αφορά τα επιχειρησιακά γλωσσάρια και τους όρους. Και επειδή έχουμε αυτό το περιβάλλον που βασίζεται στο αποθετήριο, μπορούμε στη συνέχεια να συνενώσουμε όλα αυτά τα διαφορετικά πράγματα στο ίδιο περιβάλλον και στη συνέχεια μπορούμε να τα διαθέσουμε για κατανάλωση όχι μόνο για τους τεχνικούς, αλλά και για τους επιχειρηματίες. Και έτσι αρχίζουμε πραγματικά να οδηγούμε τη συνεργασία.

Και τότε το τελευταίο κομμάτι για το οποίο θα μιλήσω σύντομα είναι, όταν περπατάτε σε αυτά τα περιβάλλοντα, δεν είναι μόνο βάσεις δεδομένων που έχετε εκεί έξω. Θα πάρετε μια σειρά από βάσεις δεδομένων, καταστήματα δεδομένων, θα έχετε επίσης πολλά από αυτά που θα έλεγα, αντικείμενα παλιάς κληρονομιάς. Ίσως οι άνθρωποι να έχουν χρησιμοποιήσει το Visio ή άλλα διαγράμματα για να χαρτογραφήσουν μερικά πράγματα. Ίσως είχαν άλλα εργαλεία μοντελοποίησης και αυτού του είδους τα πράγματα. Επομένως, αυτό που μπορούμε να κάνουμε με το MetaWizard είναι να εξαγάγουμε κάποιες από αυτές τις πληροφορίες και να το φέρουμε στα μοντέλα μας, να το κάνουμε τρέχον και να το χρησιμοποιήσουμε, να το καταναλώσουμε, με έναν καινούργιο τρόπο και όχι απλά να το βγούμε εκεί. Τώρα γίνεται ένα ενεργό μέρος των μοντέλων εργασίας μας, το οποίο είναι πολύ σημαντικό.

Όταν μπαίνεις σε έναν οργανισμό, όπως είπα, υπάρχουν πολλά ανόμοια συστήματα, πολλές ERP λύσεις, κακές λύσεις σε τμήματα. Πολλές οργανώσεις χρησιμοποιούν επίσης λύσεις SaaS, οι οποίες ελέγχονται επίσης και ελέγχονται εξωτερικά, έτσι ώστε να μην ελέγξουμε τις βάσεις δεδομένων και τους τύπους των πραγμάτων στους οικοδεσπότες σχετικά με αυτά, αλλά πρέπει να ξέρουμε ακόμα τι φαίνεται αυτά τα δεδομένα και, φυσικά, τα μεταδεδομένα γύρω από αυτό. Αυτό που διαπιστώνουμε επίσης είναι πολλά παρωχημένα συστήματα παλαιού τύπου που δεν έχουν καθαριστεί εξαιτίας αυτής της προσέγγισης με βάση το σχέδιο, για την οποία είχε μιλήσει ο Malcolm. Είναι εκπληκτικό το πώς τα τελευταία χρόνια οι οργανώσεις θα γυρίσουν σχέδια, θα αντικαταστήσουν ένα σύστημα ή μια λύση, αλλά συχνά δεν υπάρχει αρκετός προϋπολογισμός έργου για να αποσυρθούν οι παρωχημένες λύσεις, οπότε τώρα βρίσκονται ακριβώς στο δρόμο. Και πρέπει να καταλάβουμε τι μπορούμε πραγματικά να απαλλαγούμε από το περιβάλλον μας, καθώς και τι είναι χρήσιμο να προχωρήσουμε. Και αυτό συνδέεται με την κακή στρατηγική παροπλισμού. Αυτό είναι κομμάτι του ίδιου αυτού πράγματος.

Αυτό που διαπιστώνουμε επίσης, επειδή έχουν δημιουργηθεί πολλές οργανώσεις από όλες αυτές τις διαφορετικές λύσεις, βλέπουμε πολλές διασυνδέσεις από σημείο σε σημείο με πολλά δεδομένα που διακινούνται σε διάφορα σημεία. Πρέπει να είμαστε σε θέση να το εξορθολογίσουμε και να καταλάβουμε ότι η γενεά δεδομένων που ανέφερα συνοπτικά προηγουμένως, μπορούμε να έχουμε μια πιο συνεκτική στρατηγική, όπως η αξιοποίηση αρχιτεκτονικής προσανατολισμένης στις υπηρεσίες, λεωφορείων υπηρεσιών επιχειρήσεων και αυτών των τύπων πραγμάτων, για να παραδώσει τις σωστές πληροφορίες σε έναν τύπο δημοσίευσης και συνδρομής που χρησιμοποιούμε σωστά σε όλη την επιχείρησή μας. Και τότε, βέβαια, πρέπει να κάνουμε κάποιες αναλύσεις, είτε χρησιμοποιούμε αποθήκες δεδομένων, marts δεδομένων με παραδοσιακά ETL είτε χρησιμοποιώντας μερικές από τις νέες λίμνες δεδομένων. Όλα καταλήγουν στο ίδιο πράγμα. Είναι όλα τα δεδομένα, είτε πρόκειται για μεγάλα δεδομένα, είτε πρόκειται για παραδοσιακά δεδομένα σε σχεσιακές βάσεις δεδομένων, πρέπει να φέρνουμε μαζί όλα αυτά τα δεδομένα ώστε να τα διαχειριστούμε και να γνωρίζουμε τι έχουμε να κάνουμε σε όλα τα μοντέλα μας.

Και πάλι, η πολυπλοκότητα που θα κάνουμε είναι ότι έχουμε πολλά βήματα που θέλουμε να κάνουμε. Πρώτα απ 'όλα, περπατάτε μέσα και ίσως να μην έχετε αυτά τα σχέδια για το τι φαίνεται αυτό το τοπίο πληροφοριών. Σε ένα εργαλείο μοντελοποίησης δεδομένων, όπως το ER / Studio Data Architect, θα κάνεις πρώτα μια πολλή αντίστροφη μηχανική από την άποψη του ας δείξουμε τις πηγές δεδομένων που είναι εκεί έξω, τις φέρνουμε και στη συνέχεια τις συνεξετάζουμε μαζί σε πιο αντιπροσωπευτικό μοντέλα που αντιπροσωπεύουν ολόκληρη την επιχείρηση. Το σημαντικό είναι ότι θέλουμε να είμαστε σε θέση να αποσυνθέσουμε τα μοντέλα αυτά και κατά μήκος των επιχειρηματικών τομέων, έτσι ώστε να μπορούμε να τα συνδέσουμε σε μικρότερα κομμάτια, στα οποία μπορούν να σχετίζονται και οι επιχειρηματίες μας, και οι επιχειρηματικοί αναλυτές μας και άλλοι ενδιαφερόμενοι που εργάζονται σε αυτό.

Τα πρότυπα ονοματοδοσίας είναι εξαιρετικά σημαντικά και μιλάω γι 'αυτό με μερικούς διαφορετικούς τρόπους εδώ. Να ονομάζουμε πρότυπα ως προς το πώς ονομάζουμε τα πράγματα στα μοντέλα μας. Είναι αρκετά εύκολο να το κάνουμε σε λογικά μοντέλα, όπου έχουμε μια καλή σύμβαση ονομασίας και ένα καλό λεξικό δεδομένων για τα μοντέλα μας, αλλά στη συνέχεια, βλέπουμε διαφορετικές συμβάσεις ονομασίας για πολλά από αυτά τα φυσικά μοντέλα που εισάγουμε. αντίστροφο μηχανικό, αρκετά συχνά βλέπουμε συντομευμένα ονόματα και αυτό το είδος πράγματος για το οποίο θα μιλήσω. Και πρέπει να μεταφράσουμε αυτά πίσω σε νόμιμα αγγλικά ονόματα που έχουν νόημα στην επιχείρηση, ώστε να κατανοήσουμε ποια είναι όλα αυτά τα κομμάτια δεδομένων που έχουμε στο περιβάλλον. Και τότε οι γενικές χαρτογραφίες είναι πώς τις συρράπτουμε μαζί.

Εκτός από αυτό, θα μπορούσαμε να τεκμηριώσουμε και να καθορίσουμε περαιτέρω και εκεί μπορούμε να ταξινομήσουμε τα δεδομένα μας περαιτέρω με κάτι που ονομάζεται Συνημμένα, ότι θα σας δείξω δυο διαφάνειες. Και κλείνοντας το βρόχο, θέλουμε να εφαρμόσουμε αυτό το επιχειρησιακό νόημα, το οποίο συνδέουμε με τα επιχειρησιακά γλωσσάρια μας και μπορούμε να τα συνδέσουμε με τα διαφορετικά αντικείμενα του μοντέλου μας, έτσι ξέρουμε, όταν μιλάμε για έναν συγκεκριμένο επιχειρηματικό όρο, εφαρμογή στα δεδομένα μας σε ολόκληρο τον οργανισμό. Τελικά, έχω ήδη μιλήσει για το γεγονός ότι χρειαζόμαστε όλα αυτά να είναι αποθετήρια βασισμένα σε πολλές δυνατότητες συνεργασίας και δημοσίευσης, έτσι ώστε οι ενδιαφερόμενοι να το χρησιμοποιήσουν. Πάω να μιλήσω για αντίστροφη μηχανική αρκετά γρήγορα. Σας έδωσα ήδη ένα πολύ γρήγορο στιγμιότυπο γι 'αυτό. Θα σας δείξω αυτό σε μια πραγματική επίδειξη για να σας δείξω μερικά από τα πράγματα που μπορούμε να φέρουμε εκεί.

Και θέλω να μιλήσω για μερικούς από τους διαφορετικούς τύπους μοντέλων και διαγραμμάτων που θα παράγουμε σε αυτό το είδος σεναρίου. Προφανώς θα κάνουμε τα εννοιολογικά μοντέλα σε πολλές περιπτώσεις. Δεν θα ξοδέψω πολύ χρόνο γι 'αυτό. Θέλω πραγματικά να μιλήσω για λογικά μοντέλα, φυσικά μοντέλα και εξειδικευμένους τύπους μοντέλων που μπορούμε να δημιουργήσουμε. Και είναι σημαντικό να μπορέσουμε να δημιουργήσουμε όλα αυτά στην ίδια πλατφόρμα μοντελοποίησης, ώστε να τα συνδυάσουμε. Αυτό περιλαμβάνει μοντέλα διαστάσεων και μοντέλα που χρησιμοποιούν μερικές από τις νέες πηγές δεδομένων, όπως το NoSQL που θα σας δείξω. Και πώς φαίνεται το μοντέλο γραμμής δεδομένων; Και πώς βάζουμε αυτά τα δεδομένα σε ένα μοντέλο επιχειρησιακής διαδικασίας, είναι αυτό που θα μιλήσουμε για το επόμενο.

Πάω να μεταβείτε σε ένα περιβάλλον μοντελοποίησης εδώ ακριβώς για να σας δώσω μια πολύ υψηλή και γρήγορη επισκόπηση. Και πιστεύω ότι θα πρέπει να βλέπετε την οθόνη μου τώρα. Πρώτα απ 'όλα θέλω να μιλήσω μόνο για ένα παραδοσιακό τύπο μοντέλου δεδομένων. Και ο τρόπος με τον οποίο θέλουμε να οργανώσουμε τα μοντέλα όταν τα φέρουμε, θέλουμε να μπορέσουμε να τα αποσυνθέσουμε. Επομένως, αυτό που βλέπετε εδώ στην αριστερή πλευρά είναι ότι έχουμε λογικά και φυσικά μοντέλα σε αυτό το συγκεκριμένο αρχείο μοντέλου. Το επόμενο πράγμα είναι, μπορούμε να το σπάσουμε κατά μήκος των επιχειρηματικών αποσυνθέσεων, γι 'αυτό βλέπετε τους φακέλους. Τα γαλάζια είναι λογικά μοντέλα και τα πράσινα είναι φυσικά μοντέλα. Και μπορούμε επίσης να δουλέψουμε, έτσι ώστε στο ER / Studio, εάν έχετε μια επιχειρηματική αποσύνθεση, μπορείτε να πάτε όπως πολλά επίπεδα βαθιά ή υπο-μοντέλα όπως σας αρέσει, και οι αλλαγές που κάνετε στα χαμηλότερα επίπεδα αντανακλούν αυτόματα στην υψηλότερη επίπεδα. Έτσι γίνεται ένα πολύ ισχυρό περιβάλλον μοντελοποίησης πολύ γρήγορα.

Κάτι που θέλω επίσης να επισημάνω ότι είναι πολύ σημαντικό να αρχίσουμε να τραβούμε αυτές τις πληροφορίες από κοινού είναι ότι μπορούμε να έχουμε πολλαπλά φυσικά μοντέλα που αντιστοιχούν σε ένα λογικό μοντέλο επίσης. Αρκετά συχνά μπορεί να έχετε ένα λογικό μοντέλο, αλλά μπορεί να έχετε φυσικά μοντέλα σε διαφορετικές πλατφόρμες και αυτό το είδος πράγματος. Ίσως κάποιος να είναι ένα παράδειγμα του SQL Server, ίσως άλλο να είναι μια παράσταση του Oracle. Έχουμε τη δυνατότητα να συνδέσουμε όλα αυτά μαζί στο ίδιο περιβάλλον μοντελοποίησης. Και πάλι, αυτό που έχω εδώ είναι ένα πραγματικό μοντέλο αποθήκης δεδομένων που μπορεί πάλι να βρίσκεται στο ίδιο περιβάλλον μοντελοποίησης ή να το έχουμε στο αποθετήριο και να το συνδέσουμε και σε διάφορα πράγματα.

Αυτό που πραγματικά ήθελα να σας δείξω είναι μερικά από τα άλλα πράγματα και άλλες παραλλαγές των μοντέλων που εισάγουμε. Έτσι, όταν εισάγουμε σε ένα παραδοσιακό μοντέλο δεδομένων όπως αυτό, συνηθίζαμε να βλέπουμε τις τυπικές οντότητες με τις στήλες και τα μεταδεδομένα και τον τύπο του αντικειμένου, αλλά αυτή η άποψη ποικίλλει πολύ γρήγορα όταν αρχίζουμε να αντιμετωπίζουμε μερικές από αυτές τις νεότερες τεχνολογίες NoSQL, ή όπως μερικοί ακόμα επιθυμούν να τους καλέσουν, τις μεγάλες τεχνολογίες δεδομένων.

Τώρα λοιπόν, ας πούμε ότι έχουμε επίσης την κυψέλη στο περιβάλλον μας. Εάν αναστρέψουμε μηχανικούς από ένα περιβάλλον Hive - και μπορούμε να προωθήσουμε και να αναστρέψουμε μηχανικούς από την Hive με αυτό ακριβώς το ίδιο εργαλείο μοντελοποίησης - βλέπουμε κάτι που είναι λίγο διαφορετικό. Βλέπουμε ακόμα όλα τα δεδομένα ως κατασκευάσματα εκεί, αλλά τα TDL μας είναι διαφορετικά. Όσοι από εσάς συνηθίζετε να βλέπετε SQL, αυτό που θα δείτε τώρα είναι το Hive QL, το οποίο είναι πολύ SQL-like, αλλά από το ίδιο εργαλείο είστε τώρα σε θέση να αρχίσετε να εργάζεστε με τις διαφορετικές γλώσσες δέσμης ενεργειών. Έτσι μπορείτε να μοντελοποιήσετε σε αυτό το περιβάλλον, να το δημιουργήσετε στο περιβάλλον Hive, αλλά εξίσου σημαντικό, στο σενάριο που περιέγραψα, μπορείτε να το αναστρέψετε όλα και να το καταλάβετε και να αρχίσετε να το συρράζετε μαζί .

Ας πάρουμε ένα άλλο που είναι λίγο διαφορετικό. Το MongoDB είναι μια άλλη πλατφόρμα που υποστηρίζουμε εγγενώς. Και όταν αρχίζετε να εισέρχεστε σε τύπους περιβάλλοντος JSON όπου έχετε καταστήματα εγγράφων, το JSON είναι ένα διαφορετικό ζώο και υπάρχουν κατασκευές σε αυτό που δεν αντιστοιχούν σε σχεσιακά μοντέλα. Σύντομα αρχίζετε να ασχολείστε με έννοιες όπως τα ενσωματωμένα αντικείμενα και τις ενσωματωμένες συστοιχίες αντικειμένων όταν αρχίζετε να αναρωτιέστε το JSON και εκείνες οι έννοιες δεν υπάρχουν στην παραδοσιακή σχεσιακή παράσταση. Αυτό που κάναμε εδώ είναι ότι έχουμε επεκτείνει την σημείωση και τον κατάλογό μας για να μπορέσουμε να το χειριστούμε στο ίδιο περιβάλλον.

Αν κοιτάξουμε αριστερά εδώ, αντί να δούμε πράγματα όπως οντότητες και πίνακες, τους καλούμε αντικείμενα. Και βλέπετε διαφορετικές σημειώσεις. Εξακολουθείτε να βλέπετε τους τυπικούς τύπους σημείων αναφοράς εδώ, αλλά αυτές οι μπλε οντότητες που εμφανίζω σε αυτό το συγκεκριμένο διάγραμμα είναι πραγματικά ενσωματωμένα αντικείμενα. Και δείχνουμε διαφορετικές καρδινάλες. Η καρδιανότητα του διαμαντιού σημαίνει ότι είναι ένα αντικείμενο στο ένα άκρο, αλλά η καρδιαλότητα ενός σημαίνει ότι έχουμε μέσα στον εκδότη αν ακολουθούμε αυτή τη σχέση, έχουμε ένα ενσωματωμένο αντικείμενο διεύθυνσης. Σε ερώτηση του JSON βρήκαμε ότι είναι ακριβώς η ίδια δομή των αντικειμένων που είναι ενσωματωμένη στο patron, αλλά αυτό είναι πραγματικά ενσωματωμένο ως μια σειρά αντικειμένων. Βλέπουμε ότι, όχι μόνο μέσα από τους ίδιους τους συνδέσμους, αλλά αν κοιτάξετε τις πραγματικές οντότητες, θα δείτε ότι βλέπετε τις διευθύνσεις κάτω από τον προστάτη που το ταξινομεί επίσης ως σειρά αντικειμένων. Παίρνετε μια πολύ περιγραφική άποψη για το πώς μπορείτε να το φέρετε μέσα.

Και πάλι, τώρα που έχουμε δει μέχρι στιγμής μέσα σε λίγα δευτερόλεπτα είναι παραδοσιακά μοντέλα σχέσης που είναι πολλαπλά επίπεδα, μπορούμε να κάνουμε το ίδιο πράγμα με την Hive, μπορούμε να κάνουμε το ίδιο πράγμα με το MongoDB και άλλες μεγάλες πηγές δεδομένων όπως Καλά. Αυτό που μπορούμε επίσης να κάνουμε και θα σας δείξω πολύ γρήγορα είναι ότι μίλησα για το γεγονός ότι τα πράγματα προέρχονται από άλλους διαφορετικούς τομείς. Πάω να υποθέσω ότι πρόκειται να εισαγάγω ένα μοντέλο από μια βάση δεδομένων ή να το αναστρέψω, αλλά πρόκειται να το φέρω από εξωτερικά μεταδεδομένα. Ακριβώς για να σας δώσω μια πολύ γρήγορη οπτική γωνία για όλους τους διαφορετικούς τύπους των πραγμάτων που μπορούμε να αρχίσουμε να εισάγουμε.

Όπως βλέπετε, έχουμε μια μυριάδα από πράγματα που μπορούμε πραγματικά να φέρουμε τα μεταδεδομένα στο περιβάλλον μοντελοποίησης μας. Ξεκινώντας από πράγματα όπως το Amazon Redshift, Cassandra, πολλές άλλες μεγάλες πλατφόρμες δεδομένων, έτσι βλέπετε πολλά από αυτά. Αυτό γίνεται με αλφαβητική σειρά. Βλέπουμε πολλές μεγάλες πηγές δεδομένων και κάτι τέτοιο. Βλέπουμε επίσης πολλά παραδοσιακά ή παλαιότερα περιβάλλοντα μοντελοποίησης που μπορούμε πραγματικά να φέρουμε μέσω των μεταδεδομένων. Εάν περάσω εδώ - και δεν πρόκειται να ξοδέψω χρόνο σε κάθε ένα από αυτά - βλέπουμε πολλά διαφορετικά πράγματα από τα οποία μπορούμε να τα φέρουμε, από την άποψη των πλατφορμών μοντελοποίησης και πλατφόρμες δεδομένων. Και κάτι που είναι πολύ σημαντικό να κατανοήσουμε εδώ είναι ένα άλλο κομμάτι που μπορούμε να κάνουμε όταν αρχίζουμε να μιλάμε για την καταγωγή των δεδομένων. Στην Enterprise Team Edition μπορούμε επίσης να αναρωτηθούμε πηγές ETL, είτε πρόκειται για πράγματα όπως Talend ή SQL Server Information Services να το φέρνουμε στην αρχή για να ξεκινήσουμε τα διαγράμματα γραμμών κατανομής δεδομένων μας και να σχεδιάσουμε μια εικόνα για το τι συμβαίνει σε αυτούς τους μετασχηματισμούς. Συνολικά από το κουτί έχουμε πάνω από 130 από αυτές τις διαφορετικές γέφυρες που είναι στην πραγματικότητα μέρος του προϊόντος Enterprise Edition Edition, έτσι πραγματικά μας βοηθά να τραβήξουμε μαζί όλα τα αντικείμενα σε ένα περιβάλλον μοντελοποίησης πολύ γρήγορα.

Τέλος, θέλω επίσης να μιλήσω για το γεγονός ότι δεν μπορούμε να ξεχάσουμε το γεγονός ότι χρειαζόμαστε τους άλλους τύπους κατασκευασμάτων εάν κάνουμε αποθήκες δεδομένων ή οποιουσδήποτε τύπους αναλυτικών στοιχείων. Θέλουμε ακόμα να έχουμε την ικανότητα να κάνουμε πράγματα όπως διαστάσεων μοντέλα όπου έχουμε πίνακες γεγονότων και έχουμε διαστάσεις και αυτά τα είδη των πραγμάτων. Ένα πράγμα που θέλω να σας δείξω είναι επίσης ότι μπορούμε να έχουμε επεκτάσεις στα μεταδεδομένα μας που μας βοηθούν να κατηγοριοποιήσουμε ποιοι είναι οι τύποι των διαστάσεων και οτιδήποτε άλλο. Επομένως, αν κοιτάξω την καρτέλα δεδομένων διαστάσεων εδώ, για παράδειγμα, σε ένα από αυτά, θα ανιχνεύσει αυτόματα, βάσει του προτύπου μοντέλου που βλέπει, και θα σας δώσει ένα σημείο εκκίνησης ως προς το εάν θεωρεί ότι είναι μια διάσταση ή Πίνακας γεγονότων. Αλλά πέρα ​​από αυτό, αυτό που μπορούμε να κάνουμε είναι μέσα στις διαστάσεις και αυτό το είδος πράγμα που έχουμε ακόμη και διαφορετικούς τύπους διαστάσεων που μπορούμε να χρησιμοποιήσουμε για την ταξινόμηση των δεδομένων σε έναν τύπο αποθήκευσης δεδομένων περιβάλλοντος. Έτσι, πολύ ισχυρές δυνατότητες που είμαστε συρραφή αυτό εντελώς με.

Πάω να πηδήξω σε αυτό από τότε που είμαι στο demo περιβάλλον τώρα και θα σας δείξω μερικά άλλα πράγματα προτού να πηδήσω πίσω στις διαφάνειες. Ένα από τα πράγματα που προσθέσαμε πρόσφατα στην ER / Studio Data Architect είναι ότι έχουμε τρέξει σε καταστάσεις - και αυτό είναι μια πολύ συνηθισμένη περίπτωση χρήσης όταν εργάζεστε σε έργα - οι προγραμματιστές σκέφτονται ως αντικείμενα, ενώ τα δεδομένα μας οι μοντελιστές τείνουν να σκέφτονται όσον αφορά πίνακες και οντότητες και αυτό το είδος πράγματος. Πρόκειται για ένα πολύ απλοποιημένο μοντέλο δεδομένων, αλλά αντιπροσωπεύει μερικές βασικές έννοιες, όπου οι προγραμματιστές ή ακόμη και οι επιχειρηματικοί αναλυτές ή οι επιχειρηματικοί χρήστες, μπορεί να θεωρούν τους ως διαφορετικά αντικείμενα ή επιχειρηματικές ιδέες. Είναι πολύ δύσκολο να τα κατατάξουμε μέχρι τώρα, αλλά αυτό που κάναμε στην ER / Studio Enterprise Edition Edition, στην έκδοση του 2016, είναι τώρα που έχουμε μια έννοια που ονομάζεται Business Data Objects. Και αυτό που μας επιτρέπει να κάνουμε είναι ότι μας επιτρέπει να ενσωματώνουμε ομάδες οντοτήτων ή πινάκων σε πραγματικά επιχειρησιακά αντικείμενα.

Για παράδειγμα, αυτό που έχουμε εδώ σε αυτή τη νέα προβολή είναι η κεφαλίδα της Παραγγελίας Αγοράς και η Γραμμή Παραγγελίας έχουν τραβηχτεί μαζί τώρα, είναι εγκλωβισμένες ως αντικείμενα, θα τους θεωρούσαμε ως μονάδα εργασίας όταν εμμένουμε τα δεδομένα, και τους φέρνουμε μαζί έτσι είναι πλέον πολύ εύκολο να το συσχετίσουμε με διαφορετικά ακροατήρια. Είναι επαναχρησιμοποιήσιμα σε όλο το περιβάλλον μοντελοποίησης. Είναι ένα πραγματικό αντικείμενο, όχι μόνο ένα σχέδιο κατασκευής, αλλά έχουμε και το πρόσθετο πλεονέκτημα ότι όταν επικοινωνούμε από την προοπτική μοντελοποίησης μπορούμε να τις καταρρίψουμε ή να τις επεκτείνουμε επιλεκτικά, ώστε να μπορέσουμε να φτιάξουμε μια συνοπτική εικόνα για τους διάλογους με ορισμένα ακροατήρια των ενδιαφερομένων, και μπορούμε, φυσικά, να διατηρήσουμε την πιο λεπτομερή προβολή, όπως βλέπουμε εδώ για περισσότερα τεχνικά ακροατήρια. Μας δίνει πραγματικά ένα πολύ καλό μέσο επικοινωνίας. Αυτό που βλέπουμε τώρα είναι ο συνδυασμός πολλαπλών διαφορετικών τύπων μοντέλων, τα οποία αυξάνουν με την έννοια των αντικειμένων επιχειρηματικών δεδομένων και τώρα πρόκειται να μιλήσω για το πώς εφαρμόζουμε πραγματικά κάποιο νόημα σε αυτά τα είδη πράξεων και πώς τα συρράπτουμε μαζί μας συνολικά περιβάλλοντα.

Προσπαθώ απλώς να βρω εδώ το WebEx μου έτσι ώστε να μπορώ να το κάνω αυτό. Και εκεί πηγαίνουμε πίσω στις διαφάνειες Hot Tech. Πάω να προχωρήσω γρήγορα σε λίγες διαφάνειες εδώ επειδή έχετε ήδη δει αυτές στην ίδια την επίδειξη του μοντέλου. Θέλω να μιλήσω για τα πρότυπα ονομασίας πολύ γρήγορα. Θέλουμε να εφαρμόσουμε και να εφαρμόσουμε διαφορετικά πρότυπα ονομασίας. Αυτό που θέλουμε να κάνουμε είναι ότι έχουμε τη δυνατότητα να αποθηκεύουμε τα πρότυπα των ονομάτων σε αποθήκες μας για να χτίσουμε ουσιαστικά αυτό το νόημα μέσα από λέξεις ή φράσεις ή ακόμη και συντομογραφίες και να τους συνδέσουμε πίσω σε έναν εύλογο αγγλικό τύπο λέξης. Θα χρησιμοποιήσουμε τους επιχειρηματικούς όρους, τις συντομογραφίες για κάθε μία, και μπορούμε να καθορίσουμε τη σειρά, τις περιπτώσεις και να προσθέσουμε προθέματα και επιθήματα. Η τυπική περίπτωση χρήσης για αυτό είναι συνήθως όταν οι άνθρωποι έχουν οικοδομήσει ένα λογικό μοντέλο και στη συνέχεια πραγματικά να προχωρήσουμε για να δημιουργήσουμε ένα φυσικό μοντέλο όπου θα μπορούσαν να χρησιμοποιούν συντομογραφίες και οτιδήποτε άλλο.

Το όμορφο πράγμα είναι ότι είναι εξίσου ισχυρό, ακόμα πιο ισχυρό αντίθετα, αν μπορούμε απλά να πούμε ποιοι από αυτούς τους τύπους ονοματοδοσίας ήταν σε ορισμένες από τις φυσικές βάσεις δεδομένων που επεξεργαστήκαμε αντίστροφα, μπορούμε να πάρουμε αυτές τις συντμήσεις, να τις μετατρέψουμε σε μεγαλύτερη λέξεις, και να τους φέρει προς τα πίσω σε φράσεις αγγλικής γλώσσας. Μπορούμε τώρα να αντλήσουμε τα κατάλληλα ονόματα για τα δεδομένα που μοιάζουν με τα δεδομένα μας. Όπως λέω, η τυπική περίπτωση χρήσης είναι ότι θα προχωρούσαμε προς τα εμπρός, από λογική σε φυσική, και θα χαρτογραφήσαμε τα καταστήματα δεδομένων και τον τύπο του αντικειμένου. Εάν κοιτάξετε το στιγμιότυπο οθόνης στη δεξιά πλευρά, θα δείτε ότι υπάρχουν συντομευμένα ονόματα από τα ονόματα πηγών και όταν εφαρμόσαμε ένα πρότυπο πρότυπων ονομάτων, έχουμε όντως περισσότερα πλήρη ονόματα. Και θα μπορούσαμε να βάλουμε χώρους και όλα αυτά, αν θέλουμε, ανάλογα με το πρότυπο των ονομάτων που χρησιμοποιήσαμε. Μπορούμε να φανεί ότι θέλουμε να κοιτάξει για να φέρει στα μοντέλα μας. Μόνο όταν γνωρίζουμε τι λέγεται κάτι, μπορούμε πραγματικά να αρχίσουμε να δίνουμε ορισμούς σε αυτό, γιατί αν δεν ξέρουμε τι είναι, πώς μπορούμε να εφαρμόσουμε μια έννοια σε αυτό;

Το ωραίο είναι ότι μπορούμε πραγματικά να το επικαλεστούμε όταν κάνουμε όλα τα πράγματα. Μίλησα για αντίστροφη μηχανική, μπορούμε πραγματικά να επικαλεστεί πρότυπα ονομάτων πρότυπα ταυτόχρονα όταν κάνουμε αντίστροφη μηχανική. Έτσι, σε ένα σύνολο βημάτων μέσω ενός οδηγού, αυτό που μπορούμε να κάνουμε είναι, αν γνωρίζουμε ποιες είναι οι συμβάσεις, μπορούμε να αναστρέψουμε μια φυσική βάση δεδομένων, θα το φέρει πίσω ως φυσικά μοντέλα σε περιβάλλον μοντελοποίησης και είναι θα εφαρμόσει επίσης αυτές τις συμβάσεις ονομασίας. Έτσι θα δούμε τι είναι οι αγγλικές παραστάσεις ονομάτων στο αντίστοιχο λογικό μοντέλο στο περιβάλλον. Μπορούμε επίσης να το κάνουμε και να το συνδυάσουμε με τη δημιουργία XML Schema έτσι ώστε να μπορέσουμε να πάρουμε ένα μοντέλο και ακόμη και να το σπρώξουμε με τις συντομογραφίες μας, είτε κάνουμε πλαίσια SOA είτε κάτι τέτοιο, έτσι ώστε να μπορέσουμε να προωθήσουμε διαφορετικές συμβάσεις ονομασίας που πραγματικά έχουμε αποθηκεύσει στο ίδιο το μοντέλο. Μας δίνει πολλές πολύ ισχυρές δυνατότητες.

Και πάλι, εδώ είναι ένα παράδειγμα του τι θα έμοιαζε αν είχα πρότυπο. Αυτό δείχνει πραγματικά ότι είχα EMP για "εργαζόμενο", SAL για "μισθό", PLN για "σχέδιο" σε σύμβαση ονομάτων. Μπορώ να τα εφαρμόσω και να τα λειτουργήσω διαδραστικά καθώς κάνω μοντέλα και βάζω τα πράγματα. Εάν χρησιμοποιούσα αυτή τη συντομογραφία και δακτυλογραφήθηκα στο "Σχέδιο μισθοδοσίας υπαλλήλων" στο όνομα της οντότητας, θα ενεργούσε με το πρότυπο των ονομάτων Έχω ορίσει εδώ, θα μου έδινε EMP_SAL_PLN καθώς δημιουργούσα τις οντότητες και μου έδωσε αμέσως τα αντίστοιχα φυσικά ονόματα.

Και πάλι, πολύ καλό για όταν σχεδιάζουμε και προωθούμε μηχανική επίσης. Έχουμε μια πολύ μοναδική ιδέα και εδώ ξεκινάμε να φέρνουμε μαζί αυτά τα περιβάλλοντα. Και ονομάζεται Universal Mappings. Μόλις φέρουμε όλα αυτά τα μοντέλα στο περιβάλλον μας, αυτό που μπορούμε να κάνουμε, υποθέτοντας ότι έχουμε εφαρμόσει αυτές τις συμβάσεις ονομασίας και είναι εύκολο να βρεθεί, μπορούμε τώρα να χρησιμοποιήσουμε ένα κατασκεύασμα που ονομάζεται Universal Mappings στο ER /Στούντιο. Μπορούμε να συνδέσουμε οντότητες σε όλα τα μοντέλα. Όπου βλέπουμε "πελάτη" - πιθανότατα θα έχουμε "πελάτη" σε πολλά διαφορετικά συστήματα και σε πολλές διαφορετικές βάσεις δεδομένων - μπορούμε να αρχίσουμε να συνδέουμε όλα αυτά μαζί έτσι ώστε όταν δουλεύω μαζί του σε ένα μοντέλο εγώ μπορεί να δει πού είναι οι εκδηλώσεις των πελατών στα άλλα μοντέλα. Και επειδή έχουμε το μοντέλο στρώμα που αντιπροσωπεύει αυτό, μπορούμε να το συνδέσουμε ακόμη και σε πηγές δεδομένων και να το φέρουμε κάτω σε μας, όπου χρησιμοποιούμενες έρευνες σε ποιες βάσεις δεδομένων και αυτές κατοικούν επίσης. Μας δίνει πραγματικά τη δυνατότητα να συνδέσουμε όλα αυτά μαζί με πολύ συνεκτικό τρόπο.

Έχω δείξει τα αντικείμενα των επιχειρηματικών δεδομένων. Θέλω επίσης να μιλήσω για τις επεκτάσεις μεταδεδομένων, τις οποίες ονομάζουμε Συνημμένα, πολύ γρήγορα. Αυτό που κάνει είναι ότι μας δίνει τη δυνατότητα να δημιουργούμε πρόσθετα μεταδεδομένα για τα μοντέλα μας. Πολύ συχνά θα δημιουργούσα αυτούς τους τύπους ιδιοτήτων για να οδηγήσω πολλά διαφορετικά πράγματα από την προοπτική της διακυβέρνησης των δεδομένων και της ποιότητας των δεδομένων και επίσης να μας βοηθήσουν με τις πολιτικές διαχείρισης master δεδομένων και διατήρησης δεδομένων. Η βασική ιδέα είναι να δημιουργήσετε αυτές τις ταξινομήσεις και μπορείτε να τις συνδέσετε όπου θέλετε, σε επίπεδο πίνακα, επίπεδο στήλης, αυτά τα είδη των πραγμάτων. Η πιο συνηθισμένη περίπτωση χρήσης, φυσικά, είναι ότι οι οντότητες είναι πίνακες και έπειτα μπορώ να ορίσω: ποια είναι τα κυριότερα μου αντικείμενα δεδομένων, ποιοι είναι οι πίνακες αναφοράς μου, ποιοι είναι οι πίνακες συναλλαγών μου; Από την άποψη της ποιότητας των δεδομένων, μπορώ να κάνω ταξινομήσεις όσον αφορά τη σπουδαιότητα της επιχείρησης ώστε να μπορέσουμε να δώσουμε προτεραιότητα στις προσπάθειες καθαρισμού των δεδομένων και σε αυτό το είδος πράγματος.

Κάτι που συχνά παραβλέπεται είναι, ποια είναι η πολιτική διατήρησης για διαφορετικούς τύπους δεδομένων στον οργανισμό μας; Μπορούμε να τα ορίσουμε και μπορούμε να τα συνδέσουμε με τους διαφορετικούς τύπους πληροφοριακών αντικειμένων στο περιβάλλον μοντελοποίησης μας και, φυσικά, με το αποθετήριο μας. Η ομορφιά είναι, αυτά τα συνημμένα ζουν στο λεξικό μας δεδομένων, έτσι όταν χρησιμοποιούμε λεξικά επιχειρησιακών δεδομένων στο περιβάλλον, μπορούμε να τα προσαρτήσουμε σε πολλαπλά μοντέλα. Πρέπει να τα ορίσουμε μόνο μία φορά και μπορούμε να τα αξιοποιήσουμε ξανά και ξανά στα διάφορα μοντέλα του περιβάλλοντός μας. Αυτό είναι μόνο ένα γρήγορο στιγμιότυπο οθόνης για να δείξει ότι μπορείτε να καθορίσετε πραγματικά όταν κάνετε ένα συνημμένο, ποια είναι όλα τα κομμάτια που θέλετε να το επισυνάψετε. Και αυτό το παράδειγμα εδώ είναι στην πραγματικότητα ένας κατάλογος αξιών, οπότε όταν πηγαίνετε μπορείτε να διαλέξετε από μια λίστα αξιών, έχετε πολύ έλεγχο στο περιβάλλον μοντελοποίησης όσων επιλέγουμε και μπορείτε να ορίσετε ποιο είναι το προεπιλεγμένο η τιμή είναι αν μια τιμή δεν έχει επιλεγεί. Έτσι, πολλή δύναμη εκεί. Ζουν στο λεξικό δεδομένων.

Κάτι που θέλω να σας δείξω λίγο πιο κάτω σε αυτή την οθόνη, επιπλέον βλέπετε τα συνημμένα που εμφανίζονται στο πάνω μέρος, κάτω από αυτά βλέπετε πληροφορίες ασφάλειας δεδομένων. Μπορούμε πράγματι να εφαρμόσουμε πολιτικές ασφάλειας δεδομένων στις διάφορες πληροφορίες στο περιβάλλον. Για διαφορετικές αντιστοιχίσεις συμμόρφωσης, ταξινομήσεις ασφάλειας δεδομένων, στέλνουμε αρκετές από αυτές έξω από το κουτί που μπορείτε να δημιουργήσετε και να αρχίσετε να χρησιμοποιείτε, αλλά μπορείτε επίσης να ορίσετε τις δικές σας αντιστοιχίσεις και πρότυπα συμμόρφωσης. Είτε κάνετε HIPAA είτε κάποια από τις άλλες πρωτοβουλίες εκεί έξω. Και μπορείτε πραγματικά να αρχίσετε να δημιουργείτε αυτό το πολύ πλούσιο σύνολο μεταδεδομένων στο περιβάλλον σας.

Και στη συνέχεια το Γλωσσάριο και τους Όρους - αυτό είναι όπου το επιχειρηματικό νόημα είναι συνδεδεμένο μέσα. Πολύ συχνά έχουμε λεξικά δεδομένων εκεί έξω που συχνά μια οργάνωση χρησιμοποιεί ως σημείο εκκίνησης για να ξεκινήσει να εξοντώσει γλωσσάρια, αλλά η ορολογία και η πολυλογία είναι συχνά πολύ τεχνικό. Επομένως, ό, τι μπορούμε να κάνουμε, μπορούμε, αν το επιθυμούμε, να τα χρησιμοποιήσουμε ως σημείο εκκίνησης για την εξάσκηση των γλωσσών, αλλά θέλουμε πραγματικά η επιχείρηση να τα διαθέτει. Αυτό που κάναμε στο περιβάλλον διακομιστή ομάδας είναι ότι έχουμε δώσει τη δυνατότητα στους ανθρώπους να δημιουργήσουν επιχειρηματικούς ορισμούς και στη συνέχεια μπορούμε να τους συνδέσουμε με τα διαφορετικά αντικείμενα μοντέλων που αντιστοιχούν στο περιβάλλον μοντελοποίησης. Αναγνωρίζουμε επίσης το σημείο που συζητήθηκε νωρίτερα το οποίο είναι, όσο περισσότεροι άνθρωποι πληκτρολογείτε, τόσο περισσότερες πιθανότητες υπάρχει για ανθρώπινο λάθος. Αυτό που κάνουμε και στη δομή του γλωσσάριου μας είναι ότι υποστηρίζουμε μια ιεραρχία του γλωσσάριου, έτσι ώστε να μπορούμε να έχουμε διαφορετικούς τύπους γλωσσών ή διαφορετικούς τύπους πράξεων στον οργανισμό, αλλά εξίσου σημαντικό είναι αν έχετε ήδη μερικές από αυτές τις πηγές με τους όρους και τα όσα ορίζονται, μπορούμε πραγματικά να κάνουμε μια εισαγωγή CSV για να τα τραβήξουμε στο περιβάλλον μοντελοποίησης μας, στον εξυπηρετητή της ομάδας μας ή στο γλωσσάρι μας, και στη συνέχεια να αρχίσουμε να συνδέουμε από εκεί. Και κάθε φορά που αλλάζει κάτι, υπάρχει μια πλήρης διαδρομή ελέγχου για το τι ήταν οι εικόνες πριν και μετά, από την άποψη των ορισμών και όλων των άλλων, και αυτό που θα δούμε να έρχεται στο εγγύς μέλλον είναι επίσης περισσότερο από μια ροή εργασιών εξουσιοδότησης έτσι μπορούμε πραγματικά να ελέγξουμε ποιος είναι υπεύθυνος γι 'αυτό, εγκρίσεις από επιτροπές ή ιδιώτες και αυτό το είδος πράγματος, για να καταστήσουμε την διαδικασία διακυβέρνησης ακόμη πιο ισχυρή καθώς προχωρούμε.

Αυτό που και αυτό κάνει για εμάς είναι όταν έχουμε αυτούς τους όρους γλωσσών στο γλωσσάριο διακομιστή ομάδας μας, αυτό είναι ένα παράδειγμα επεξεργασίας σε μια οντότητα στο ίδιο το μοντέλο που έχω φέρει εδώ. Μπορεί να έχουν συνδέσει όρους, αλλά αυτό που κάνουμε είναι αν υπάρχουν λέξεις που βρίσκονται σε αυτό το γλωσσάριο που εμφανίζονται στις σημειώσεις ή τις περιγραφές του τι έχουμε στις οντότητές μας εδώ, αυτοί εμφανίζονται αυτόματα σε ένα ελαφρύτερο υπερσυνδεδεμένο χρώμα και εάν ποντίκι πάνω τους, μπορούμε πραγματικά να δούμε τον ορισμό από το επιχειρησιακό γλωσσάρι επίσης. Μας παρέχει ακόμα πιο πλούσιες πληροφορίες όταν καταναλώνουμε τις ίδιες τις πληροφορίες, με όλους τους όρους γλωσσών που υπάρχουν εκεί έξω. Βοηθά πραγματικά να εμπλουτίσει την εμπειρία και να εφαρμόσει την έννοια σε όλα με τα οποία δουλεύουμε.

Έτσι, πάλι, αυτό ήταν μια πολύ γρήγορη πτήση. Προφανώς θα μπορούσαμε να περάσουμε μέρες σε αυτό καθώς βυθίζουμε τα διάφορα μέρη, αλλά αυτό είναι ένα πολύ γρήγορο flyby πάνω από την επιφάνεια. Αυτό που πραγματικά προσπαθούμε να κάνουμε είναι να καταλάβουμε τι μοιάζουν αυτά τα περίπλοκα περιβάλλοντα δεδομένων. Θέλουμε να βελτιώσουμε την προβολή όλων αυτών των αντικειμένων δεδομένων και να συνεργαστούμε για να τα εξάγουμε με το ER / Studio. Θέλουμε να ενεργοποιήσουμε πιο αποτελεσματική και αυτοματοποιημένη μοντελοποίηση δεδομένων. Και αυτό είναι όλα τα είδη των δεδομένων για τα οποία μιλάμε, είτε πρόκειται για μεγάλα δεδομένα, παραδοσιακά δεδομένα σχεσιακής σχέσης, καταστήματα εγγράφων ή οτιδήποτε άλλο. Και πάλι, το καταφέραμε αυτό επειδή διαθέτουμε ισχυρές δυνατότητες μηχανικής προώθησης και αναστροφής για τις διάφορες πλατφόρμες και τα άλλα εργαλεία που μπορεί να έχετε εκεί έξω. Και είναι όλα σχετικά με την ανταλλαγή και την επικοινωνία σε όλη την οργάνωση με όλους τους εμπλεκόμενους φορείς που εμπλέκονται. Σε αυτό το σημείο εφαρμόζουμε νόημα μέσα από τα πρότυπα ονομασίας. Στη συνέχεια εφαρμόζουμε ορισμούς μέσω των επιχειρηματικών γλωσσών. Και έπειτα μπορούμε να κάνουμε περαιτέρω ταξινομήσεις για όλες τις άλλες δυνατότητες διακυβέρνησης με τις επεκτάσεις μεταδεδομένων όπως επεκτάσεις ποιότητας δεδομένων, ταξινομήσεις για τη διαχείριση βασικών δεδομένων ή οποιεσδήποτε άλλες κατηγορίες ταξινομήσεων που θέλετε να εφαρμόσετε σε αυτά τα δεδομένα. Και στη συνέχεια μπορούμε να συνοψίσουμε περαιτέρω και να ενισχύσουμε ακόμα περισσότερο την επικοινωνία με τα αντικείμενα επιχειρηματικών δεδομένων, με τα διαφορετικά ακροατήρια των ενδιαφερομένων, ιδίως μεταξύ των μοντέλων και των προγραμματιστών.

Και πάλι, αυτό που είναι πολύ σημαντικό για αυτό είναι, πίσω από όλα αυτά είναι ένα ολοκληρωμένο αποθετήριο με πολύ ισχυρές δυνατότητες διαχείρισης αλλαγών. Δεν είχα χρόνο να το επιδείξω σήμερα, επειδή είναι αρκετά περίπλοκο, αλλά ο χώρος αποθήκευσης έχει πολύ ισχυρές δυνατότητες διαχείρισης αλλαγών και διαδρομές ελέγχου. Μπορείτε να κάνετε ονομαστικές εκδόσεις, μπορείτε να κάνετε ονομαστικές εκδόσεις και έχουμε επίσης τη δυνατότητα για όσους από εσάς κάνουν διαχείριση αλλαγών, μπορούμε να συνδέσουμε αυτό το δικαίωμα στις εργασίες σας. Έχουμε τη δυνατότητα σήμερα να τοποθετήσουμε εργασίες και να συσχετίσουμε τις αλλαγές μοντέλων σας με εργασίες, ακριβώς όπως οι προγραμματιστές θα συσχετίζουν τις αλλαγές κώδικα τους με τις εργασίες ή τις ιστορίες χρηστών με τις οποίες συνεργάζονται επίσης.

Και πάλι, αυτή ήταν μια πολύ γρήγορη επισκόπηση. Ελπίζω ότι ήταν αρκετό να πείσουμε την όρεξή σας, ώστε να μπορέσουμε να συμμετάσχουμε σε πολύ βαθύτερες συνομιλίες σχετικά με τη διάσπαση ορισμένων από αυτά τα θέματα καθώς προχωρούμε στο μέλλον. Σας ευχαριστώ για το χρόνο σας και επιστρέψαμε σε εσάς, τη Rebecca.

Rebecca Jozwiak: Ευχαριστώ, Ron, αυτό ήταν φανταστικό και έχω κάποιες ερωτήσεις από το ακροατήριο, αλλά θέλω να δώσω στους αναλυτές μας την ευκαιρία να βυθίσουν τα δόντια τους σε αυτό που είχατε να πείτε. Eric, θα προχωρήσω και ίσως αν θέλετε να απευθυνθείτε σε αυτή τη διαφάνεια, ή διαφορετική, γιατί να μην προχωρήσετε πρώτα; Ή οποιαδήποτε άλλη ερώτηση.

Eric Little: Σίγουρα. Συγνώμη, ποια ήταν η ερώτηση, Ρεβέκκα; Θέλετε να ρωτήσω κάτι συγκεκριμένο ή …;

Rebecca Jozwiak: Ξέρω ότι είχατε αρχικά κάποια ερωτήματα για τον Ron. Αν θέλετε να του ζητήσετε να απευθυνθεί σε κάποιο από αυτά, ή σε μερικούς από τους διαφανειών σας ή οτιδήποτε άλλο, που σας άρεσε το ενδιαφέρον που θέλετε να ρωτήσετε; Σχετικά με τις λειτουργίες μοντελοποίησης της IDERA.

Eric Little: Ναι, έτσι ένα από τα πράγματα, Ρον, λοιπόν πώς τα παιδιά, μοιάζει με τα διαγράμματα που εμφανίζατε είναι γενικά είδη σχέσεων σχέσεων οντοτήτων όπως θα χρησιμοποιούσατε κανονικά στην κατασκευή βάσεων δεδομένων, σωστά;

Ron Huizenga: Ναι, γενικά, αλλά φυσικά έχουμε τους εκτεταμένους τύπους για τα καταστήματα εγγράφων και αυτόν τον τύπο πράγμα επίσης. Έχουμε ποικίλει από καθαρή σχεσιακή συμβολική παρουσίαση, προσθέσαμε επιπλέον επιπλέον σημειώσεις για τα άλλα καταστήματα.

Eric Little: Υπάρχει τρόπος που μπορείτε να χρησιμοποιήσετε τύπους μοντέλων που βασίζονται σε γραφήματα, έτσι υπάρχει ένας τρόπος για να ενσωματώσετε, για παράδειγμα, ας υποθέσουμε ότι έχω κάτι σαν ένα κορυφαίο τεταρτημόριο, το εργαλείο συνθέτη TopBraid ή έχω κάνει κάτι στο Protégé ή, όπως γνωρίζετε, όπως οι οικονομικοί τύποι στο FIBO, κάνουν πολλή δουλειά στη σημασιολογία, τα πράγματα RDF - υπάρχει ένας τρόπος να φέρουμε σε αυτό το εργαλείο το μοντέλο τύπου γραφήματος οντοτήτων-σχέσεων και να χρησιμοποιήσουμε το?

Ron Huizenga: Στην πραγματικότητα εξετάζουμε πώς μπορούμε να χειριστούμε γραφήματα. Δεν επεξεργαζόμαστε ρητά τις βάσεις δεδομένων για γραφήματα και τον τύπο του αντικειμένου σήμερα, αλλά εξετάζουμε τρόπους που μπορούμε να κάνουμε αυτό για να επεκτείνουμε τα μεταδεδομένα μας. Δηλαδή, μπορούμε να φέρουμε τα πράγματα μέσω XML και αυτού του είδους τα πράγματα τώρα, αν μπορούμε τουλάχιστον να κάνουμε κάποιο είδος παραδόσεων XML για να το φέρνουμε ως σημείο εκκίνησης. Αλλά εξετάζουμε πιο κομψούς τρόπους για να το φέρουμε αυτό.

Και σας έδειξα επίσης αυτόν τον κατάλογο αντιστρόφων μηχανικών γεφυρών που έχουμε και εκεί, γι 'αυτό πάντα ψάχνουμε να πάρουμε επεκτάσεις σε αυτές τις γέφυρες για συγκεκριμένες πλατφόρμες επίσης. Είναι μια συνεχής προσπάθεια, εάν αυτό είναι λογικό, να αρχίσουμε να αγκαλιάζουμε πολλά από αυτά τα νέα κατασκευάσματα και τις διαφορετικές πλατφόρμες εκεί έξω. Αλλά μπορώ να πω ότι είμαστε σίγουρα στην πρώτη γραμμή να το κάνουμε αυτό. Τα πράγματα που έδειξα, για παράδειγμα, MongoDB και αυτού του είδους τα πράγματα, είμαστε ο πρώτος πωλητής μοντελοποίησης δεδομένων για να το κάνουμε πραγματικά αυτό στο δικό μας προϊόν.

Eric Little: Εντάξει, ναι. Έτσι, λοιπόν, η άλλη ερώτηση που είχα για σας, ήταν η διακυβέρνηση και η διατήρηση του - όπως και όταν χρησιμοποιήσατε το παράδειγμα, όταν δείξατε το παράδειγμα του ατόμου που είναι «υπάλληλος», πιστεύω ότι ήταν " μισθός "και έπειτα έχετε ένα" σχέδιο ", υπάρχει ένας τρόπος, πώς μπορείτε να διαχειριστείτε, για παράδειγμα, διαφορετικά είδη ανθρώπων που μπορεί να έχουν - ας υποθέσουμε ότι έχετε μια μεγάλη αρχιτεκτονική, σωστά, ας υποθέσουμε ότι έχετε μια μεγάλη επιχείρηση και οι άνθρωποι αρχίζουν να τραβούν τα πράγματα μαζί σε αυτό το εργαλείο και έχετε μια ομάδα εδώ που έχει τη λέξη "υπάλληλος" και μια ομάδα εδώ που έχει τη λέξη "εργαζόμενος". Και ένα άτομο εδώ λέει "μισθό" και ένα άλλο πρόσωπο λέει "μισθός."

Πώς μπορείτε να συμφιλιώσετε, να διαχειριστείτε και να κυβερνήσετε αυτού του είδους τις διακρίσεις; Επειδή ξέρω πώς θα το κάνουμε στον κόσμο των γραφημάτων, ξέρετε, θα χρησιμοποιούσατε συννομοθετικές λίστες ή θα λέγατε ότι υπάρχει μία έννοια και έχει πολλά χαρακτηριστικά ή θα μπορούσατε να πείτε στο μοντέλο SKOS ότι έχω μια προτιμώμενη ετικέτα και έχω πολλές εναλλακτικές ετικέτες που μπορώ να χρησιμοποιήσω. Πώς το κάνετε αυτό;

Ron Huizenga: Το κάνουμε με μερικούς διαφορετικούς τρόπους και πρώτα απ 'όλα να μιλήσουμε για την ορολογία. Ένα από τα πράγματα που κάνουμε, βέβαια, είναι ότι θέλουμε να έχουμε τους ορισμένους ή εγκεκριμένους όρους και στο επιχειρησιακό γλωσσάριο προφανώς είναι όπου τους θέλουμε. Και επιτρέπουμε συνδέσεις με συνώνυμα στο επιχειρηματικό γλωσσάρι, καθώς και αυτό που μπορείτε να κάνετε είναι να πείτε, εδώ είναι ο όρος μου, αλλά μπορείτε επίσης να καθορίσετε ποια είναι όλα τα συνώνυμα γι 'αυτά.

Τώρα το ενδιαφέρον είναι, φυσικά, όταν αρχίζετε να βλέπετε αυτό το απέραντο τοπίο δεδομένων με όλα αυτά τα διαφορετικά συστήματα που έχετε βγάλει εκεί, δεν μπορείτε απλά να πάτε εκεί και να αλλάξετε τα αντίστοιχα τραπέζια και αυτά τα είδη των πραγμάτων αντιστοιχούν σε αυτό το πρότυπο ονομασίας, επειδή μπορεί να είναι ένα πακέτο που αγοράσατε, έτσι δεν έχετε κανέναν έλεγχο για την αλλαγή της βάσης δεδομένων ή οτιδήποτε άλλο.

Αυτό που θα μπορούσαμε να κάνουμε εκεί, εκτός από το ότι θα μπορούσαμε να συσχετίσουμε τους ορισμούς του γλωσσάριου, είναι μέσω αυτών των γενικών χαρτογραφημάτων για τους οποίους μίλησα, τι θα κάνουμε και το είδος μιας συνιστώμενης προσέγγισης είναι να έχουμε ένα γενικό λογικό μοντέλο που καθορίζει τι αυτές οι διαφορετικές επιχειρηματικές ιδέες είναι ότι μιλάτε. Συνδέστε τους όρους των γλωσσικών επιχειρήσεων σε αυτά και το ωραίο είναι τώρα που έχετε αυτό το κατασκεύασμα που αντιπροσωπεύει μια λογική οντότητα όπως ήταν, τότε μπορείτε να αρχίσετε να συνδέεστε από αυτή τη λογική οντότητα με όλες τις υλοποιήσεις αυτής της λογικής οντότητας διαφορετικά συστήματα.

Στη συνέχεια, όπου πρέπει να το κάνετε αυτό, μπορείτε να δείτε, Ω, "πρόσωπο" εδώ ονομάζεται "υπάλληλος" σε αυτό το σύστημα. Το "μισθό" εδώ ονομάζεται "μισθός" σε αυτό το άλλο σύστημα. Επειδή θα το δείτε, θα δείτε όλες τις διαφορετικές εκδηλώσεις αυτών επειδή έχετε συνδέσει μαζί τους.

Eric Little: Εντάξει καλά, ναι, πήρα το. Υπό αυτή την έννοια, είναι ασφαλές να πούμε ότι είναι σαν κάποιες από τις αντικειμενοστρεφείς προσεγγίσεις;

Ron Huizenga: Κάπως. Είναι λίγο πιο έντονο από ότι, υποθέτω ότι θα μπορούσατε να πείτε. Εννοώ, θα μπορούσατε να ακολουθήσετε την προσέγγιση της χειροκίνητης σύνδεσης και μετάβασης και επιθεώρησης και κάνοντας όλα αυτά επίσης. Το ένα πράγμα που δεν είχα πραγματικά την ευκαιρία να μιλήσω - γιατί και πάλι, έχουμε πολλές δυνατότητες - έχουμε επίσης μια πλήρη διεπαφή αυτοματισμού στο ίδιο το εργαλείο Data Architect. Και μια δυνατότητα μακροεντολών, η οποία είναι πραγματικά μια γλώσσα προγραμματισμού στο εργαλείο. Έτσι, μπορούμε πραγματικά να κάνουμε πράγματα όπως να γράψουμε μακροεντολές, να βγούμε έξω και να αναρωτηθούμε τα πράγματα και να δημιουργήσουμε δεσμούς για σας. Το χρησιμοποιούμε για την εισαγωγή και την εξαγωγή πληροφοριών, μπορούμε να το χρησιμοποιήσουμε για να αλλάξουμε τα πράγματα ή να προσθέσουμε χαρακτηριστικά, συμβάν που βασίζεται στο ίδιο το μοντέλο ή μπορούμε να το χρησιμοποιήσουμε για να τρέξουμε σε παρτίδες για να βγούμε πραγματικά και να διερευνήσουμε τα πράγματα και να γεμίσουμε πραγματικά διαφορετικά κατασκευάσματα μοντέλο. Έτσι, υπάρχει μια πλήρη διεπαφή αυτοματισμού που οι άνθρωποι μπορούν να επωφεληθούν επίσης. Και η χρήση των γενικών χαρτογραφημάτων με αυτές θα ήταν ένας πολύ ισχυρός τρόπος για να γίνει αυτό.

Rebecca Jozwiak: Εντάξει, ευχαριστώ τον Ron, και ευχαριστώ τον Eric. Αυτά ήταν σπουδαία ερωτήματα. Ξέρω ότι τρέχουμε λίγο πέρα ​​από την κορυφή της ώρας, αλλά θα ήθελα να δώσω στον Malcolm την ευκαιρία να πετάξει μερικές ερωτήσεις με τον Ron. Μάλκολμ;

Μάλκολμ Τσίλολ: Ευχαριστώ, Ρεβέκκα. Έτσι, Ron, είναι πολύ ενδιαφέρον, βλέπω ότι υπάρχουν πολλές δυνατότητες εδώ. Ένας από τους τομείς στους οποίους είμαι πολύ ενδιαφέρουσα είναι ότι, αν έχουμε ένα αναπτυξιακό έργο, πώς βλέπετε τον μοντέλο δεδομένων χρησιμοποιώντας αυτές τις δυνατότητες και εργάζεστε ίσως πιο συνεργάσιμα με επιχειρηματικούς αναλυτές, με έναν profiler δεδομένων, με έναν αναλυτή ποιότητας δεδομένων, καθώς και με τους χορηγούς των επιχειρήσεων που τελικά θα είναι υπεύθυνοι για τις πραγματικές απαιτήσεις πληροφόρησης στο έργο. Πώς ο μοντέλο δεδομένων πραγματικά, γνωρίζετε, κάνει το έργο πιο αποτελεσματικό και αποτελεσματικό με τις δυνατότητες που εξετάζουμε;

Ron Huizenga: Νομίζω ότι ένα από τα πρώτα πράγματα που πρέπει να κάνετε εκεί είναι ως μοντέλο δεδομένων - και δεν θέλω να επιλέξω μερικούς από τους μοντελιστές, αλλά ούτως ή άλλως - είναι μερικοί άνθρωποι εξακολουθούν να έχουν την εντύπωση ότι ο διαμορφωτής δεδομένων είναι πραγματικά ο τύπος gatekeeper του ρόλου όπως, ορίζουμε πώς λειτουργεί, είμαστε οι φρουροί που βεβαιώνουμε ότι όλα είναι σωστά.

Τώρα υπάρχει μια πτυχή αυτού, που πρέπει να σιγουρευτείτε ότι ορίζετε μια αρχιτεκτονική δεδομένων ήχου και οτιδήποτε άλλο. Αλλά το πιο σημαντικό πράγμα είναι ως μοντέλο δεδομένων - και το βρήκα αυτό αρκετά προφανές όταν έψαχνα - πρέπει να γίνετε διαμεσολαβητής, οπότε πρέπει να τραβήξετε αυτούς τους ανθρώπους μαζί.

Δεν πρόκειται να είναι σχεδιασμός μπροστά, να δημιουργήσετε, να δημιουργήσετε βάσεις δεδομένων πια - αυτό που πρέπει να μπορείτε να κάνετε είναι να έχετε τη δυνατότητα να εργαστείτε με όλες αυτές τις διαφορετικές ομάδες ενδιαφερομένων, να κάνετε πράγματα όπως αντίστροφη μηχανική, να εισάγετε πληροφορίες, άλλοι συνεργάζονται, είτε πρόκειται για τα γλωσσάρια είτε για την τεκμηρίωση, όλα αυτά - και να διευκολύνουν να το τραβήξουν στον αποθετήριο και να συνδέσουν τις ιδέες μαζί στο χώρο αποθήκευσης και να συνεργαστούν με αυτούς τους ανθρώπους.

Πραγματικά είναι πολύ περισσότερο ένα είδος συνεργασίας περιβάλλοντος όπου ακόμη και μέσω του καθορισμού των καθηκόντων ή ακόμα και των συζητήσεων ή του είδους αυτού που έχουμε στο διακομιστή ομάδας, οι άνθρωποι μπορούν πραγματικά να συνεργαστούν, να θέτουν ερωτήσεις και να φθάνουν στα τελικά τελικά προϊόντα που ανάγκη για την αρχιτεκτονική των δεδομένων τους και την οργάνωσή τους. Μήπως αυτό το είδος απάντησης;

Malcolm Chisholm: Ναι, συμφωνώ. Ξέρετε, νομίζω ότι η ικανότητα διευκόλυνσης είναι κάτι που είναι πραγματικά πολύ επιθυμητό στους διαμορφωτές δεδομένων. Συμφωνώ ότι δεν το βλέπουμε πάντοτε, αλλά νομίζω ότι αυτό είναι απαραίτητο και θα πρότεινα ότι υπάρχει μια τάση να μείνουμε μερικές φορές στη δική σας γωνία για να κάνουμε τη μοντελοποίηση δεδομένων σας, αλλά πραγματικά πρέπει να βρίσκεστε εκεί έξω σε συνεργασία με τις άλλες ομάδες ενδιαφερομένων ή απλά δεν καταλαβαίνετε το περιβάλλον δεδομένων που έχετε να αντιμετωπίσουμε και νομίζω ότι το μοντέλο υποφέρει ως αποτέλεσμα. Αλλά αυτή είναι η γνώμη μου.

Ron Huizenga: Και είναι ενδιαφέρον γιατί αναφέρατε κάτι νωρίτερα στην διαφήμισή σας για την ιστορία σχετικά με το πώς οι επιχειρήσεις απομακρύνονται από την πληροφορική, επειδή δεν έδιναν τις λύσεις εγκαίρως και σε αυτά τα είδη των πραγμάτων.

Είναι πολύ ενδιαφέρον το γεγονός ότι στις μεταγενέστερες συμβουλευτικές μου υποχρεώσεις, προτού να γίνω διευθυντής προϊόντων, τα περισσότερα από τα έργα που έκανα τα τελευταία δύο χρόνια πριν, χρηματοδοτήθηκαν από τις επιχειρήσεις, όπου ήταν πραγματικά η επιχείρηση που την οδήγησε και οι αρχιτέκτονες δεδομένων και οι μοντελιστές δεν ήταν μέρος της πληροφορικής. Ήμασταν μέρος μιας ομάδας που χρηματοδοτήθηκε από τις επιχειρήσεις και ήμασταν εκεί ως διευκολυντές που συνεργάζονταν με τις υπόλοιπες ομάδες έργου.

Malcolm Chisholm: Έτσι νομίζω ότι αυτό είναι ένα πολύ ενδιαφέρον σημείο. Νομίζω ότι αρχίζουμε να βλέπουμε μια μετατόπιση στον επιχειρηματικό κόσμο όπου η επιχείρηση ρωτάει ή σκέφτεται ίσως όχι τόσο όσο να κάνω, αλλά να αρχίσω να σκέφτομαι ποια είναι τα δεδομένα με ποιο τρόπο συνεργάζομαι, ποιες είναι οι ανάγκες μου για δεδομένα, ποια είναι τα δεδομένα που αντιμετωπίζω ως δεδομένα και σε ποιο βαθμό μπορούμε να αποκτήσουμε προϊόντα και δυνατότητες IDERA για να υποστηρίξουμε αυτή την άποψη και νομίζω ότι οι ανάγκες της επιχείρησης, ακόμη και αν και είναι ακόμα λίγο νεογέννητο.

Ron Huizenga: Συμφωνώ μαζί σας και νομίζω ότι το βλέπουμε όλο και περισσότερο. Έχουμε δει μια αφύπνιση και εσείς το άγγιξα νωρίτερα από την άποψη της σημασίας των δεδομένων. Είδαμε τη σημασία των δεδομένων νωρίς στην πληροφορική ή στην εξέλιξη των βάσεων δεδομένων, τότε, όπως λέτε, έχουμε εμπλακεί σε ολόκληρο αυτόν τον κύκλο διαχείρισης της διαδικασίας - και η διαδικασία είναι εξαιρετικά σημαντική, μην με ενοχλείτε εκεί - αλλά τώρα τι συνέβη είναι όταν αυτό συνέβη, δεδομένα τύπου χαμένης εστίασης.

Και τώρα οι οργανώσεις συνειδητοποιούν ότι τα δεδομένα είναι πραγματικά το επίκεντρο. Τα δεδομένα αντιπροσωπεύουν τα πάντα που κάνουμε στην επιχείρησή μας, γι 'αυτό πρέπει να βεβαιωθούμε ότι έχουμε ακριβή δεδομένα, ότι μπορούμε να βρούμε τις σωστές πληροφορίες που χρειαζόμαστε για να πάρουμε τις αποφάσεις μας. Επειδή όχι όλα προέρχονται από μια καθορισμένη διαδικασία. Μερικές από τις πληροφορίες είναι ένα υποπροϊόν των άλλων πραγμάτων και πρέπει να είμαστε σε θέση να το βρούμε, να γνωρίζουμε τι σημαίνει και να μπορούμε να μεταφράσουμε τα δεδομένα που βλέπουμε τελικά στη γνώση που μπορούμε να χρησιμοποιήσουμε για να οδηγήσουμε καλύτερα τις επιχειρήσεις μας.

Malcolm Chisholm: Δεξιά, και τώρα μια άλλη περιοχή με την οποία αγωνίζομαι είναι αυτό που θα ονομάζα τον κύκλο ζωής των δεδομένων, το οποίο είναι, ξέρετε, εάν εξετάσουμε το είδος της αλυσίδας εφοδιασμού δεδομένων που περνάει από μια επιχείρηση, θα ξεκινήσαμε την απόκτηση δεδομένων ή τη συλλογή δεδομένων, η οποία μπορεί να είναι η καταχώρηση δεδομένων αλλά ίσως να είναι, παίρνω δεδομένα εκτός της επιχείρησης από κάποιον προμηθευτή δεδομένων.

Και στη συνέχεια από τη συλλογή δεδομένων πηγαίνουμε στη συντήρηση δεδομένων όπου σκέφτομαι την τυποποίηση αυτών των δεδομένων και τη μεταφορά τους σε μέρη όπου χρειάζονται. Και στη συνέχεια η χρήση δεδομένων, τα πραγματικά σημεία όπου βρίσκονται τα δεδομένα, θα έχετε αξία από τα δεδομένα.

Και στις παλιές εποχές όλα αυτά γίνονται σε ένα μεμονωμένο στυλ, αλλά σήμερα μπορεί να είναι, ξέρετε, ένα περιβάλλον ανάλυσης, για παράδειγμα, και έπειτα πέρα ​​από αυτό, ένα αρχείο, ένα κατάστημα όπου βάζουμε τα δεδομένα όταν δεν έχουμε πλέον το χρειάζονται και τελικά μια διαδικασία καθαρισμού. Πώς βλέπετε την προσαρμογή της μοντελοποίησης δεδομένων στη διαχείριση ολόκληρου αυτού του κύκλου ζωής δεδομένων;

Ron Huizenga: Αυτή είναι μια πολύ καλή ερώτηση και ένα πράγμα που πραγματικά δεν είχα χρόνο να ανακαλύψω σε λεπτομέρειες εδώ σήμερα, είναι αυτό που πραγματικά αρχίζουμε να μιλάμε για την καταγωγή των δεδομένων. Αυτό που πραγματικά μπορούμε να κάνουμε είναι ότι διαθέτουμε δυνατότητες γραμμής δεδομένων στα εργαλεία μας και, όπως λέω, μπορούμε να εξάγουμε ορισμένα από τα εργαλεία ETL, αλλά μπορείτε επίσης να τα χαρτογραφήσετε μόνο με την κατάρτιση της γραμμής. Οποιοδήποτε από αυτά τα μοντέλα δεδομένων ή βάσεις δεδομένων που έχουμε συλλάβει και φέρουμε σε μοντέλα θα μπορούσαμε να αναφερθούμε στα κατασκευάσματα από εκείνα στο διάγραμμα γενεαλογίας των δεδομένων μας.

Αυτό που μπορούμε να κάνουμε είναι να σχεδιάσουμε μια ροή δεδομένων, όπως λέτε, από την πηγή στο στόχο και μέσω του συνολικού κύκλου ζωής του τρόπου με τον οποίο τα δεδομένα περνούν μέσα από τα διαφορετικά συστήματα και τι θα βρείτε, 'δεδομένα - είναι ένα από τα αγαπημένα μου βασισμένο σε ένα έργο που έκανα πριν από χρόνια. Συνεργάστηκα με μια οργάνωση που είχε δεδομένα εργαζομένων σε 30 διαφορετικά συστήματα. Αυτό που καταλήξαμε εκεί - και η Rebecca έσκασε τη διαφάνεια των γραμμών δεδομένων - αυτή είναι μια αρκετά απλοϊκή διαφάνεια γραμμής δεδομένων εδώ, αλλά αυτό που μπορέσαμε να κάνουμε ήταν να εισάγουμε όλες τις δομές δεδομένων, να τις αναφερθούμε στο διάγραμμα και στη συνέχεια μπορεί πραγματικά να αρχίσει να εξετάζει ποιες είναι οι ροές μεταξύ και πώς συνδέονται αυτές οι διαφορετικές οντότητες δεδομένων σε μια ροή; Και μπορούμε να υπερβούμε και αυτό. Αυτό είναι μέρος μιας ροής δεδομένων ή ενός διαγράμματος γραμμών που βλέπουμε εδώ. Αν θέλετε να πάτε πέρα ​​από αυτό, έχουμε επίσης τον επιχειρηματικό αρχιτέκτονα μέρος αυτής της σουίτας και το ίδιο ισχύει και εκεί.

Οποιεσδήποτε δομές δεδομένων που έχουμε καταγράψει στο περιβάλλον μοντελοποίησης δεδομένων, αυτές μπορούν να αναφέρονται στο εργαλείο επιχειρηματικής μοντελοποίησης έτσι ώστε ακόμα και στα διαγράμματα επιχειρηματικών μοντέλων ή στα διαγράμματα επιχειρηματικών διαδικασιών σας, μπορείτε να ανατρέξετε σε μεμονωμένα καταστήματα δεδομένων αν θέλετε το περιβάλλον μοντελοποίησης δεδομένων και ενώ τα χρησιμοποιείτε στους φακέλους του μοντέλου επιχειρησιακών διαδικασιών σας, μπορείτε να καθορίσετε ακόμη και το CRUD σε αυτά, καθώς και τον τρόπο με τον οποίο αυτές οι πληροφορίες είτε καταναλώνονται είτε παράγονται και στη συνέχεια μπορούμε να αρχίσουμε να δημιουργούμε πράγματα όπως εκθέσεις επιπτώσεων και ανάλυσης και διαγράμματα από αυτό.

Αυτό που στοχεύουμε να φτάσουμε και έχουμε ήδη πολλές δυνατότητες, αλλά ένα από τα πράγματα που έχουμε κάπως σαν ένα γροθιά που βλέπουμε, καθώς συνεχίζουμε να εξελίσσουμε τα εργαλεία μας προς τα εμπρός, είναι σε θέση να χαρτογραφήσει αυτή την αλληλουχία από άκρο σε άκρο, οργανωτικών δεδομένων και τον πλήρη κύκλο ζωής των δεδομένων.

Μάλκολμ Τσιόλμ: Εντάξει. Ρεβέκκα, επιτρέπεται και πάλι;

Rebecca Jozwiak: Θα σας επιτρέψω και πάλι, Malcolm, προχωρήστε.

Malcolm Chisholm: Σας ευχαριστώ πολύ. Σκεπτόμενοι τη διακυβέρνηση των δεδομένων και τη σκέψη για τη μοντελοποίηση δεδομένων, πώς θα μπορούσαμε αυτές οι δύο ομάδες να συνεργαστούν αποτελεσματικά και να καταλάβουν ο ένας τον άλλον;

Eric Little: Λοιπόν, είναι ενδιαφέρον, νομίζω ότι εξαρτάται πραγματικά από την οργάνωση και πηγαίνει πίσω στην προηγούμενη ιδέα μου είναι ότι σε εκείνους τους οργανισμούς όπου οι πρωτοβουλίες κατευθύνονταν από τις επιχειρήσεις είχαμε συνδέσει σωστά μέσα. Για παράδειγμα, προπονούσα μια αρχιτεκτονική δεδομένων αλλά είμαστε δεμένοι με τους επιχειρηματικούς χρήστες και πραγματικά τους βοηθούσαμε να υποστηρίξουν το πρόγραμμα διακυβέρνησης των δεδομένων τους. Και πάλι, περισσότερο από μια συμβουλευτική προσέγγιση, αλλά είναι πραγματικά περισσότερο από μια επιχειρηματική λειτουργία.

Αυτό που πραγματικά πρέπει να μπορείτε να κάνετε είναι ότι χρειάζεστε μοντελοποιητές δεδομένων και αρχιτέκτονες που κατανοούν πραγματικά τις επιχειρήσεις, μπορούν να σχετίζονται με τους επιχειρηματικούς χρήστες και έπειτα τους έχουν βοηθήσει να υπερασπιστούν τις διαδικασίες διακυβέρνησης γύρω τους. Η επιχείρηση θέλει να το κάνει, αλλά σε γενικές γραμμές έχουμε τις τεχνολογικές γνώσεις για να μπορέσουμε να τους βοηθήσουμε να ξεχωρίσουν αυτά τα είδη προγραμμάτων. Πραγματικά πρέπει να είναι μια συνεργασία, αλλά πρέπει να είναι επιχείρηση ιδιοκτησίας.

Malcolm Chisholm: Εντάξει, είναι υπέροχο. Σας ευχαριστώ.

Δρ Eric Little: Εντάξει.

Rebecca Jozwiak: Εντάξει, ευχαριστώ πολύ. Τα μέλη του κοινού, φοβούμαι ότι δεν είχαμε πάρει τις ερωτήσεις σας, αλλά θα σιγουρευτώ ότι θα προωθηθούν στον κατάλληλο επισκέπτη που είχαμε στη γραμμή σήμερα. Θα ήθελα να σας ευχαριστήσω τόσο πολύ για τον Eric, τον Malcolm και τον Ron για να είμαστε οι καλεσμένοι μας σήμερα. Αυτό ήταν σπουδαίο πράγμα, λαοί. Και αν σας άρεσε η σημερινή διαδικτυακή εκπομπή IDERA, η IDERA θα είναι επίσης σε μια Hot Technologies την επόμενη Τετάρτη αν θέλετε να συμμετάσχετε συζητώντας τις προκλήσεις της ευρετηρίασης και του Oracles, ένα άλλο συναρπαστικό θέμα.

Σας ευχαριστούμε πολύ, παιδιά, φροντίστε και θα σας δούμε την επόμενη φορά. Αντίο.