Μοντελοποίηση δεδομένων σε ευκίνητο περιβάλλον

Από το προσωπικό της Techopedia, 16 Νοεμβρίου 2016

Takeaway: Ο οικοδεσπότης Eric Kavanagh συζητά τη σημασία της μοντελοποίησης δεδομένων σε ευκίνητη ανάπτυξη με τους Robin Bloor, Dez Blanchfield και τον Ron Huizenga της IDERA.

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

Eric Kavanagh: Εντάξει, κυρίες και κύριοι. Καλώς ήρθα ξανά πίσω. Είναι Τετάρτη στις 4:00 EST. Αυτό σημαίνει ότι ήρθε η ώρα για τις Hot Technologies. Ναι πράγματι. Το όνομά μου είναι ο Eric Kavanagh, εγώ θα σας φιλοξενήσω.

Για το σημερινό θέμα, είναι ένα oldie αλλά ένα goodie. Βελτιώνεται καθημερινά, επειδή διαμορφώνει τον κόσμο διαχείρισης δεδομένων μας, "Μοντελοποίηση δεδομένων σε ένα ευκίνητο περιβάλλον". Υπάρχει μια διαφάνεια για την αληθινή σας, με χτύπησε στο Twitter @eric_kavanagh. Θα έπρεπε πραγματικά να το βάλουμε σε αυτή τη διαφάνεια. Θα πρέπει να ασχοληθώ με αυτό.

Έτσι το καλοκαίρι του έτους. Η μοντελοποίηση δεδομένων υπήρξε για πάντα. Είναι πραγματικά στην καρδιά και την ψυχή της επιχείρησης διαχείρισης πληροφοριών, σχεδιάζοντας μοντέλα δεδομένων, προσπαθώντας να κατανοήσετε τα επιχειρηματικά μοντέλα και να τα ευθυγραμμίσετε με τα μοντέλα δεδομένων σας. Αυτό είναι πραγματικά αυτό που προσπαθείτε να κάνετε, έτσι;

Το μοντέλο δεδομένων αντιπροσωπεύει την επιχείρηση με έναν θεμελιώδη τρόπο, έτσι πώς αλλάζουν όλες αυτές οι νέες πηγές δεδομένων το παιχνίδι; Θα το μάθουμε. Θα μάθουμε πώς μπορείτε να παραμείνετε στην κορυφή των πραγμάτων με ευκίνητο τρόπο. Και φυσικά, αυτή είναι η λέξη του έτους.

Ο Robin Bloor μαζί μας, ο επικεφαλής αναλυτής μας, ο Dez Blanchfield που καλεί από το Σύδνεϋ, την Αυστραλία και τον Ron Huizenga, ανώτερο διευθυντή προϊόντων από την IDERA - μακροπρόθεσμο φίλο μου, εξαιρετικό ομιλητή σε αυτόν τον χώρο, γνωρίζει τα πράγματα του, οπότε μην είστε ντροπαλός τον σκληρά ερωτήματα, τους λαούς, τους σκληρούς. Με αυτό, θα κάνω τον Ρομπίν τον παρουσιαστή και θα το πάρω μακριά.

Δρ Robin Bloor: Εντάξει. Σας ευχαριστώ γι 'αυτό, Eric. Πρέπει να πω για το μοντέλο που σκέφτομαι, ήμουν στην πραγματικότητα στον κόσμο της πληροφορικής πριν υπάρξει, με την έννοια που θυμάμαι στην ασφαλιστική εταιρεία για την οποία δούλευα, ότι είχαμε έναν άντρα να έρθει και να μας δώσει όλα ένα είδος του εργαστηρίου για τον τρόπο υπολογισμού των δεδομένων. Επομένως, κοιτάμε περίπου 30 χρόνια, είναι 30 χρόνια; Ίσως και περισσότερο από αυτό, ίσως πριν από 35 χρόνια. Μια μακρά και πολύχρονη μοντελοποίηση υπήρξε πράγματι μέρος της βιομηχανίας και φυσικά δεν έχει τίποτα να κάνει με τις κυρίες στις πασαρέλες.

Το πράγμα που ήθελα να πω, γιατί αυτό που κάνουμε συνήθως είναι εγώ και ο Dez, μιλάμε για διαφορετικά πράγματα και σκέφτηκα ότι θα έδινα τη γενική επισκόπηση του μοντελοποίηση, αλλά υπάρχει πραγματικότητα σε αυτό, αυτό γίνεται πλέον εμφανές.

Έχουμε, ξέρουμε, την μεγάλη πραγματικότητα των δεδομένων, έχουμε περισσότερα δεδομένα, περισσότερες πηγές δεδομένων, έχουμε ρεύματα δεδομένων που έχουν εισέλθει στην εξίσωση τα τελευταία τρία ή τέσσερα χρόνια και αρχίζει να παίρνει μεγαλύτερο μέρος αυτής, και υπάρχει μεγαλύτερη ανάγκη να κατανοηθούν τα δεδομένα και να αυξηθεί ο ρυθμός αλλαγής, δηλαδή να προστεθούν περισσότερα δεδομένα και να χρησιμοποιηθούν περισσότερες δομές δεδομένων.

Είναι ένας δύσκολος κόσμος. Εδώ είναι μια εικόνα της, η οποία είναι στην πραγματικότητα κάτι που σχεδιάσαμε πριν από τρία χρόνια, αλλά βασικά, μόλις συμπεριλάβετε τη ροή στο μίγμα και έχετε αυτή την ιδέα για το διυλιστήριο δεδομένων, τον κόμβο δεδομένων, τον σύνδεσμο δεδομένων ή οτιδήποτε άλλο, βλέπετε ότι υπάρχουν δεδομένα που είναι πραγματικά εν ηρεμία, υπό την έννοια ότι δεν κινείται πολύ. Και τότε υπάρχουν τα δεδομένα, τα ρεύματα και έχετε όλες τις συναλλακτικές εφαρμογές, καθώς και σήμερα έχετε γεγονότα, ροές δεδομένων συμβάντων που συμβαίνουν σε εφαρμογές και ίσως χρειαστεί, και σήμερα με τις αρχιτεκτονικές lambda που όλοι μιλάνε, είναι πραγματικά με αντίκτυπο σε ολόκληρο το πεδίο των δεδομένων.

Και σήμερα σκεφτείτε ότι υπάρχει ένα επίπεδο δεδομένων. Το στρώμα δεδομένων υπάρχει σε ένα είδος εικονικού τρόπου, με την έννοια ότι ένα καλό κομμάτι του θα μπορούσε να είναι στο σύννεφο και μπορεί να εξαπλωθεί σε κέντρα δεδομένων, μπορεί να υπάρχει σε σταθμούς εργασίας. Το στρώμα δεδομένων είναι, σε κάποιο βαθμό, παντού και με αυτή την έννοια, υπάρχουν διαδικασίες παντού που επιχειρούν με τον ένα ή τον άλλο τρόπο να επεξεργάζονται τα δεδομένα και να μετακινούν τα δεδομένα. Αλλά και γνωρίζοντας τι είναι όταν το μετακινείτε, είναι μια μεγάλη υπόθεση.

Εάν εξετάσουμε τη μοντελοποίηση δεδομένων με την πιο γενική έννοια, στο κάτω μέρος αυτού του τύπου στοίβας έχετε αρχεία και βάσεις δεδομένων. Έχετε στοιχεία δεδομένων, τα οποία έχουν κλειδιά, ορισμούς στοιχείων, ψευδώνυμα, συνώνυμα, συγκεκριμένες φυσικές μορφές και έπειτα έχουμε αυτό το στρώμα μεταδεδομένων.

Το ενδιαφέρον για τα μεταδεδομένα είναι ότι τα μεταδεδομένα είναι εξ ολοκλήρου το πώς τα δεδομένα παίρνουν το νόημά της. Εάν δεν έχετε πραγματικά μεταδεδομένα, τότε στην καλύτερη περίπτωση μπορείτε να μαντέψετε την έννοια των δεδομένων, αλλά θα έχετε πάρα πολλές δυσκολίες. Τα μεταδεδομένα πρέπει να είναι εκεί, αλλά η έννοια έχει δομή. Δεν θέλω να υπεισέλθω στη φιλοσοφία του νόημα, αλλά ακόμη και με τον τρόπο που ασχολούμαστε με τα δεδομένα, υπάρχει μεγάλη πολυπλοκότητα στην ανθρώπινη σκέψη και την ανθρώπινη γλώσσα, η οποία δεν εκφράζεται εύκολα στα δεδομένα. Αλλά ακόμη και από την άποψη των δεδομένων που πραγματικά επεξεργαζόμαστε στον κόσμο, τα μεταδεδομένα έχουν νόημα και τη δομή των μεταδεδομένων - ένα κομμάτι των δεδομένων σε σχέση με το άλλο και τι σημαίνει αυτό όταν τα βγάζουν μαζί και τι σημαίνει αυτό όταν " να ενωθούν με άλλα δεδομένα, απαιτεί να το μοντελοποιήσουμε. Δεν είναι αρκετά καλό να καταγράφετε μόνο ετικέτες μεταδεδομένων σε πράγματα, πρέπει πραγματικά να καταγράψετε την έννοια ανά δομή και τη σχέση μεταξύ των δομών.

Στη συνέχεια, έχουμε στο ανώτερο επίπεδο τους επιχειρηματικούς ορισμούς, οι οποίοι συνήθως είναι ένα στρώμα που προσπαθεί να μεταφέρει νόημα μεταξύ μεταδεδομένων, η οποία είναι μια μορφή ορισμού δεδομένων που φιλοξενεί τον τρόπο με τον οποίο οργανώνονται τα δεδομένα στον υπολογιστή και την ανθρώπινη σημασία. Έτσι, έχετε επιχειρηματικούς όρους, ορισμούς, σχέσεις, έννοιες επίπεδο οντοτήτων που υπάρχουν σε αυτό το επίπεδο. Και αν πρόκειται να έχουμε μια ασυνέπεια μεταξύ αυτών των στρωμάτων, τότε πρέπει να έχουμε μοντελοποίηση δεδομένων. Δεν είναι πραγματικά προαιρετικό. Όσο περισσότερο μπορείτε να το κάνετε από την άποψη της αυτοματοποίησης, τόσο το καλύτερο. Αλλά επειδή έχει να κάνει με νόημα, είναι πραγματικά δύσκολο να εναλλάξουμε. Είναι αρκετά εύκολο να πιάσετε τα μεταδεδομένα μέσα σε ένα ρεκόρ και να είστε σε θέση να το πάρετε από μια σειρά εννοιών, αλλά δεν σας λέει τη δομή των αρχείων ή τι σημαίνουν τα αρχεία ή το πλαίσιο του ρεκόρ.

Έτσι, αυτό είναι που η μοντελοποίηση δεδομένων, κατά τη γνώμη μου, είναι περίπου. Σημεία που πρέπει να σημειώσετε: όσο πιο σύνθετα γίνεται το σύμπαν δεδομένων, τόσο περισσότερο χρειάζεται να το μοντελοποιήσετε. Με άλλα λόγια, είναι λίγο σαν να προσθέτουμε όχι μόνο περισσότερες στιγμές στον κόσμο, που θα αντιστοιχούσαν σε αρχεία δεδομένων, αλλά προσθέτουμε στην πραγματικότητα μεγαλύτερη σημασία στον κόσμο, συλλαμβάνοντας δεδομένα για όλο και περισσότερα πράγματα. Γίνεται όλο και πιο πολύπλοκη αίσθηση ότι πρέπει να καταλάβουμε.

Θεωρητικά υπάρχει ένα σύμπαν δεδομένων και χρειαζόμαστε μια άποψη για αυτό. Στην πράξη, τα πραγματικά μεταδεδομένα είναι μέρος του σύμπαντος δεδομένων. Έτσι, δεν είναι μια απλή κατάσταση. Η αρχή της μοντελοποίησης είναι από την κορυφή προς τα κάτω και από τη βάση προς τα πάνω. Πρέπει να χτίσετε και τις δύο κατευθύνσεις και ο λόγος για αυτό είναι ότι τα δεδομένα έχουν νόημα στον υπολογιστή και τη διαδικασία που πρέπει να τα επεξεργαστούν, αλλά έχει νόημα από μόνο του. Έτσι, χρειάζεστε μια έννοια από τη βάση προς τα πάνω, η οποία ικανοποιεί το λογισμικό που χρειάζεται να έχει πρόσβαση στα δεδομένα και χρειάζεστε την έννοια "από πάνω προς τα κάτω" έτσι ώστε τα ανθρώπινα όντα να το κατανοούν. Η κατασκευή μοντέλων μεταδεδομένων δεν είναι και δεν μπορεί ποτέ να είναι ένα έργο. είναι μια συνεχής δραστηριότητα - πρέπει να είναι μια συνεχής δραστηριότητα σε κάθε περιβάλλον που υπάρχουν. Ευτυχώς, υπάρχουν πολλά περιβάλλοντα, όπου αυτό στην πραγματικότητα δεν συμβαίνει και τα πράγματα σβήνουν από τον έλεγχο ανάλογα.

Προχωρώντας προς τα εμπρός, η μοντελοποίηση αυξάνεται με τη σημασία καθώς η τεχνολογία κινείται προς τα εμπρός. Αυτή είναι η γνώμη μου. Αλλά αν κοιτάξετε το IoT μπορούμε να κατανοήσουμε το κινητό περισσότερο από ό, τι συνηθίζαμε, αν και εισήγαγε νέες διαστάσεις: τη διάσταση της τοποθεσίας με το κινητό. Μόλις φτάσετε στο IoT, εξετάζουμε τα εξαιρετικά προβλήματα δεδομένων που δεν είχαμε να κάνουμε ποτέ πριν και πρέπει να κατανοήσουμε με τον καλύτερο τρόπο τι ακριβώς έχουμε, ακριβώς πώς μπορούμε να το συγκεντρώσουμε, τι μπορούμε να κάνουμε όσον αφορά το νόημα από τη συνάθροιση και, φυσικά, τι μπορούμε να κάνουμε με αυτό, όταν το έχουμε επεξεργαστεί.

Νομίζω ότι είπα αρκετά. Πάω να περάσω στον Dez Blanchfield, ο οποίος θα πει κάτι άλλο εντελώς.

Dez Blanchfield: Σας ευχαριστώ. Πάντα μια σκληρή πράξη που πρέπει να ακολουθήσετε, αλλά αυτό είναι ένα θέμα που συμφωνήσαμε και μίλησα για αυτό εν συντομία στο πρόωρο banter, και αν έχετε καλεί νωρίς, θα έπαιρνα πιθανώς μια ολόκληρη δέσμη των πολύτιμων λίθων. Ένας από τους τρόπους, και δεν θέλω να κλέψω τη βροντή του συγκεκριμένου, αλλά ένα από τα τρεξίματα από το πρόχειρο banter που θέλω να μοιραστώ, σε περίπτωση που δεν το πιάσεις, ήταν ακριβώς γύρω από το θέμα το ταξίδι των δεδομένων και με ενθάρρυνε να το γράψω πραγματικά σκέφτοντας το ταξίδι που παίρνουν τα δεδομένα σε ένα διαφορετικό πλαίσιο γύρω από τη διάρκεια της γενιάς - έτος, μήνες, εβδομάδα, ημέρα, ώρα, λεπτό, δεύτερο - και το πλαίσιο γύρω από τα δεδομένα είναι τοποθετημένο σε αυτό το πλαίσιο. Είτε είμαι προγραμματιστής που τρέχει κώδικα είτε είμαι ειδικός δεδομένων και σκέφτομαι τη δομή και τη μορφή και τα μεταδεδομένα γύρω από κάθε ένα από τα στοιχεία ή τον τρόπο με τον οποίο τα συστήματα και η επιχείρηση αλληλεπιδρούν μαζί του.

Είναι ένα ενδιαφέρον little takeaway για να το σημειώσω, αλλά ούτως ή άλλως, επιτρέψτε μου να βουτήξω μέσα. Σχεδιασμός δεδομένων, ειδικότερα, είναι μια φράση που χρησιμοποιώ για να μιλήσω για όλα τα δεδομένα δεδομένα και συγκεκριμένα την ανάπτυξη είτε των εφαρμογών είτε της υποδομής βάσεων δεδομένων. Νομίζω ότι η σχεδίαση δεδομένων είναι ένας όρος που συλλαμβάνει όλα πολύ καλά στο μυαλό μου. Αυτές τις μέρες, όταν μιλάμε για σχεδιασμό δεδομένων, μιλάμε για σύγχρονο σχεδιασμό ευέλικτων δεδομένων και η άποψή μου είναι ότι πριν από λίγο καιρό οι προγραμματιστές και οι εμπειρογνώμονες των δεδομένων εργάζονταν μόνοι τους. ήταν στο δικό τους σιλό και κομμάτια σχεδιασμού πήγαν από ένα σιλό σε άλλο. Αλλά είμαι πολύ από την άποψη αυτή τις μέρες, ότι δεν είναι μόνο η περίπτωση που έχει αλλάξει, αλλά πρέπει να αλλάξει? αυτό είναι ένα είδος ανάγκης και αυτό είναι ότι οι εφαρμοστές - προγραμματιστές και οτιδήποτε άλλο για την ανάπτυξη που ασχολείται με τα δεδομένα, οι σχεδιαστές που κάνουν τα σχεδιαγράμματα στοιχεία των σχημάτων και των πεδίων και των αρχείων και της θέσης και των συστημάτων και των υποδομών της βάσης δεδομένων, πρόκληση γύρω από αυτό. Αυτό είναι ένα ομαδικό άθλημα τώρα και ως εκ τούτου η εικόνα μου για ένα σωρό άνθρωποι που πηδούν έξω από ένα αεροπλάνο που ενεργεί ως ομάδα για να παίξει έξω εκείνη την οπτικά ενδιαφέρουσα εικόνα των ανθρώπων που πέφτουν από τον ουρανό.

Τρίτον, τι συνέβη να φέρει αυτό το θέμα; Λοιπόν, υπάρχει ένα άρθρο το 1986 που γράφτηκε από δυο κύριους, τα ονόματα των οποίων προσπάθησα απεγνωσμένα να το κάνω, η Hirotaka Takeuchi και το Ikujiro Nonaka, νομίζω ότι είναι προφανές, έγραψαν ένα άρθρο με τίτλο "Moving the Scrum Downfield". αυτή η ιδέα μιας μεθοδολογίας για τη νίκη ενός παιχνιδιού ράγκμπι που πηγαίνει από αυτή τη δραστηριότητα του Scrum, όπου όλοι παίρνουν γύρω σε ένα μέρος και δύο ομάδες ουσιαστικά κλειδώνουν τα κεφάλια σε κάτι που ονομάζεται scrum για να προσπαθήσουν να πάρουν τον έλεγχο της μπάλας και να το παίξουν κάτω από το πεδίο να φτάσετε στη γραμμή δοκιμής και να αγγίξετε το έδαφος με την μπάλα και να πάρετε ένα σημείο, που ονομάζεται τρίγωνο, και επαναλαμβάνετε αυτή τη διαδικασία και έχετε περισσότερους πόντους για την ομάδα.

Αυτό το άρθρο δημοσιεύθηκε το 1986 στο Business Review του Χάρβαρντ και περιέργως πήρε μεγάλη προσοχή. Έχει μεγάλη προσοχή επειδή εισήγαγε εκπληκτικές νέες ιδέες και εδώ είναι ένα στιγμιότυπο οθόνης του μπροστινού μέρους. Έτσι πήραν αυτή την έννοια του scrum από το παιχνίδι ράγκμπι και το έφεραν στην επιχείρηση και ιδιαίτερα στο παιχνίδι του σχεδιασμού και της παράδοσης του έργου, και συγκεκριμένα την παράδοση του έργου.

Αυτό που έκανε ο scrum μας έδωσε μια νέα μεθοδολογία σε σύγκριση με τις PRINCE2 ή PMBOK που είχαμε χρησιμοποιήσει στο παρελθόν σε αυτό που ονομάσαμε μεθοδολογία καταρράκτη, ξέρετε, κάνετε αυτό το πράγμα και αυτό το πράγμα και αυτό το πράγμα και ακολουθήστε τους ακολουθώντας και συνδεθείτε όλα τα σημεία γύρω, που εξαρτάται από αυτό που είχατε, ή δεν κάνουν το δεύτερο μέρος μέχρι να φτάσετε στο πρώτο μέρος επειδή εξαρτιόταν από το πρώτο μέρος. Αυτό που μας έδωσε είναι μια νέα μεθοδολογία για να είμαστε λίγο πιο ευκίνητοι, από όπου προέρχεται ο όρος, για τον τρόπο με τον οποίο παραδίδουμε τα πράγματα και συγκεκριμένα για το σχεδιασμό και την ανάπτυξη έργων βάσης.

Μερικοί από τους βασικούς μισθωτές -όπως συμβαίνει με αυτό- είναι γύρω από τους βασικούς μισθωτές του σκουός. Εισήγαγε την ιδέα της αστάθειας στην οικοδόμηση, που αποτελεσματικά αν σκεφτεί κανείς το φόβο του χάους, ο κόσμος βρίσκεται σε κατάσταση χάος, αλλά ο πλανήτης σχηματίστηκε, πράγμα που είναι ενδιαφέρον, δημιουργώντας έτσι αστάθεια, ικανότητα αναπήδησης σε λίγο και λειτουργούν ακόμα πράγματι, αυτο-οργανωμένες ομάδες έργου, αλληλεπικαλυπτόμενες εύνοιες μέσω πολύ υπεύθυνης ανάπτυξης, διαφορετικών τύπων μάθησης και ελέγχου μέσα από το ταξίδι της παράδοσης του έργου, την οργανωτική μεταφορά της μάθησης. Πώς λοιπόν λαμβάνουμε πληροφορίες από ένα μέρος της επιχείρησης και τη μεταφέρουμε σε άλλη από άτομα που έχουν μια ιδέα αλλά δεν αναπτύσσουν κώδικα ή δεν αναπτύσσουν βάσεις δεδομένων και υποδομές, αλλά δεδομένα σε αυτούς τους ανθρώπους; Και συγκεκριμένα αποτελέσματα με χρονοβόρα αποτελέσματα. Με άλλα λόγια, ας το κάνουμε αυτό για μια χρονική περίοδο, είτε μια μέρα σε 24 ώρες, είτε μια εβδομάδα ή δύο εβδομάδες και να δούμε τι μπορούμε να κάνουμε και στη συνέχεια να επιστρέψουμε και να την δούμε.

Κι έτσι, αν χάσετε τη λέξη, αυτό είναι πραγματικά ένα νέο παιχνίδι στην παράδοση των έργων και τα τρία βασικά συστατικά του που θα έχουν νόημα καθώς θα πάμε λίγο περισσότερο εδώ εδώ - υπάρχει το προϊόν: όλοι αυτοί οι άνθρωποι έχουν την ιδέα και έχουν η ανάγκη να γίνει κάτι και η ιστορία που τους περιβάλλει. Οι προγραμματιστές που λειτουργούν με το ευκίνητο μοντέλο για να πάρουν τις ιστορίες τους και μέσω των καθημερινών standups χρησιμοποιώντας τη μεθοδολογία scrum για να το συζητήσουν και να καταλάβουν τι πρέπει να κάνουν, και στη συνέχεια απλά πηγαίνετε και να προχωρήσουμε και να το κάνουμε. Τότε οι άνθρωποι, ακούσαμε τους δασκάλους του σκίουρου που επιβλέπουν αυτό το όλο θέμα και κατανοούν τη μεθοδολογία αρκετά καλά για να το οδηγήσουν. Έχουμε δει όλες αυτές τις εικόνες που πήρα στη δεξιά πλευρά εδώ τοίχους και λευκά πινακίδες γεμάτα Post-it σημειώσεις και εξυπηρετήθηκαν ως τοίχοι Kanban. Αν δεν ξέρετε ποιος είναι ο Kanban, σας προσκαλώ στην Google που ήταν ο κ. Kanban και γιατί ήταν μια αλλαγή στον τρόπο με τον οποίο μεταφέρουμε τα πράγματα από τη μια πλευρά στην άλλη σε έναν τοίχο κυριολεκτικά αλλά σε ένα έργο.

Με μια ματιά, η ροή εργασίας του Scrum το κάνει αυτό: παίρνει μια λίστα με πράγματα που ένας οργανισμός θέλει να κάνει, τα τρέχει μέσα από μια σειρά από πράγματα που ονομάζουμε σπριντ που χωρίζονται σε 24ώρες, σε μηνιαίες περιόδους και εμείς πάρτε αυτήν την επαυξητική σειρά εξόδων. Πρόκειται για μια σημαντική αλλαγή στον τρόπο με τον οποίο παραδίδονται τα έργα, παραδόθηκαν σε αυτό το στάδιο, επειδή μέρος αυτού ρέει όπως ο αμερικανικός στρατός που είχε μεγάλο μέρος να αναπτύξει κάτι που ονομάζεται PMBOK, όπως η ιδέα που δεν παίρνει τη δεξαμενή στο πεδίο μέχρι να βάλεις σφαίρες στο πράγμα επειδή αν μια δεξαμενή στο πεδίο δεν έχει σφαίρες, είναι άχρηστο. Έτσι λοιπόν, το πρώτο μέρος τοποθετείται σφαίρες στη δεξαμενή, το δεύτερο μέρος τοποθετείται στη δεξαμενή. Δυστυχώς, όμως, ό, τι συνέβη με τους προγραμματιστές στον αναπτυξιακό κόσμο κατά κάποιον τρόπο πήρε τη λαβή αυτής της ευέλικτης μεθοδολογίας και έτρεξε με το επίπεδο, εάν χάσετε τη λέξη, σε ένα σπριντ.

Όντως, αυτό που συνέβη είναι ότι, όταν σκεφτόμαστε την ευελιξία, συνήθως σκέφτομαι προγραμματιστές και όχι βάσεις δεδομένων και τίποτα να κάνει με τον κόσμο των βάσεων δεδομένων. Ήταν ένα ατυχές αποτέλεσμα, επειδή η πραγματικότητα είναι ότι η ευκίνητη δεν περιορίζεται στους προγραμματιστές. Στην πραγματικότητα, ο όρος "ευκίνητος" κατά την άποψή μου συνδέεται συχνά λανθασμένα αποκλειστικά με προγραμματιστές λογισμικού και όχι με σχεδιαστές βάσεων δεδομένων και αρχιτέκτονες. Πάντα οι ίδιες προκλήσεις που αντιμετωπίζετε στην ανάπτυξη λογισμικού και εφαρμογών αντιμετωπίζονται σε όλα τα πράγματα που έχουν να κάνουν με το σχεδιασμό και την ανάπτυξη, τη λειτουργία και τη συντήρηση και ως εκ τούτου την υποδομή δεδομένων και ιδιαίτερα τις βάσεις δεδομένων. Οι συντελεστές της συγκεκριμένης συλλογής δεδομένων περιλαμβάνουν τους αρχιτέκτονες δεδομένων, τους διαμορφωτές δεδομένων, τους διαχειριστές, τους διαχειριστές των υποδομών βάσεων δεδομένων και τις ίδιες τις βάσεις δεδομένων μέχρι τους αναλυτές και τους αρχιτέκτονες των επιχειρήσεων και των συστημάτων, τους ανθρώπους που κάθονται και σκέφτονται πώς τα συστήματα και οι επιχειρήσεις λειτουργούν και πώς έχουμε πάρει τα δεδομένα μέσω αυτών.

Πρόκειται για ένα θέμα το οποίο επαναλαμβάνω τακτικά γιατί είναι μια διαρκή απογοήτευση της δικής μου, δεδομένου ότι είμαι πολύ της άποψης ότι οι ειδικοί των δεδομένων πρέπει - και όχι πρέπει - πρέπει τώρα να εμπλέκονται στενά σε κάθε στοιχείο της παράδοσης του έργου, και συγκεκριμένα στην ανάπτυξη. Για να μην το κάνουμε, τότε πραγματικά δεν δίνουμε στους εαυτούς μας την καλύτερη ευκαιρία για ένα καλό αποτέλεσμα. Συχνά πρέπει να γυρίσουμε πίσω και να σκεφτούμε κάτι άλλο για αυτά τα πράγματα επειδή υπάρχει ένα σενάριο, φτάνουμε σε μια εφαρμογή που χτίζεται και ανακαλύπτουμε ότι οι προγραμματιστές δεν είναι πάντα εμπειρογνώμονες δεδομένων. Η εργασία με βάσεις δεδομένων απαιτεί πολύ εξειδικευμένες δεξιότητες, ιδιαίτερα γύρω από δεδομένα, και δημιουργεί μια εμπειρία. Δεν γίνεστε αμέσως γκουρού βάσης δεδομένων ή εμπειρογνώμονας γνώσης δεδομένων μια μέρα στην άλλη. αυτό είναι συχνά κάτι που προέρχεται από μια εμπειρία ζωής και σίγουρα με τους ομοίους του Δρ. Robin Bloor στον Κώδικα Today, ο οποίος έγραψε πολύ πλούσια το βιβλίο.

Σε πολλές περιπτώσεις - και είναι ατυχές, αλλά είναι πραγματικότητα - υπάρχουν δύο μέρη αυτού του νομίσματος, δηλαδή οι προγραμματιστές λογισμικού έχουν δικό τους συσκότιση ως προς τον ειδικό της βάσης δεδομένων και έχτισαν τις δεξιότητες που χρειάζεστε για τη μοντελοποίηση του σχεδιασμού βάσεων δεδομένων, θεμελιώδη για την τεχνολογία των γκουρού για το πώς τα δεδομένα έρχονται και πώς η οργάνωση του ταξιδιού που παίρνει και τι πρέπει ή δεν πρέπει να μοιάζει, ή αναμφισβήτητα ότι κατάποση και κατανόηση ότι έχει πάρει συνήθως σε γηγενείς δεξιότητες που για τους προγραμματιστές λογισμικού. Και μερικές από τις κοινές προκλήσεις που αντιμετωπίζουμε, μόνο για να το θέσουμε σε αυτό το πλαίσιο, περιλαμβάνουν όμοιες με τη βασική δημιουργία και συντήρηση και διαχείριση του ίδιου του σχεδιασμού βάσης δεδομένων, την τεκμηρίωση των δεδομένων και την υποδομή βάσεων δεδομένων και στη συνέχεια την επαναχρησιμοποίηση αυτών των στοιχείων, οι γενεές των σχημάτων, η διαχείριση και συντήρηση του σχήματος και η χρήση τους, η ανταλλαγή γνώσεων γύρω από τον λόγο για τον οποίο το σχήμα αυτό έχει σχεδιαστεί με συγκεκριμένο τρόπο και οι δυνάμεις και οι αδυναμίες που συναντώνται με την πάροδο του χρόνου προκαλούν αλλαγές δεδομένων με την πάροδο του χρόνου, των μοντέλων που εφαρμόζουμε στα συστήματα και τα δεδομένα που διατρέχουμε μέσω αυτών. Δημιουργία κώδικα βάσεων δεδομένων και πηγαίνει στην ολοκλήρωση και στη συνέχεια διαμορφώνεται δεδομένα γύρω από αυτά και στη συνέχεια πιο γρήγορα πρόσβαση στην ασφάλεια ελέγχου γύρω από τα δεδομένα, η ακεραιότητα των δεδομένων μετακινεί τα δεδομένα γύρω καθώς διατηρούμε την ακεραιότητά της, υπάρχουν αρκετά μεταδεδομένα γύρω θα πρέπει οι πωλήσεις να βλέπουν όλες τις εγγραφές στον πίνακα ή θα πρέπει να βλέπουν μόνο τη διεύθυνση, το όνομα, το επώνυμο που σας στέλνει πράγματα στην ανάρτηση; Και τότε φυσικά η μεγαλύτερη πρόκληση όλων είναι ότι η μοντελοποίηση πλατφόρμων βάσεων δεδομένων που είναι απόλυτα διαφορετική συνομιλία από μόνη της.

Είμαι πολύ της άποψης ότι έχοντας όλα αυτά στο μυαλό για να καταστήσει οποιοδήποτε από αυτά τα νιρβάνα είναι δυνατόν, είναι απολύτως κρίσιμο ότι τόσο οι ειδικοί των δεδομένων όσο και οι προγραμματιστές έχουν τα κατάλληλα εργαλεία και ότι αυτά τα εργαλεία είναι ικανά να προσφέρουν έργα με επίκεντρο την ομάδα, σχεδιασμό, ανάπτυξη και συνεχή λειτουργική συντήρηση. Ξέρετε, πράγματα όπως η συνεργασία σε έργα μεταξύ εμπειρογνωμόνων δεδομένων και προγραμματιστών λογισμικού, ενιαίο σημείο αλήθειας ή ενιαία πηγή αλήθειας για όλα τα πράγματα γύρω από την τεκμηρίωση των ίδιων των βάσεων δεδομένων, τα δεδομένα, τα σχήματα, από τα οποία προέρχονται τα αρχεία, οι κάτοχοι αυτών των αρχείων . Νομίζω ότι σε αυτή την εποχή είναι απολύτως κρίσιμο, πρόκειται να πάρουμε αυτή τη νιρβάνα των δεδομένων που είναι βασιλιάς, ότι τα σωστά εργαλεία πρέπει να είναι σε θέση, επειδή η πρόκληση είναι πολύ μεγάλη τώρα για να το κάνουμε χειροκίνητα και αν οι άνθρωποι κινείται μέσα και έξω από έναν οργανισμό, είναι πολύ εύκολο να μην ακολουθήσουμε την ίδια διαδικασία ή μεθοδολογία που μπορεί να δημιουργήσει ένα άτομο που είναι καλό και δεν μεταβιβάζει απαραιτήτως αυτές τις δεξιότητες και τις ικανότητες που προχωρούν.

Με αυτό κατά νου, θα πάω να κατευθυνθώ στον καλό φίλο μας στο IDERA και να ακούσω για αυτό το εργαλείο και πώς αντιμετωπίζει αυτά τα πράγματα.

Ron Huizenga: Σας ευχαριστώ πολύ και ευχαριστώ και ο Robin και ο Dez για την σωστή προετοιμασία της σκηνής και θα δείτε μια μικρή επικάλυψη σε μερικά πράγματα για τα οποία μίλησα. Αλλά έδωσαν πραγματικά μια πολύ σταθερή βάση για μερικές από τις έννοιες που πρόκειται να μιλήσω για μια προοπτική μοντελοποίησης δεδομένων. Και πολλά από τα πράγματα που έκαναν μιμούνται τη δική μου εμπειρία όταν ήμουν σύμβουλος που ασχολείτο με τη μοντελοποίηση δεδομένων και την αρχιτεκτονική δεδομένων, μαζί με ομάδες - τόσο καταρράκτες στις πρώτες μέρες όσο και εξελίξεις σε πιο σύγχρονα προϊόντα με έργα όπου χρησιμοποιούσαμε ευκίνητα μεθοδολογίες για την παροχή λύσεων.

Επομένως, αυτό που πρόκειται να μιλήσω σήμερα βασίζεται σε αυτές τις εμπειρίες καθώς και σε μια άποψη των εργαλείων και κάποιων από τις δυνατότητες στα εργαλεία που χρησιμοποιούμε για να μας βοηθήσουμε κατά μήκος αυτού του ταξιδιού. Αυτό που πρόκειται να καλύψω πολύ σύντομα είναι, δεν πρόκειται να πάω σε σκουρόχρωμα με πολλές λεπτομέρειες? είχαμε μια πραγματικά καλή εικόνα για το τι είναι αυτό. Θα μιλήσω γι 'αυτό από την άποψη του, τι είναι ένα μοντέλο δεδομένων και τι σημαίνει πραγματικά για εμάς; Και πώς μπορούμε να ενεργοποιήσουμε την ιδέα του μοντέλου ευέλικτων δεδομένων στις οργανώσεις μας όσον αφορά τον τρόπο με τον οποίο εμπλέκουμε τους διαμορφωτές δεδομένων, ποια είναι η συμμετοχή των μοντελιστών και αρχιτεκτόνων κατά τη διάρκεια του σπριντ, ποιες είναι οι δραστηριότητες στις οποίες πρέπει να ασχοληθούν, και, ως φόντο, ποιες είναι μερικές από τις σημαντικές δυνατότητες του εργαλείου μοντελοποίησης που χρησιμοποιούμε για να βοηθήσουμε πραγματικά να διευκολύνουμε αυτή την εργασία; Τότε θα πάω σε ένα κομμάτι από ένα περιτύλιγμα και απλά να μιλήσω λίγο για μερικές από τις επιχειρηματικές αξίες και τα οφέλη της κατοχής ενός μοντέλου δεδομένων που εμπλέκονται, ή ο τρόπος που πραγματικά πρόκειται να πω την ιστορία είναι, τα προβλήματα της μη ύπαρξης ενός μοντέλου δεδομένων που ασχολείται πλήρως με τα έργα και θα σας δείξω ότι βάσει της εμπειρίας και ενός πίνακα ελάττωσης μιας εικόνας πριν και μετά από ένα πραγματικό έργο το οποίο ασχολήθηκα πριν από πολλά χρόνια. Και τότε θα συνοψίσουμε μερικά ακόμη σημεία και στη συνέχεια θα έχουμε ερωτήσεις και απαντήσεις εκτός από αυτό.

Πολύ σύντομα, το ER Studio είναι μια πολύ ισχυρή σουίτα που έχει πολλά διαφορετικά στοιχεία σε αυτό. Ο Αρχιτέκτονας Δεδομένων, όπου οι διαμορφωτές δεδομένων και οι αρχιτέκτονες ξοδεύουν τον μεγαλύτερο μέρος του χρόνου τους για τη μοντελοποίηση των δεδομένων τους. Υπάρχουν και άλλα στοιχεία, για τα οποία δεν πρόκειται να μιλήσουμε καθόλου σήμερα, όπως ο Business Architect, όπου εκτελούμε μοντελοποίηση διαδικασιών και τον Αρχιτέκτονα Λογισμικού, για ορισμένα μοντέλα UML. Στη συνέχεια, υπάρχει το Repository, όπου ελέγχουμε και μοιραζόμαστε τα μοντέλα και επιτρέπουμε στις ομάδες να συνεργάζονται σε αυτές και να τις δημοσιεύουν στο διακομιστή της ομάδας, έτσι ώστε πολλά ακροατήρια των ενδιαφερομένων μερών που συμμετέχουν σε ένα έργο να μπορούν πραγματικά να δουν τα αντικείμενα που έχουμε, δημιουργώντας από μια προοπτική δεδομένων καθώς και τα άλλα πράγματα που κάνουμε στην ίδια την παράδοση του έργου.

Αυτό που πρόκειται να επικεντρωθώ σήμερα θα είναι μερικά πράγματα που θα δούμε από τον Data Architect και επειδή είναι πολύ σημαντικό να έχουμε τη συνεργασία των πτυχών που βασίζονται σε Repository αυτού. Ιδιαίτερα, όταν αρχίζουμε να μιλάμε για έννοιες όπως η διαχείριση αλλαγών, οι οποίες είναι επιτακτικές όχι μόνο για ευέλικτα αναπτυξιακά έργα, αλλά για κάθε είδους εξέλιξη που προχωράει.

Ας μιλήσουμε λοιπόν για το Agile Data Modeler για μια στιγμή. Όπως έχουμε ήδη αναφέρει στο παρελθόν στην παρουσίαση, είναι επιτακτική η ανάγκη να έχουμε μοντέλους δεδομένων και / ή αρχιτέκτονες που να συμμετέχουν πλήρως στις ευέλικτες διαδικασίες ανάπτυξης. Τώρα, αυτό που συνέβη ιστορικά είναι, ναι, σκεφτήκαμε πραγματικά για ευκίνητο από αναπτυξιακής σκοπιάς, και υπάρχουν μερικά πράγματα που έχουν προχωρήσει σε αυτό που πραγματικά έχουν προκαλέσει αυτό. Μέρος αυτού οφείλεται μόνο στη φύση του τρόπου με τον οποίο ξεδιπλώθηκε η ίδια η ανάπτυξη. Καθώς ξεκίνησε η ευκίνητη ανάπτυξη και ξεκινήσαμε με αυτή την έννοια των αυτο-οργανωτικών ομάδων, εάν ήπιατε το Kool-Aid λίγο πολύ καθαρό και ήσαστε στην ακραία πλευρά προγραμματισμού των πραγμάτων, υπήρξε μια πολύ κυριολεκτική ερμηνεία για πράγματα όπως η αυτο-οργανωτικές ομάδες, τις οποίες πολλοί άνθρωποι ερμηνεύουν να εννοούν, το μόνο που χρειαζόμαστε είναι μια ομάδα προγραμματιστών που μπορούν να δημιουργήσουν μια ολοκληρωμένη λύση. Είτε πρόκειται για την ανάπτυξη του κώδικα, των βάσεων δεδομένων ή των datastores πίσω από αυτό και όλα ήταν υποβιβασμένα στους προγραμματιστές. Αλλά τι συμβαίνει με αυτό είναι να χάσετε τις ειδικές ικανότητες που έχουν οι άνθρωποι. Έχω διαπιστώσει ότι οι ισχυρότερες ομάδες είναι εκείνες που αποτελούνται από ανθρώπους από διαφορετικά υπόβαθρα. Όπως ένας συνδυασμός ισχυρών προγραμματιστών λογισμικού, αρχιτεκτόνων δεδομένων, μοντέλων δεδομένων, επιχειρηματικών αναλυτών και επιχειρηματικών φορέων, όλοι συνεργαζόμενοι για την εξεύρεση μιας τελικής λύσης.

Αυτό που μιλάω και σήμερα είναι ότι πρόκειται να το κάνω αυτό στο πλαίσιο ενός αναπτυξιακού έργου όπου αναπτύσσουμε μια εφαρμογή που προφανώς πρόκειται να συνδέσει και το στοιχείο δεδομένων με αυτό. Πρέπει να κάνουμε ένα βήμα προς τα πίσω προτού το κάνουμε αυτό, διότι πρέπει να συνειδητοποιήσουμε ότι υπάρχουν πολύ λίγα αναπτυξιακά έργα Greenfield εκεί όπου επικεντρώνουμε συνολικά τη δημιουργία και την κατανάλωση δεδομένων που περιορίζονται μόνο στο συγκεκριμένο αναπτυξιακό έργο . Πρέπει να κάνουμε ένα βήμα προς τα πίσω και να εξετάσουμε τη συνολική οργανωτική άποψη από την άποψη των δεδομένων και της διαδικασίας. Επειδή αυτό που διαπιστώνουμε είναι ότι οι πληροφορίες που χρησιμοποιούμε μπορεί να υπάρχουν ήδη κάπου στους οργανισμούς. Ως μοντελιστές και αρχιτέκτονες το φέρουμε στο φως έτσι ξέρουμε πού να αντλήσουμε αυτές τις πληροφορίες από τα ίδια τα έργα. Γνωρίζουμε επίσης τις δομές δεδομένων που εμπλέκονται επειδή έχουμε μοτίβα σχεδίασης ακριβώς όπως οι προγραμματιστές έχουν πρότυπα σχεδίασης για τον κώδικα τους. Και πρέπει επίσης να λάβουμε αυτή τη γενική οργανωτική προοπτική. Δεν μπορούμε να δούμε μόνο τα δεδομένα στο πλαίσιο της εφαρμογής που χτίζουμε. Πρέπει να μοντελοποιήσουμε τα δεδομένα και να διασφαλίσουμε ότι το τεκμηριώνουμε γιατί ζει πολύ πέρα ​​από τις ίδιες τις εφαρμογές. Αυτές οι εφαρμογές έρχονται και πηγαίνουν, αλλά πρέπει να είμαστε σε θέση να εξετάσουμε τα δεδομένα και να διασφαλίσουμε ότι είναι ισχυρά και καλά δομημένα, όχι μόνο για εφαρμογή, αλλά και για αποφάσεις που αναφέρουν δραστηριότητες, αναφορά BI και ενσωμάτωση σε άλλες εφαρμογές, εκτός από τις οργανώσεις μας. Πρέπει λοιπόν να δούμε ολόκληρη τη μεγάλη εικόνα των δεδομένων και τον κύκλο ζωής αυτών των δεδομένων και να κατανοήσουμε το ταξίδι των πληροφοριών σε ολόκληρο τον οργανισμό από το λίκνο στον τάφο.

Τώρα πίσω στις πραγματικές ομάδες και πώς πραγματικά πρέπει να εργαστούμε είναι, η μεθοδολογία καταρράκτη θεωρήθηκε ότι είναι πολύ αργή για να δώσει αποτελέσματα. Επειδή, όπως επισημάνθηκε με το παράδειγμα της δεξαμενής, ήταν ένα βήμα μετά το άλλο και συχνά χρειάστηκε πολύς χρόνος για την επίτευξη ενός λειτουργικού τελικού αποτελέσματος. Αυτό που κάνουμε τώρα είναι ότι πρέπει να έχουμε ένα επαναληπτικό στυλ εργασίας όπου αναπτύσσουμε σταδιακά συστατικά του και επεξεργαζόμαστε το χρόνο, όπου παράγουμε εύχρηστο κώδικα ή χρησιμοποιήσιμα τεχνουργήματα, θα πω, για κάθε σπριντ. Το σημαντικό είναι η συνεργασία μεταξύ των τεχνικών φορέων της ομάδας και των επιχειρηματικών φορέων, καθώς συνεργαζόμαστε για να καταργήσουμε αυτές τις ιστορίες χρηστών σε ένα εφαρμόσιμο όραμα για τον κώδικα και τα δεδομένα που υποστηρίζουν αυτόν τον κώδικα. Και ο ίδιος ο Agile Data Modeler θα διαπιστώσει συχνά ότι δεν έχουμε αρκετούς μοντελιστές σε οργανισμούς, έτσι ώστε ένας μοντελοποιητής δεδομένων ή ένας αρχιτέκτονας μπορεί ταυτόχρονα να υποστηρίζει πολλαπλές ομάδες.

Και η άλλη πτυχή αυτού είναι, ακόμη και αν έχουμε πολλαπλούς μοντελιστές, πρέπει να διασφαλίσουμε ότι έχουμε ένα σύνολο εργαλείων που χρησιμοποιούμε επιτρέποντας τη συνεργασία πολλών έργων που βρίσκονται ταυτόχρονα σε πτήση και μοιράζονται αυτά τα αρχεία δεδομένων και τις δυνατότητες check-in και check-out. Πάω να το υπερβούμε αυτό πολύ γρήγορα επειδή το κάλυψαμε ήδη στο προηγούμενο τμήμα. Η πραγματική προϋπόθεση του ευέλικτου είναι ότι βασίζεστε τα πράγματα μακριά από καθυστέρηση, ιστοριών ή απαιτήσεων. Εντός των επαναλήψεων που συνεργαζόμαστε ως ομάδα. Συνήθως ένα σπριντ διάρκειας δύο εβδομάδων ή ενός μηνός, ανάλογα με τον οργανισμό, είναι πολύ συνηθισμένο. Επίσης, οι καθημερινές ανασκοπήσεις και οι συναντήσεις standup, έτσι ώστε να εξαλείφουμε τους αποκλεισμούς και να διασφαλίσουμε ότι προχωρούμε προς τα εμπρός χωρίς να σταματήσουμε σε διαφορετικές περιοχές καθώς περνάμε. Και σ'αυτά τα σπριντ θέλουμε να βεβαιωθούμε ότι παράγουμε χρήσιμα παραδοτέα ως τμήμα κάθε σπριντ.

Απλώς μια ελαφρώς διαφορετική προσφορά σε αυτό, επεκτείνοντας την περαιτέρω, scrum είναι η μεθοδολογία που πρόκειται να μιλήσω για πιο συγκεκριμένα εδώ και απλώς βασικά είχαμε εμπλουτίσει την προηγούμενη εικόνα με μερικές άλλες πτυχές. Συνήθως υπάρχει ένα συσσωρευμένο προϊόν και στη συνέχεια υπάρχει ένα συσσωρευμένο σπριντ. Έχουμε λοιπόν ένα συνολικό ανεκτέλεστο υπόλοιπο, που στην αρχή κάθε επανάληψης του σπριντ, φτάνουμε να πούμε: "Τι θα φτιάξουμε αυτό το σπριντ;" και αυτό γίνεται σε μια συνάντηση σχεδιασμού σπριντ. Στη συνέχεια, καταρρίπτουμε τα καθήκοντα που σχετίζονται με αυτό και εκτελούμε αυτά τα σπριντ μιας έως τεσσάρων εβδομάδων με αυτές τις καθημερινές κριτικές. Καθώς το κάνουμε αυτό, παρακολουθούμε την πρόοδό μας μέσα από τα διαγράμματα καύσης και τα διαγραμμένα διαγράμματα για να εντοπίσουμε ουσιαστικά τι έχει απομείνει για να οικοδομήσουμε σε σχέση με αυτό που χτίζουμε για να καθορίσουμε πράγματα όπως η ταχύτητα ανάπτυξης, θα κάνουμε πρόγραμμα, όλα αυτά τα είδη των πραγμάτων. Όλοι αυτοί επεξεργάζονται συνεχώς κατά τη διάρκεια του σπριντ αντί να πηγαίνουν σε λίγους μήνες κάτω από το δρόμο και να διαπιστώσετε ότι θα φτάσετε σύντομα και θα πρέπει να επεκτείνετε το χρονοδιάγραμμα του έργου. Και πολύ σημαντικό, ως μέρος αυτής, όλες οι ομάδες, υπάρχει μια αναθεώρηση σπριντ στο τέλος και μια αναδρομική σπριντ, οπότε προτού ξεκινήσετε την επόμενη επανάληψη αναθεωρείτε τι κάνατε και ψάχνετε τρόπους που μπορείτε βελτιωθεί την επόμενη φορά.

Όσον αφορά τα παραδοτέα, αυτό είναι βασικά μια διαφάνεια που συνοψίζει τα τυπικά είδη των πραγμάτων που συμβαίνουν στα σπριντ. Και είναι πολύ αναπτυξιακό, έτσι πολλά από τα πράγματα που βλέπουμε εδώ, όπως τα λειτουργικά σχέδια και οι περιπτώσεις χρήσης, οι δοκιμές κώδικα σχεδιασμού, όταν εξετάζουμε αυτά τα κουτιά εδώ και δεν θα τα περάσω σε οποιοδήποτε επίπεδο λεπτομέρειας, είναι πολύ αναπτυξιακά προσανατολισμένα. Και θαμμένος κάτω από εδώ είναι το γεγονός ότι πρέπει επίσης να έχουμε αυτά τα παραδοτέα δεδομένων που συμβαδίζουν με αυτό για να στηρίξουν αυτή την προσπάθεια. Επομένως, κάθε φορά που βλέπουμε πράγματα όπως τα καθυστερημένα, τις απαιτήσεις και τις ιστορίες των χρηστών, καθώς περνάμε, πρέπει να δούμε τι είναι τα αναπτυξιακά κομμάτια που πρέπει να κάνουμε, ποια είναι τα κομμάτια ανάλυσης που πρέπει να κάνουμε, το σχεδιασμό δεδομένων ή το μοντέλο δεδομένων, τι γίνεται με πράγματα όπως τα επιχειρηματικά γλωσσάρια, ώστε να μπορούμε να συσχετίσουμε το επιχειρηματικό νόημα με όλα τα αντικείμενα που παράγουμε; Επειδή πρέπει να παράγουμε αυτά τα χρήσιμα παραδοτέα σε κάθε σπριντ.

Μερικοί άνθρωποι θα πουν ότι πρέπει να παράγουμε εύχρηστο κώδικα στο τέλος κάθε σπριντ. Αυτό δεν συμβαίνει αναγκαστικά, δηλαδή σε μια καθαρότερη αναπτυξιακή προοπτική, αλλά αρκετά συχνά - ειδικά στην αρχή - μπορεί να έχουμε κάτι σαν το μηδενικό σπριντ όπου εστιάζουμε καθαρά στα πράγματα, κάνοντας τα πράγματα όπως να πάρουμε τις δοκιμαστικές στρατηγικές μας θέση. Ένας σχεδιασμός υψηλού επιπέδου για να το ξεκινήσουμε πριν αρχίσουμε να συμπληρώνουμε τις λεπτομέρειες και να διασφαλίσουμε ότι έχουμε ένα καθαρό σύνολο αρχικών ιστοριών ή απαιτήσεων πριν αρχίσουμε να εμπλέξουμε άλλα ακροατήρια και στη συνέχεια να προχωρήσουμε σαν ομάδα καθώς προχωράμε. Υπάρχει πάντα λίγος χρόνος προετοιμασίας, οπότε αρκετά συχνά θα έχουμε ένα μηδέν σπριντ ή ακόμα και ένα sprint και ένα. Μπορεί να είναι ένα κομμάτι μιας φάσης έναρξης πριν πετύχουμε πλήρη πτήση για την παράδοση της λύσης.

Ας μιλήσουμε για τα μοντέλα δεδομένων σε αυτό το πλαίσιο πολύ σύντομα. Όταν οι άνθρωποι σκέφτονται μοντέλα δεδομένων, συχνά σκέφτονται ένα μοντέλο δεδομένων ως μια εικόνα του τρόπου με τον οποίο οι διάφορες πληροφορίες συνδέονται μαζί - αυτό είναι ακριβώς η κορυφή του παγόβουνου. Για να ενσωματώσετε πλήρως το πνεύμα του πώς πραγματικά θέλετε να προσεγγίσετε μοντελοποίηση δεδομένων - είτε πρόκειται για ευκίνητη ανάπτυξη και για άλλα πράγματα - πρέπει να συνειδητοποιήσετε ότι το μοντέλο δεδομένων, εάν γίνει σωστά, γίνεται η πλήρης προδιαγραφή σας για το τι σημαίνουν αυτά τα δεδομένα στην οργάνωση και πώς είναι εγκατεστημένο στις βάσεις δεδομένων back-end. Όταν λέω βάσεις δεδομένων, εννοώ όχι μόνο τις σχεσιακές βάσεις δεδομένων που χρησιμοποιούμε, αλλά στις σημερινές αρχιτεκτονικές όπου έχουμε μεγάλα δεδομένα ή πλατφόρμες NoSQL, όπως προτιμώ να τους αποκαλώ. Επίσης, αυτά τα μεγάλα καταστήματα δεδομένων, επειδή μπορούμε να συνδυάσουμε πολλά διαφορετικά καταστήματα δεδομένων όσον αφορά την κατανάλωση πληροφοριών και τη μεταφορά τους στις λύσεις μας καθώς και τον τρόπο με τον οποίο διατηρούμε ή αποθηκεύουμε αυτές τις πληροφορίες από τις λύσεις μας.

Ενδέχεται να εργαζόμαστε ταυτόχρονα με πολλές βάσεις δεδομένων ή πηγές δεδομένων στο πλαίσιο μιας συγκεκριμένης εφαρμογής. Αυτό που είναι πολύ σημαντικό είναι ότι θέλουμε να είμαστε σε θέση να έχουμε μια πλήρη προδιαγραφή, έτσι μια λογική προδιαγραφή του τι σημαίνει αυτό σε μια οργανωτική προοπτική του σπριντ, ποιες είναι οι φυσικές δομές ως προς τον τρόπο με τον οποίο ορίζουμε πραγματικά τα δεδομένα, τις σχέσεις μεταξύ τους τις βάσεις δεδομένων σας, τους περιορισμούς αναφοράς ακεραιότητας, τους περιορισμούς ελέγχου, όλα αυτά τα κομμάτια επικύρωσης που συνήθως σκέφτεστε. Τα περιγραφικά μεταδεδομένα είναι εξαιρετικά σημαντικά. Πώς ξέρετε πώς να χρησιμοποιήσετε τα δεδομένα στις εφαρμογές σας; Εκτός αν μπορείτε να το ορίσετε και να ξέρετε τι σημαίνει ή να ξέρετε από πού προήλθε για να βεβαιωθείτε ότι καταναλώνετε τα σωστά δεδομένα σε αυτές τις εφαρμογές - βεβαιωθείτε ότι έχουμε σωστές συμβάσεις ονομασίας, πλήρεις ορισμούς, που σημαίνει ένα πλήρες λεξικό δεδομένων όχι μόνο τους πίνακες, αλλά και τις στήλες που περιέχουν αυτούς τους πίνακες - και τις σημειώσεις ανάπτυξης σχετικά με τον τρόπο με τον οποίο το χρησιμοποιούμε, διότι πρέπει να δημιουργήσουμε αυτή τη βάση γνώσεων, διότι ακόμη και όταν γίνει αυτή η εφαρμογή, οι πληροφορίες αυτές θα χρησιμοποιηθούν για άλλες πρωτοβουλίες. ότι έχουμε όλοι που τεκμηριώνονται για μελλοντικές υλοποιήσεις.

Και πάλι, φτάνουμε σε πράγματα όπως τύποι δεδομένων, κλειδιά, ευρετήρια, το ίδιο το μοντέλο δεδομένων ενσωματώνει πολλούς επιχειρηματικούς κανόνες που τίθενται σε ισχύ. Οι σχέσεις δεν είναι απλώς περιορισμοί μεταξύ διαφορετικών πινάκων. μας βοηθούν συχνά να περιγράψουμε ποιοι είναι οι πραγματικοί επιχειρηματικοί κανόνες γύρω από τον τρόπο με τον οποίο συμπεριφέρονται αυτά τα δεδομένα και πώς λειτουργεί μαζί ως συνεκτική μονάδα. Και φυσικά, οι περιορισμοί της αξίας είναι πολύ σημαντικοί. Τώρα, φυσικά, ένα από τα πράγματα με τα οποία ασχολούμαστε συνεχώς, και γίνεται όλο και πιο διαδεδομένο, είναι τα πράγματα όπως η διακυβέρνηση δεδομένων. Επομένως, από την άποψη της διακυβέρνησης δεδομένων, πρέπει επίσης να εξετάσουμε, τι καθορίζουμε εδώ; Θέλουμε να ορίσουμε πράγματα όπως ταξινομήσεις ασφαλείας. Με ποιους τύπους δεδομένων ασχολούμαστε; Τι πρόκειται να θεωρηθεί κύρια διαχείριση δεδομένων; Ποια είναι τα καταστήματα συναλλαγών που δημιουργούμε; Ποια δεδομένα αναφοράς χρησιμοποιούμε σε αυτές τις εφαρμογές; Πρέπει να βεβαιωθούμε ότι έχει καταγραφεί σωστά στα μοντέλα μας. Επίσης, όσον αφορά την ποιότητα των δεδομένων, υπάρχουν ορισμένα στοιχεία που είναι πιο σημαντικά για έναν οργανισμό από άλλα.

Έχω συμμετάσχει σε έργα όπου αντικαθιστούμε πάνω από δώδεκα συστήματα παλαιού τύπου με νέες επιχειρηματικές διαδικασίες και σχεδιάζουμε νέες εφαρμογές και καταστήματα δεδομένων για να τα αντικαταστήσουμε. Πρέπει να μάθουμε από πού προέρχονται οι πληροφορίες. Ποια από τα σημαντικότερα κομμάτια των πληροφοριών, από επιχειρηματική άποψη, αν κοιτάξετε αυτό το συγκεκριμένο διαφανές πρότυπο δεδομένων που έχω εδώ, θα δείτε ότι τα κάτω πλαίσια σε αυτές τις συγκεκριμένες οντότητες, που είναι μόνο ένα μικρό υποσύνολο, εγώ «είχα πραγματικά τη δυνατότητα να καταγράψω την επιχειρηματική αξία. Είτε υψηλή, μεσαία ή χαμηλή για αυτά τα είδη των πραγμάτων για αυτά τα διαφορετικά κατασκευάσματα μέσα στον οργανισμό. Και έχω επίσης συλλάβει πράγματα όπως τα μαθήματα βασικών δεδομένων, ανεξάρτητα από το αν είναι κύριοι πίνακες, ανεξάρτητα από το αν είναι αναφορά, αν ήταν συναλλακτικές. Έτσι, μπορούμε να επεκτείνουμε τα μεταδεδομένα μας στα μοντέλα μας για να μας δώσουν πολλά άλλα χαρακτηριστικά εκτός των ίδιων των δεδομένων, πράγμα που μας βοήθησε πραγματικά με άλλες πρωτοβουλίες εκτός των αρχικών σχεδίων και να το προωθήσουμε. Τώρα που ήταν πολύ σε μια διαφάνεια, θα περάσω από τα υπόλοιπα αυτά αρκετά γρήγορα.

Τώρα θα μιλήσω πολύ γρήγορα για το τι κάνει ο διαμορφωτής δεδομένων καθώς περνάμε από αυτά τα διαφορετικά σπριντ. Πρώτα απ 'όλα, ένας πλήρης συμμετέχων στις συνεδρίες προγραμματισμού σπριντ, όπου παίρνουμε τις ιστορίες των χρηστών, δεσμευόμαστε σε αυτό που θα δώσουμε σε αυτό το σπριντ και υπολογίζουμε πώς θα το κατασκευάσουμε και θα το παραδώσουμε. Αυτό που κάνω επίσης ως μοντέλο δεδομένων είναι ότι ξέρω ότι θα εργαστώ σε ξεχωριστούς χώρους με διαφορετικούς προγραμματιστές ή με διαφορετικούς ανθρώπους. Επομένως, ένα από τα σημαντικά χαρακτηριστικά που μπορούμε να έχουμε είναι όταν κάνουμε ένα μοντέλο δεδομένων, μπορούμε να διαιρέσουμε αυτό το μοντέλο δεδομένων σε διαφορετικές απόψεις, ανεξάρτητα από το αν τους ονομάζουμε υποκείμενα ή υπο-μοντέλα, είναι η ορολογία μας. Έτσι, καθώς οικοδομούμε το μοντέλο, το παρουσιάζουμε και σε αυτές τις διαφορετικές προοπτικές των υπο-μοντέλων, έτσι ώστε τα διαφορετικά ακροατήρια να δουν μόνο τι είναι σχετικό με αυτά, ώστε να μπορούν να επικεντρωθούν σε αυτό που αναπτύσσουν και παρουσιάζουν. Μπορεί να έχω κάποιον να εργάζεται σε ένα μέρος ενός προγράμματος, μπορεί να έχω κάποιον άλλον να δουλεύει σε μια παραγγελία όπου κάνουμε όλα αυτά τα πράγματα σε ένα μόνο σπριντ, αλλά μπορώ να τους δώσω τις απόψεις μέσα από αυτά τα υπο-μοντέλα που μόνο ισχύουν στην περιοχή στην οποία εργάζονται. Και έπειτα αυτοί που κυλούν στο συνολικό μοντέλο και σε ολόκληρη τη δομή υπο-μοντέλων για να δίνουν διαφορετικές απόψεις του κοινού τι πρέπει να δουν.

Θεμελιώδη στοιχεία από μια προοπτική μοντελοποίησης δεδομένων που θέλουμε να έχουμε είναι πάντοτε μια γραμμή βάσης για την οποία μπορούμε να επιστρέψουμε, επειδή ένα από τα πράγματα που πρέπει να κάνουμε είναι εάν αυτό είναι στο τέλος ενός σπριντ ή στο τέλος από διάφορα σπριντ, θέλουμε να μάθουμε από πού ξεκινήσαμε και να έχουμε πάντα μια βασική γραμμή για να γνωρίζουμε ποιο ήταν το δέλτα ή η διαφορά αυτού που δημιουργήσαμε σε ένα δεδομένο σπριντ. Πρέπει επίσης να διασφαλίσουμε ότι μπορούμε να κάνουμε μια γρήγορη ανάκαμψη. Εάν μπείτε σε αυτό ως μοντελοποιητής δεδομένων αλλά στον παραδοσιακό ρόλο gatekeeper λέγοντας "Όχι, όχι, δεν μπορείτε να το κάνετε αυτό, πρέπει πρώτα να κάνουμε όλα αυτά τα πράγματα", θα αποκλειστείτε από την ομάδα όταν χρειάζεστε πραγματικά να είναι ενεργός συμμετέχων σε όλες αυτές τις ευέλικτες ομάδες ανάπτυξης. Αυτό σημαίνει ότι κάποια πράγματα πέφτουν από το βαγόνι κάνοντας ένα δεδομένο σπριντ και τα παίρνετε στα επόμενα σπριντ.

Για παράδειγμα, μπορείτε να επικεντρωθείτε στις δομές δεδομένων μόνο για να φτάσετε στην ανάπτυξη, για παράδειγμα, εκείνο το τεμάχιο εισόδου για το οποίο μιλούσα. Σε ένα μεταγενέστερο σπριντ, μπορείτε να επιστρέψετε και να συμπληρώσετε τα δεδομένα, όπως κάποια από την τεκμηρίωση για το λεξικό δεδομένων, γύρω από μερικά από αυτά τα αντικείμενα που έχετε δημιουργήσει. Δεν πρόκειται να ολοκληρώσετε τον ορισμό αυτό σε ένα σπριντ. πρόκειται να συνεχίσετε τα παραδοτέα σας σταδιακά επειδή θα υπάρχουν χρόνοι που μπορείτε να συμπληρώσετε αυτές τις πληροφορίες που εργάζονται με επιχειρηματικούς αναλυτές όταν οι προγραμματιστές είναι απασχολημένοι με την κατασκευή των εφαρμογών και την επιμονή γύρω από αυτά τα καταστήματα δεδομένων. Θέλετε να διευκολύνετε και να μην είστε το εμπόδιο. Υπάρχουν διάφοροι τρόποι με τους οποίους συνεργαζόμαστε με τους προγραμματιστές. Για μερικά πράγματα έχουμε μοτίβα σχεδιασμού, ώστε να είμαστε πλήρης συμμετέχων μπροστά, οπότε μπορεί να έχουμε ένα μοτίβο σχεδίασης όπου θα πούμε ότι θα το βάλουμε στο μοντέλο, θα το βγάλουμε στις βάσεις δεδομένων sandbox των προγραμματιστών και στη συνέχεια θα μπορούν αρχίστε να εργάζεστε με αυτό και ζητήστε αλλαγές σε αυτό.

Μπορεί να υπάρχουν και άλλοι τομείς στους οποίους εργάζονται οι προγραμματιστές, έχουν κάτι στο οποίο εργάζονται και προτυποποιούν κάποια πράγματα, ώστε να δοκιμάσουν κάποια πράγματα στο δικό τους αναπτυξιακό περιβάλλον. Παίρνουμε αυτή τη βάση δεδομένων με την οποία συνεργάζομε, την φέρνουμε στο εργαλείο μοντελοποίησης μας, συγκρίνουμε με τα μοντέλα που έχουμε και στη συνέχεια επιλύουμε και σπρώχνουμε τις αλλαγές πίσω σε αυτές ώστε να μπορέσουν να επαναπροσδιορίσουν τους κώδικες τους, ώστε να παρακολουθούν τις σωστές δομές δεδομένων που χρειαζόμαστε. Επειδή ίσως έχουν δημιουργήσει κάποια πράγματα που είχαμε ήδη αλλού, έτσι εξασφαλίζουμε ότι εργάζονται με τις σωστές πηγές δεδομένων. Διατηρούμε απλώς την ερμηνεία σε αυτό το sprint ώστε να έχουμε τα πλήρη παραδοτέα δεδομένων, την πλήρη τεκμηρίωση και τον ορισμό όλων των δομών δεδομένων που παράγουμε.

Τα πιο επιτυχημένα ευέλικτα έργα με τα οποία έχω εμπλακεί από την άποψη των πολύ καλών παραδόσεων είναι, είχαμε μια φιλοσοφία, μοντέλο όλων των αλλαγών στην προδιαγραφή πλήρους φυσικής βάσης δεδομένων. Στην ουσία, το μοντέλο δεδομένων γίνεται αναπτυγμένες βάσεις δεδομένων με τις οποίες συνεργάζεστε για οτιδήποτε καινούργιο που δημιουργούμε και έχει πλήρη αναφορά των άλλων αποθηκευτικών δεδομένων αν καταναλώνουμε από άλλες εξωτερικές βάσεις δεδομένων. Ως μέρος αυτού, παράγουμε αυξανόμενα σενάρια έναντι μιας πλήρους γενιάς κάθε φορά. Και χρησιμοποιούμε τα σχέδια σχεδιασμού μας για να μας δώσετε αυτή τη γρήγορη ανύψωση από την άποψη του να πάρουμε τα πράγματα σε σπριντ με τις διαφορετικές ομάδες ανάπτυξης με τις οποίες εργαζόμαστε.

Και στις δραστηριότητες σπριντ είναι και πάλι αυτή η γραμμή αναφοράς για σύγκριση / συγχώνευση, οπότε ας πάρουμε την ιδέα να μοντελοποιούμε κάθε αλλαγή. Κάθε φορά που κάνουμε μια αλλαγή, αυτό που θέλουμε να κάνουμε είναι ότι θέλουμε να μοντελοποιήσουμε την αλλαγή και αυτό που είναι πολύ σημαντικό, ό, τι λείπει από τη μοντελοποίηση δεδομένων μέχρι πρόσφατα, στην πραγματικότητα, μέχρι την επανεισαγωγή της, είναι η ικανότητα να συσχετίζουμε τη μοντελοποίηση τις εργασίες και τα παραδοτέα σας με τις ιστορίες και τα καθήκοντα των χρηστών που πραγματικά προκαλούν αυτές τις αλλαγές. Θέλουμε να μπορούμε να ελέγξουμε τις αλλαγές των μοντέλων μας, με τον ίδιο τρόπο που οι προγραμματιστές ελέγχουν τους κώδικες τους, αναφερόμενοι στις ιστορίες των χρηστών που έχουμε, έτσι ξέρουμε γιατί κάναμε αλλαγές στην πρώτη θέση, κάτι που κάνουμε. Όταν το κάνουμε αυτό, παράγουμε τα πρόσθετα σενάρια DDL και τα δημοσιεύουμε ώστε να μπορούν να ληφθούν με τα άλλα αναπτυξιακά παραδοτέα και να ελεγχθούν στη λύση κατασκευής μας. Και πάλι, μπορεί να έχουμε ένα μοντέλο ή να συνεργαστούμε με πολλές ομάδες. Και όπως έχω μιλήσει, κάποια πράγματα προέρχονται από τον μοντέλο δεδομένων, άλλα πράγματα προέρχονται από τους προγραμματιστές και συναντάμε στη μέση για να βρούμε το συνολικό καλύτερο σχέδιο και να το ωθήσουμε προς τα εμπρός και να βεβαιωθούμε ότι είναι σωστά σχεδιασμένο στο γενικές δομές δεδομένων. Πρέπει να διατηρήσουμε την πειθαρχία να διασφαλίσουμε ότι έχουμε όλες τις σωστές δομές στο μοντέλο δεδομένων μας, όπως προχωρούμε, συμπεριλαμβανομένων περιπτώσεων όπως μηδενικές και όχι μηδενικές τιμές, περιορισμοί αναφοράς, βασικά έλεγχοι περιορισμών, όλα εκείνα τα πράγματα που συνήθως θα σκεφτούμε .

Ας μιλήσουμε για τώρα μερικά στιγμιότυπα κάποιων από τα εργαλεία που μας βοηθούν να το κάνουμε αυτό. Αυτό που πιστεύω ότι είναι σημαντικό είναι να έχουμε αυτό το αποθετήριο συνεργασίας, οπότε αυτό που μπορούμε να κάνουμε ως μοντέλο δεδομένων - και αυτό είναι ένα απόσπασμα ενός μέρους ενός μοντέλου δεδομένων στο παρασκήνιο - είναι όταν εργαζόμαστε σε πράγματα που θέλουμε να διασφαλίσουμε ότι μπορούμε να δουλέψουμε μόνο τα αντικείμενα που πρέπει να αλλάξουμε, να κάνουμε τις τροποποιήσεις, να δημιουργήσουμε τα σενάρια DDL για τις αλλαγές που κάναμε καθώς ελέγχουμε τα πράγματα πίσω. Έτσι, αυτό που μπορούμε να κάνουμε είναι το ER Studio είναι ένα παράδειγμα, μπορούμε να ελέγξουμε αντικείμενα ή ομάδες αντικειμένων για να εργαστούμε, δεν χρειάζεται να ελέγξουμε ένα ολόκληρο μοντέλο ή υπο-μοντέλο, μπορούμε να ελέγξουμε μόνο εκείνα τα πράγματα που μας ενδιαφέρουν. Αυτό που θέλουμε μετά από αυτό είναι είτε το check out είτε το check-in - το κάνουμε και οι δύο τρόποι, διότι διαφορετικές ομάδες ανάπτυξης εργάζονται με διαφορετικούς τρόπους. Θέλουμε να διασφαλίσουμε ότι θα συσχετιστούμε με την ιστορία ή την εργασία του χρήστη που οδηγεί τις απαιτήσεις για αυτό και ότι θα είναι η ίδια ιστορία χρήστη ή εργασία που θα αναπτύξουν οι προγραμματιστές και θα ελέγχουν τον κωδικό τους.

Έτσι, εδώ είναι ένα πολύ γρήγορο απόσπασμα από δύο οθόνες ενός από τα κέντρα διαχείρισης αλλαγών μας. Τι συμβαίνει αυτό, δεν πρόκειται να περάσω με μεγάλη λεπτομέρεια εδώ, αλλά αυτό που βλέπετε είναι η ιστορία ή η εργασία του χρήστη και είναι χαραγμένη κάτω από κάθε μία από αυτές που βλέπετε τα πραγματικά αρχεία αλλαγής - δημιουργήσαμε ένα αυτοματοποιημένο αρχείο αλλαγών όταν κάνουμε το check-in και check-out και μπορούμε να δώσουμε περισσότερες περιγραφές σε αυτό το ρεκόρ αλλαγής επίσης. Συνδέεται με την εργασία, μπορούμε να έχουμε πολλές αλλαγές ανά εργασία, όπως θα περίμενε κανείς. Και όταν μπαίνουμε σε αυτό το ρεκόρ αλλαγής μπορούμε να το δούμε και το πιο σημαντικό να δούμε τι αλλάξαμε πραγματικά; Για αυτό το συγκεκριμένο, την επισημανθείσα ιστορία εκεί, έκανα ένα είδος αλλαγής που έγινε και όταν κοίταξα το ίδιο το ρεκόρ αλλαγών, ταυτίζεται με τα μεμονωμένα κομμάτια στο μοντέλο που άλλαξε. Αλλάξα μερικές ιδιότητες εδώ, τους επανεξέτασα και έφερε μαζί τους για τις βόλτες τις απόψεις που έπρεπε να αλλάξουν, οι οποίες εξαρτώνταν από αυτές, καθώς θα δημιουργούσαν στο incremental DLL. Δεν είναι μόνο η μοντελοποίηση στα αντικείμενα βάσης, αλλά ένα εργαλείο προσομοίωσης υψηλής ισχύος όπως αυτό ανιχνεύει επίσης τις αλλαγές που πρέπει να διαδοθούν μέσω των αντικειμένων που εξαρτώνται από τη βάση δεδομένων ή το μοντέλο δεδομένων.

Εάν εργαζόμαστε με προγραμματιστές και το κάνουμε αυτό σε μερικά διαφορετικά πράγματα, αυτό κάνει κάτι στο sandbox τους και θέλουμε να συγκρίνουμε και να δούμε πού είναι οι διαφορές, χρησιμοποιούμε τις δυνατότητες σύγκρισης / συγχώνευσης όπου στη δεξιά και αριστερή πλευρά πλευρά. Μπορούμε να πούμε, "Εδώ είναι το μοντέλο μας στην αριστερή πλευρά, εδώ είναι η βάση δεδομένων τους στη δεξιά πλευρά, δείξτε μου τις διαφορές". Στη συνέχεια, μπορούμε να επιλέξουμε τον τρόπο με τον οποίο επιλύουμε αυτές τις διαφορές, είτε προωθούμε τα δεδομένα στη βάση δεδομένων είτε υπάρχουν μερικά πράγματα που έχουν στη βάση δεδομένων που επαναφέρουμε στο μοντέλο. Μπορούμε να προχωρήσουμε αμφίδρομα, ώστε να μπορέσουμε να προχωρήσουμε ταυτόχρονα στις δύο κατευθύνσεις για την ενημέρωση τόσο της πηγής όσο και του στόχου και στη συνέχεια να παράγουμε τα πρόσθετα σενάρια DDL για την ανάπτυξη αυτών των αλλαγών στο ίδιο το περιβάλλον της βάσης δεδομένων, το οποίο είναι εξαιρετικά σημαντικό. Αυτό που μπορούμε να κάνουμε είναι ότι μπορούμε να χρησιμοποιήσουμε αυτή τη δυνατότητα σύγκρισης και συγχώνευσης οποιαδήποτε στιγμή, εάν κάνουμε στιγμιότυπα στο δρόμο, μπορούμε πάντα να συγκρίνουμε την αρχή ενός σπριντ για να ξεκινήσουμε ή να τελειώσουμε ένα άλλο σπριντ έτσι μπορούμε να δούμε την πλήρη σταδιακή αλλαγή του τι έγινε σε ένα δεδομένο αναπτυξιακό σπριντ ή σε μια σειρά από σπριντ.

Αυτό είναι ένα πολύ γρήγορο παράδειγμα ενός alter script, οποιοσδήποτε από εσάς που εργάζεστε με βάσεις δεδομένων θα έχει δει αυτό το είδος πράγματος, αυτό είναι αυτό που μπορούμε να απομακρύνουμε από τον κώδικα ως alter σενάριο έτσι ώστε να διασφαλίσουμε ότι εμείς κρατήστε τα πράγματα εδώ. Αυτό που έβγαλα από εδώ, απλά για να μειώσω την ακαταστασία, είναι αυτό που κάνουμε και με αυτά τα αλλαγμένα scripts υποθέτουμε ότι υπάρχουν και δεδομένα σε αυτούς τους πίνακες, έτσι θα δημιουργήσουμε επίσης το DML που θα τραβήξει τις πληροφορίες των προσωρινών πινάκων και να το επαναφέρουμε και στις νέες δομές δεδομένων, έτσι εξετάζουμε όχι μόνο τις δομές αλλά και τα δεδομένα που έχουμε ήδη συμπεριλάβει και στις δομές αυτές.

Πάμε να μιλάμε πολύ γρήγορα για τα αυτοματοποιημένα συστήματα δημιουργίας γιατί όταν κάνουμε ένα ευέλικτο έργο αρκετά συχνά εργαζόμαστε με αυτοματοποιημένα συστήματα δημιουργίας όπου πρέπει να ελέγξουμε τα διάφορα παραδοτέα μαζί για να βεβαιωθούμε ότι δεν θα σπάσουμε τις κατασκευές μας. Αυτό σημαίνει ότι συγχρονίζουμε τα παραδοτέα, πρέπει να ελέγχονται εκείνα τα σενάρια αλλαγής για τα οποία μίλησα με το σενάριο DDL, ο αντίστοιχος κώδικας εφαρμογής πρέπει να ελεγχθεί ταυτόχρονα και πολλές εξελίξεις προγραμματιστών φυσικά δεν είναι με απευθείας SQL κατά των βάσεων δεδομένων και αυτού του είδους. Πολύ συχνά χρησιμοποιούμε πλαίσια εμμονής ή υπηρεσίες δεδομένων κτιρίων. Πρέπει να διασφαλίσουμε ότι οι αλλαγές για αυτά τα πλαίσια ή τις υπηρεσίες ελέγχονται ταυτόχρονα. Πηγαίνουν σε ένα αυτοματοποιημένο σύστημα οικοδόμησης σε ορισμένους οργανισμούς και εάν η οικοδόμηση σπάσει, με μια ευκίνητη μεθοδολογία, είναι όλα τα χέρια στον καθορισμό του καταστρώματος που χτίζουμε πριν προχωρήσουμε προς τα εμπρός, ώστε να γνωρίζουμε ότι έχουμε μια λύση εργασίας προτού προχωρήσουμε περαιτέρω. Και ένα από τα έργα με τα οποία με ασχολούμπησα, το πήραμε σε ακραίες συνθήκες - αν το κτίριο έσπασε πραγματικά είχαμε επισυνάψει σε αρκετούς υπολογιστές στην περιοχή μας, όπου είχαμε συνεργαστεί με τους επιχειρηματικούς χρήστες, είχαμε κόκκινα φώτα που αναβοσβήνουν μόνο όπως η κορυφή των αστυνομικών αυτοκινήτων. Και αν χτίσουν το κτίριο, τα κόκκινα φώτα που αναβοσβήνουν άρχισαν να σβήνουν και ξέραμε ότι ήταν όλα τα χέρια στο κατάστρωμα: διορθώστε το κτίριο και στη συνέχεια συνεχίστε με αυτό που κάναμε.

Θέλω να μιλήσω για άλλα πράγματα και αυτή είναι μια μοναδική δυνατότητα για το ER Studio, βοηθά πραγματικά όταν προσπαθούμε να φτιάξουμε αυτά τα αντικείμενα ως προγραμματιστές για αυτά τα όρια εμμονής, έχουμε μια έννοια που ονομάζεται αντικείμενα επιχειρηματικών δεδομένων και τι μας επιτρέπει να είναι εάν εξετάζετε αυτό το πολύ απλοϊκό μοντέλο δεδομένων ως παράδειγμα, μας επιτρέπει να ενθυλακώνουμε οντότητες ή ομάδες οντοτήτων για τα όρια όπου υπάρχουν τα όρια εμμονής. Όπου εμείς ως μοντέλο δεδομένων μπορούμε να σκεφτούμε κάτι σαν μια κεφαλίδα εντολής αγοράς και την ευθυγράμμιση της παραγγελίας και άλλους λεπτομερείς πίνακες που θα συνδέονταν σε αυτό με τον τρόπο που την αναπτύξαμε και οι προγραμματιστές των υπηρεσιών δεδομένων μας πρέπει να γνωρίζουν πώς τα πράγματα παραμένουν σε αυτά τα διαφορετικά δεδομένα δομές. Οι προγραμματιστές μας σκέφτονται πράγματα όπως η εντολή αγοράς ως αντικείμενο συνολικά και ποια είναι η σύμβασή τους με το πώς δημιουργούν αυτά τα συγκεκριμένα αντικείμενα. Μπορούμε να εκθέσουμε αυτήν την τεχνική λεπτομέρεια έτσι ώστε οι άνθρωποι που κατασκευάζουν τους διακομιστές δεδομένων να μπορούν να δουν τι είναι κάτω από αυτό και μπορούμε να προστατέψουμε τα άλλα ακροατήρια από τις πολυπλοκότητες, ώστε να δουν μόνο τα διαφορετικά αντικείμενα υψηλότερου επιπέδου, τα οποία επίσης λειτουργούν πολύ καλά για επικοινωνία με τις επιχειρήσεις τους αναλυτές και τους επιχειρηματίες, όταν μιλάμε για την αλληλεπίδραση των διαφορετικών επιχειρηματικών ιδεών.

Το ωραίο για αυτό είναι επίσης ότι επεκτείνουμε και καταρρεύσουμε εποικοδομητικά αυτά ώστε να διατηρήσουμε τις σχέσεις μεταξύ των αντικειμένων υψηλότερης τάξης παρόλο που προέρχονται από κατασκευές που περιέχονται μέσα σε αυτά τα αντικείμενα δεδομένων των επιχειρήσεων. Τώρα ως μοτοσικλετιστής, φτάστε στο τέλος του σπριντ, στο τέλος του σπριντ wrap-up, έχω πολλά πράγματα που πρέπει να κάνω, τα οποία ονομάζω νοικοκυριό μου για το επόμενο σπριντ. Κάθε σπριντ δημιουργώ αυτό που αποκαλώ Named Release - που μου δίνει τη βάση μου για αυτό που έχω τώρα στο τέλος της απελευθέρωσης. Αυτό σημαίνει ότι αυτή είναι η γραμμή βάσης μου προς τα εμπρός, όλες αυτές οι γραμμές βάσης ή Named Releases που δημιουργώ και αποθηκεύω στο αποθετήριο μου μπορώ να χρησιμοποιήσω για να κάνω σύγκριση / συγχώνευση έτσι μπορώ πάντα να συγκρίνω με οποιοδήποτε δεδομένο άκρο της σπριντ από οποιοδήποτε άλλο σπριντ, είναι πολύ σημαντικό να γνωρίζετε ποιες ήταν οι αλλαγές σας στο μοντέλο δεδομένων σας στο δρόμο του ταξιδιού.

Δημιουργώ επίσης ένα σενάριο DDL δέλτα χρησιμοποιώντας τη σύγκριση / συγχώνευση ξανά από την αρχή μέχρι το τέλος του σπριντ. Μπορεί να έχω ελέγξει σε μια ολόκληρη δέσμη incremental script, αλλά αν το χρειάζομαι τώρα έχω ένα script που μπορώ να αναπτύξω για να σηκωθώ με άλλα sandboxes έτσι μπορώ να πω απλά ότι αυτό είχαμε στην αρχή του ενός σπριντ, ώθηση μέσω αυτής, να δημιουργήσουμε μια βάση δεδομένων ως sandbox για να ξεκινήσουμε με το επόμενο σπριντ και μπορούμε επίσης να χρησιμοποιήσουμε αυτά τα πράγματα για να κάνουμε πράγματα όπως παραδείγματα QA standup και τελικά, φυσικά, θέλουμε να ωθήσουμε τις αλλαγές μας στην παραγωγή έτσι έχουμε πολλά πράγματα να συμβαίνουν Την ίδια στιγμή. Και πάλι, συμμετέχουμε πλήρως στο σχεδιασμό σπριντ και τις αναδρομές, οι αναδρομές είναι πραγματικά τα διδάγματα και αυτό είναι εξαιρετικά σημαντικό, επειδή μπορείτε να πάτε πολύ γρήγορα κατά τη διάρκεια της ευελιξίας, πρέπει να σταματήσετε και να γιορτάσετε τις επιτυχίες, όπως τώρα. Κατανοήστε τι είναι λάθος, βελτιώστε την επόμενη φορά, αλλά και να γιορτάσετε τα πράγματα που πήγαν σωστά και να τα βασίσετε καθώς συνεχίζετε να προχωράτε στα επόμενα σπριντ που προχωρούν.

Τώρα θα μιλήσω πολύ γρήγορα για την αξία της επιχείρησης. Υπήρξε ένα έργο που εμπλέκονταν πριν από πολλά χρόνια που ξεκίνησε ως ένα ευκίνητο έργο και ήταν ένα ακραίο έργο, επομένως ήταν μια καθαρά αυτο-οργανωτική ομάδα όπου ήταν απλά προγραμματιστές που έκαναν τα πάντα. Για να κάνουμε μια σύντομη ιστορία σύντομη, αυτό το έργο ήταν στασιμότητα και διαπίστωσαν ότι δαπανούσαν όλο και περισσότερες φορές για την αποκατάσταση και την επιδιόρθωση των ελαττωμάτων που εντοπίστηκαν από ό, τι επρόκειτο να πιέσουν περισσότερη λειτουργικότητα και, στην πραγματικότητα, όταν το θεώρησαν βασισμένο στους πίνακες καύσης θα έπρεπε να επεκτείνουν το έργο έξι μήνες με τεράστιο κόστος. Και όταν το εξετάσαμε, ο τρόπος για να αποκαταστήσουμε το πρόβλημα ήταν να χρησιμοποιήσουμε ένα κατάλληλο εργαλείο μοντελοποίησης δεδομένων με έναν εξειδικευμένο διαμορφωτή δεδομένων που συμμετέχει στο ίδιο το έργο.

Αν κοιτάξετε αυτήν την κάθετη γραμμή σε αυτό το συγκεκριμένο γράφημα, αυτό δείχνει αθροιστικά ελαττώματα έναντι αθροιστικών αντικειμένων και μιλάω για αντικείμενα δεδομένων ή κατασκευάσματα που δημιουργήθηκαν όπως οι πίνακες με τους περιορισμούς και αυτούς τους τύπους πραγμάτων, αν εξετάσατε πριν από την εισαγωγή του μοντέλου δεδομένων, ο αριθμός των ελαττωμάτων ξεπέρασε και άρχισε να χτίζει λίγο κενό σε σχέση με τον πραγματικό αριθμό αντικειμένων που δημιουργήθηκαν μέχρι εκείνη την χρονική στιγμή. Μετά την 21η εβδομάδα, όταν εισήχθη ο διαμορφωτής δεδομένων, επαναπροσδιορίστηκε το μοντέλο δεδομένων με βάση το τι υπήρχε για να διορθωθεί μια σειρά από πράγματα και στη συνέχεια άρχισε η μοντελοποίηση ως μέρος της ομάδας του έργου προς τα εμπρός, οι αλλαγές καθώς το έργο αυτό ωθείται προς τα εμπρός . Και είδατε μια πολύ γρήγορη ανάκαμψη, που μέσα σε περίπου ένα sprint και ένα μισό, είδαμε ένα τεράστιο uptick στον αριθμό των αντικειμένων και κατασκευάσματα δεδομένων που παράγονται και κατασκευάζονται επειδή δημιουργούσαμε από ένα εργαλείο μοντελοποίησης δεδομένων και όχι από ένα stick developer την οικοδόμηση τους σε ένα περιβάλλον και ήταν σωστές επειδή είχαν την κατάλληλη αναλογική ακεραιότητα και τις άλλες δομές που θα έπρεπε να έχουν. Το επίπεδο των ελαττωμάτων σε σχέση με αυτά σχεδόν επίπεδη. Λαμβάνοντας αυτές τις κατάλληλες ενέργειες και βεβαιώνοντας ότι η μοντελοποίηση των δεδομένων ήταν πλήρως ενεργοποιημένη, το έργο παραδόθηκε εγκαίρως με πολύ υψηλότερο επίπεδο ποιότητας και στην πραγματικότητα δεν θα είχε παραδοθεί καθόλου εάν τα βήματα αυτά δεν είχαν πραγματοποιηθεί. Υπάρχουν πολλές ευμετάβλητες αποτυχίες εκεί έξω, υπάρχουν και πολλές ευμετάβλητες επιτυχίες, αν έχετε τους σωστούς ανθρώπους με τους κατάλληλους ρόλους. Είμαι ένας τεράστιος υποστηρικτής του ευέλικτου ως επιχειρησιακής πειθαρχίας, αλλά πρέπει να βεβαιωθείτε ότι έχετε τις δεξιότητες όλων των σωστών ομάδων που εμπλέκονται ως ομάδες του έργου σας καθώς προχωράτε σε ένα ευκίνητο είδος προσπάθειας.

Συνοψίζοντας, οι αρχιτέκτονες δεδομένων και οι μοντελιστές πρέπει να συμμετέχουν σε όλα τα αναπτυξιακά έργα. είναι πραγματικά η κόλλα που κρατά τα πάντα μαζί, γιατί ως μοντέλο δεδομένων και αρχιτέκτονες καταλαβαίνουμε όχι μόνο τις δομές δεδομένων του δεδομένου αναπτυξιακού έργου αλλά και εκεί όπου υπάρχουν τα δεδομένα στον οργανισμό και από ποια δεδομένα μπορούμε να τα αντλήσουμε και επίσης πώς πρόκειται να χρησιμοποιηθεί και να χρησιμοποιηθεί εκτός της ίδιας της συγκεκριμένης εφαρμογής στην οποία εργαζόμαστε. Αντιλαμβανόμαστε τις πολύπλοκες σχέσεις δεδομένων και είναι πρωταρχικής σημασίας να μπορούμε να προχωρήσουμε και από την πλευρά της διακυβέρνησης να χαρτογραφήσουμε το έγγραφο και να κατανοήσουμε πώς φαίνεται το πλήρες τοπίο δεδομένων σας.

Είναι σαν τη μεταποίηση. Ήρθα από ένα περιβάλλον κατασκευής. Δεν μπορείτε να επιθεωρήσετε την ποιότητα σε κάτι στο τέλος - θα χρειαστεί να δημιουργήσετε ποιότητα στο σχεδιασμό σας εκ των προτέρων και στο δρόμο σας και η μοντελοποίηση δεδομένων είναι ένας τρόπος να δημιουργηθεί αυτή η ποιότητα στο σχέδιο με αποτελεσματικό και οικονομικά αποδοτικό τρόπο σε όλη τη διαδρομή . Και πάλι, κάτι που πρέπει να θυμηθούμε - και αυτό δεν πρέπει να είναι πικάντικο, αλλά είναι η αλήθεια - οι εφαρμογές έρχονται και πηγαίνουν, τα δεδομένα είναι το ζωτικό εταιρικό περιουσιακό στοιχείο και υπερβαίνουν όλα αυτά τα όρια εφαρμογής. Κάθε φορά που τοποθετείτε μια εφαρμογή, ίσως σας ζητηθεί να διατηρήσετε τα δεδομένα από άλλες εφαρμογές που ήρθαν πριν, έτσι πρέπει απλώς να θυμηθείτε ότι είναι ένα σημαντικό εταιρικό ενεργητικό που διατηρούμε διαχρονικά.

Και αυτό είναι! Από εδώ θα λάβουμε περισσότερες ερωτήσεις.

Eric Kavanagh: Εντάξει, καλό, επιτρέψτε μου να το πετάξω στον Robin πρώτα. Και τότε, Dez, είμαι βέβαιος ότι έχετε μερικές ερωτήσεις. Πάρτε το μακριά, Robin.

Δρ Robin Bloor: Εντάξει. Για να είμαι ειλικρινής, ποτέ δεν είχα κανένα πρόβλημα με τις ευέλικτες μεθόδους εξέλιξης και μου φαίνεται ότι κάνεις εδώ έχει εξαιρετική αίσθηση. Θυμάμαι να κοιτάζω κάτι στη δεκαετία του '80 που έδειξε, πράγματι, ότι το πρόβλημα που αντιμετωπίζεις πραγματικά σε σχέση με ένα έργο που ξεφεύγει από τον έλεγχο είναι συνήθως αν αφήσεις ένα λάθος να παραμένει πέρα ​​από ένα συγκεκριμένο στάδιο. Απλώς καθίσταται όλο και πιο δύσκολο να διορθώσετε αν δεν πάρετε αυτό το στάδιο σωστά, έτσι ένα από τα πράγματα που κάνετε εδώ - και νομίζω ότι αυτή είναι η διαφάνεια - αλλά ένα από τα πράγματα που κάνετε εδώ σε μηδενικό σπριντ, κατά τη γνώμη μου, είναι απολύτως σημαντικό επειδή προσπαθείτε πραγματικά να φτάσετε τα παραδοτέα εκεί. Και αν δεν παραδοθούν τα παραδοτέα, τότε τα παραδοτέα αλλάζουν σχήμα.

Αυτό είναι το είδος της άποψής μου. Είναι επίσης η γνώμη μου - πραγματικά δεν έχω κανένα επιχείρημα με την ιδέα ότι πρέπει να πάρετε το μοντέλο δεδομένων σωστά σε ένα ορισμένο επίπεδο λεπτομέρειας προτού να περάσετε. Αυτό που θα ήθελα να προσπαθήσετε και να κάνετε, επειδή δεν έχω μια πλήρη αίσθηση του, περιγράφει απλώς ένα από αυτά τα έργα από την άποψη του μεγέθους του, από την άποψη του τρόπου με τον οποίο ρέει, από την άποψη του ποιος, ξέρετε, όπου τα προβλήματα προκάλεσαν, επιλύθηκαν; Επειδή νομίζω ότι αυτή η διαφάνεια είναι σχεδόν η καρδιά της και αν θα μπορούσατε να επεξεργαστείτε λίγο περισσότερο σε αυτό, θα ήμουν πολύ ευγνώμων.

Ron Huizenga: Σίγουρα, και θα χρησιμοποιήσω μερικά παραδείγματα έργων. Αυτός που ξεκίνησε από τις ράγες που είχαν ανακυκλωθεί πράγματι να πάρει τους κατάλληλους ανθρώπους που συμμετείχαν και να κάνει τη μοντελοποίηση δεδομένων και όλα ήταν πραγματικά ένας τρόπος να σιγουρευτούμε ότι ο σχεδιασμός κατανοήθηκε καλύτερα και προφανώς είχαμε καλύτερο σχεδιασμό υλοποίησης στο δρόμο διαμέσου της μοντελοποίησης. Επειδή όταν το μοντελοποιείτε, μπορείτε να δημιουργήσετε το DDL και τα πάντα έξω από το πίσω μέρος και έξω από το εργαλείο, αντί να χρειαστεί να κολλήσετε την κατασκευή αυτού όπως οι άνθρωποι θα μπορούσαν συνήθως να κάνουν πηγαίνοντας κατευθείαν σε ένα περιβάλλον βάσης δεδομένων. Και τα τυπικά πράγματα που θα συμβούν με τους προγραμματιστές είναι ότι θα πάνε εκεί και θα πουν, εντάξει, χρειάζομαι αυτά τα τραπέζια. Ας πούμε ότι κάνουμε εγγραφές παραγγελιών. Έτσι θα μπορούσαν να δημιουργήσουν την κεφαλίδα εντολής και τους πίνακες λεπτομέρειας παραγγελιών, και αυτά τα είδη των πραγμάτων. Αλλά πολύ συχνά θα ξεχνούν ή παραμελούν να βεβαιωθούν ότι οι περιορισμοί υπάρχουν για να αντιπροσωπεύσουν τις σχέσεις ξένου κλειδιού. Μπορεί να μην έχουν τα πλήκτρα σωστά. Οι συμβάσεις ονομασίας μπορεί επίσης να είναι ύποπτες. Δεν γνωρίζω πόσες φορές έχω πάει σε ένα περιβάλλον, για παράδειγμα, όπου βλέπετε ένα σωρό διαφορετικά τραπέζια με διαφορετικά ονόματα, αλλά στη συνέχεια τα ονόματα στηλών σε αυτούς τους πίνακες είναι σαν ID, Όνομα ή οτιδήποτε άλλο, έτσι «Έχασα πραγματικά το πλαίσιο χωρίς το τραπέζι του τι ακριβώς είναι αυτό.

Έτσι, συνήθως, όταν είμαστε μοντέλα δεδομένων, θα διασφαλίσουμε ότι εφαρμόζουμε κατάλληλες συμβάσεις ονοματοδοσίας σε όλα τα τεχνουργήματα που παράγονται και στο DDL. Αλλά για να είμαι πιο συγκεκριμένος σχετικά με τη φύση των έργων είναι, γενικά, μιλάω για αρκετά μεγάλες πρωτοβουλίες. Ένας από αυτούς ήταν έργο μετατροπής επιχειρήσεων ύψους 150 εκατομμυρίων δολαρίων, όπου αντικαταστήσαμε πάνω από δώδεκα συστήματα κληρονομιών. Είχαμε πέντε διαφορετικές ευκίνητες ομάδες που διεξάγονται ταυτόχρονα. Είχα μια πλήρη ομάδα αρχιτεκτονικής δεδομένων, έτσι έχω ενσωματωμένους μοντελοποιητές δεδομένων από την ομάδα μου σε όλες τις άλλες ομάδες εφαρμογών της αίτησης και εργαζόμαστε με ένα συνδυασμό εσωτερικών επιχειρηματικών εμπειρογνωμόνων που γνώριζαν το αντικείμενο, που έκαναν το ιστορίες χρηστών για τις ίδιες τις απαιτήσεις. Είχαμε επιχειρηματικούς αναλυτές σε κάθε μία από αυτές τις ομάδες που όντως μοντελοποιούσαν την επιχειρηματική διαδικασία, με τα διαγράμματα δραστηριότητας ή τα διαγράμματα επιχειρησιακών διεργασιών, συμβάλλοντας στη λεπτομερέστερη επεξεργασία των ιστοριών των χρηστών με τους χρήστες προτού να καταναλωθούν από το υπόλοιπο της ομάδας.

Και στη συνέχεια, φυσικά, οι προγραμματιστές που χτίζονταν τον κώδικα εφαρμογής πάνω από αυτό. Και εργαζόμαστε επίσης με, νομίζω ότι ήταν τέσσερις διαφορετικοί πωλητές συστημάτων ολοκλήρωσης που χτίζονταν διαφορετικά μέρη της εφαρμογής καθώς και όπου μια ομάδα χτίζοντας τις υπηρεσίες δεδομένων, η άλλη χτίζοντας λογική εφαρμογής σε μια περιοχή, άλλη μια που είχε εμπειρία σε μια άλλη επιχειρηματική περιοχή χτίζοντας τη λογική εφαρμογής σε αυτή την περιοχή. Συνεπώς, είχαμε μια ολόκληρη συνεργασία ανθρώπων που εργάζονταν σε αυτό το έργο. Σε αυτή την ομάδα, ειδικότερα, είχαμε 150 άτομα στην ακτή της ομάδας και άλλα 150 πόρους offshore για την ομάδα που συνεργάζονταν δύο-εβδομάδες σπριντ για να οδηγήσουν αυτό το πράγμα έξω. Και για να γίνει αυτό, πρέπει να σιγουρευτείτε ότι πυροβολείτε σε όλους τους κυλίνδρους και όλοι είναι καλά συγχρονισμένοι ως προς τα παραδοτέα τους και είχατε αυτές τις συχνές επαναλήψεις για να βεβαιωθείτε ότι ολοκληρώναμε τις παραδόσεις μας από όλα τα απαραίτητα αντικείμενα στο τέλος κάθε σπριντ.

Δρ Robin Bloor: Αυτό είναι εντυπωσιακό. Και απλά για λίγες λεπτομέρειες σχετικά με αυτό - καταλήξατε σε ένα ολοκληρωμένο, τι θα έλεγα, MDM χάρτη ολόκληρης της περιοχής δεδομένων στο τέλος αυτού του έργου;

Ron Huizenga: Είχαμε ένα πλήρες μοντέλο δεδομένων που αναλύθηκε με την αποσύνθεση μεταξύ όλων των διαφορετικών επιχειρηματικών τομέων. Το ίδιο το λεξικό δεδομένων όσον αφορά τους πλήρεις ορισμούς απέτυχε λίγο. Είχαμε τους περισσότερους πίνακες ορισμένους. είχαμε τις περισσότερες από τις στήλες που ορίζονται ως ακριβώς τι εννοούσαν. Υπήρχαν μερικοί που δεν υπήρχαν και, αρκετά ενδιαφέρον, πολλά από αυτά ήταν πληροφορίες που προέρχονταν από τα συστήματα παλαιού τύπου όπου, μετά το τέλος του πεδίου εφαρμογής του έργου, αυτό εξακολουθούσε να είναι τεκμηριωμένο ως ένα μεταφερόμενο σύνολο αντικείμενα, όπως ήταν, εκτός του ίδιου του έργου, επειδή ήταν κάτι που έπρεπε να υποστηριχθεί από την οργάνωση να προχωρήσει. Ομοίως, ο οργανισμός έλαβε πολύ μεγαλύτερη άποψη σχετικά με τη σημασία της διακυβέρνησης των δεδομένων επειδή είδαμε πολλές ελλείψεις σε αυτά τα συστήματα παλαιού τύπου και στις πηγές δεδομένων παλαιού τύπου που προσπαθούσαμε να καταναλώσουμε επειδή δεν ήταν τεκμηριωμένες. Σε πολλές περιπτώσεις είχαμε μόνο βάσεις δεδομένων που έπρεπε να αναστρέψουμε μηχανικούς και να προσπαθήσουμε να καταλάβουμε τι υπήρχε και για ποιες πληροφορίες υπήρχε.

Δρ Robin Bloor: Δεν με εκπλήσσει, αυτή η ιδιαίτερη πτυχή του. Η διακυβέρνηση δεδομένων είναι, ας το ονομάσουμε, ένα πολύ σύγχρονο θέμα και νομίζω ότι, πραγματικά, υπάρχει πολλή δουλειά που, ας πούμε, έπρεπε να γίνει ιστορικά με τη διαχείριση των δεδομένων. Ποτέ δεν ήταν επειδή θα μπορούσατε, είδος, να ξεφύγετε με το να μην το κάνετε. Αλλά δεδομένου ότι ο πόρος των δεδομένων απλά μεγάλωσε και μεγάλωσε, τελικά δεν θα μπορούσατε.

Εν πάση περιπτώσει, θα περάσω στο Dez επειδή νομίζω ότι είχα διατεθεί ο χρόνος μου. Dez;

Dez Blanchfield: Ναι, ευχαριστώ. Μέσα από αυτό το όλο πράγμα που βλέπω και σκέφτομαι για τον εαυτό μου ότι μιλάμε για να δούμε ευκίνητο που χρησιμοποιείται με θυμό με πολλούς τρόπους. Αν και αυτό έχει αρνητικές υποσχέσεις. Εννοώ με θετικό τρόπο. Θα μπορούσατε ίσως απλά να μας δώσετε ένα σενάριο, εννοώ, υπάρχουν δύο θέσεις που μπορώ να δω ότι αυτό είναι ένα τέλειο σετ: το ένα είναι νέα έργα που απλά πρέπει να γίνουν από την πρώτη μέρα, αλλά νομίζω πάντοτε, από την εμπειρία μου, είναι συχνά η περίπτωση που όταν τα έργα φτάσουν αρκετά ώστε αυτό να είναι απαραίτητο με πολλούς τρόπους, υπάρχει μια ενδιαφέρουσα πρόκληση ανάμεσα στη συγκόλληση των δύο κόσμων, σωστά; Μπορείτε να μας δώσετε οποιεσδήποτε πληροφορίες σχετικά με ορισμένες ιστορίες επιτυχίας που έχετε δει από πού έχετε πάει σε έναν οργανισμό, είναι ξεκάθαρο ότι έχουν μια μικρή σύγκρουση των δύο κόσμων και έχετε καταφέρει να πετύχετε με επιτυχία αυτό συμβαίνει και φέρνουν μεγάλα έργα μαζί όπου θα μπορούσαν διαφορετικά να έχουν περάσει στις ράγες; Ξέρω ότι είναι μια πολύ ευρεία ερώτηση, αλλά αναρωτιέμαι απλά αν υπάρχει μια συγκεκριμένη μελέτη περίπτωσης που μπορείτε, κάπως, να δείξετε πού είπατε, ξέρετε, το βάζουμε όλα στη θέση της και έφερε όλη την ομάδα ανάπτυξης μαζί με η ομάδα δεδομένων και έχουμε, κατά κάποιο τρόπο, αντιμετωπιστεί κάτι που διαφορετικά θα μπορούσε να βυθίσει το σκάφος;

Ron Huizenga: Σίγουρα, και στην πραγματικότητα το ένα έργο που συνέβη να είναι ένα έργο αγωγού ήταν αυτό που ανέφερα στο σημείο όπου έδειξα ότι το γράφημα με τα ελαττώματα πριν και μετά από το μοντέλο δεδομένων εμπλέκεται. Αρκετά συχνά και υπάρχουν προκαταλήψεις, ειδικά αν τα πράγματα είναι στριμωγμένα όπου γίνεται από καθαρά αναπτυξιακή προοπτική, είναι απλώς προγραμματιστές που συμμετέχουν σε αυτά τα ευκίνητα έργα για να παραδώσουν τις εφαρμογές. Έτσι λοιπόν, αυτό που συνέβη εκεί ήταν βέβαια ότι κατέβηκαν από τις σιδηροτροχιές και τα τεχνουργήματα των δεδομένων τους, ή τα παραδοτέα δεδομένων που παρήγαγαν, έπεσαν κάτω από το σήμα από την άποψη της ποιότητας και πραγματικά αντιμετωπίζοντας τα πράγματα συνολικά. Και υπάρχει συχνά αυτή η εσφαλμένη αντίληψη ότι οι διαμορφωτές δεδομένων θα επιβραδύνουν τα έργα κάτω, και αυτοί αν ο διαμορφωτής δεδομένων δεν έχει τη σωστή στάση. Όπως λέω, πρέπει να χάσετε το - μερικές φορές υπάρχουν διαμορφωτές δεδομένων που έχουν αυτή την παραδοσιακή στάση gatekeeper όπου, "Είμαστε εδώ για να ελέγξουμε τις δομές δεδομένων που μοιάζουν, " και αυτή η νοοτροπία πρέπει να εξαφανιστεί. Όποιος ασχολείται με την ευκίνητη ανάπτυξη, και ιδιαίτερα με τους διαμορφωτές δεδομένων, πρέπει να αναλάβει ρόλο διευκόλυνσης για να βοηθήσει πραγματικά τις ομάδες να προχωρήσουν. Και ο καλύτερος τρόπος να παρουσιαστεί αυτό είναι να δείξει πολύ γρήγορα τις ομάδες πόσο παραγωγικές μπορούν να είναι διαμορφώνοντας πρώτα τις αλλαγές. Και πάλι, γι 'αυτό μίλησα για τη συνεργασία.

Υπάρχουν μερικά πράγματα που μπορούμε να μοντελοποιήσουμε πρώτα και να δημιουργήσουμε το DDL για να προωθήσουμε τους προγραμματιστές. Θέλουμε επίσης να διασφαλίσουμε ότι δεν αισθάνονται ότι περιορίζονται. Έτσι, αν υπάρχουν πράγματα που εργάζονται, αφήστε τους να συνεχίσουν να εργάζονται στους sandboxes ανάπτυξης τους, επειδή εκεί είναι όπου οι προγραμματιστές εργάζονται στους δικούς τους υπολογιστές ή άλλες βάσεις δεδομένων για να κάνουν κάποιες αλλαγές όπου δοκιμάζουν τα πράγματα. Και συνεργάζεται μαζί τους και λέει: "Εντάξει, να δουλέψουμε με αυτό." Θα το φέρουμε στο εργαλείο, θα το λύσουμε και στη συνέχεια θα το σπρώξουμε προς τα εμπρός και θα σας δώσουμε τα σενάρια που μπορείτε να αναπτύξετε για να ενημερώσετε βάσεις δεδομένων για την αναβάθμισή τους σε ό, τι η πραγματική κυρώσεις πραγματική άποψη της παραγωγής του πρόκειται να είναι όπως συνεχίζουμε να προχωράμε. Και μπορείτε να το μετατρέψετε σε ένα πολύ γρήγορο τρόπο. Διαπίστωσα ότι οι μέρες μου ήταν γεμάτες, όπου πήγαινα μπροστά και πίσω με διαφορετικές ομάδες ανάπτυξης, εξετάζοντας τις αλλαγές, συγκρίνοντας, δημιουργώντας σενάρια, πηγαίνοντάς τους, και ήμουν σε θέση να διατηρήσω τον εαυτό μου με τέσσερις αναπτυξιακές ομάδες μάλλον εύκολα, πέτυχε μια δυναμική.

Dez Blanchfield: Ένα από τα πράγματα που έρχεται στο μυαλό είναι ότι, γνωρίζετε, πολλές από τις συνομιλίες που έχω σε καθημερινή βάση είναι για αυτό το εμπορικό τρένο που έρχεται σε μας, το είδος της μηχανής-να -μηχανή και IoT. Και αν νομίζουμε ότι έχουμε τώρα πολλά δεδομένα σχετικά με τα σημερινά περιβάλλοντα της επιχείρησής μας, γνωρίζετε ότι εάν παίρνουμε τα μονόκερα για λίγο, γνωρίζουμε ότι τα Googles και τα Facebook και οι Ubers έχουν πεντακύτταρα δεδομένων, αλλά σε μια παραδοσιακή επιχείρηση μιλάμε για ακόμα εκατοντάδες terabytes και πολλά δεδομένα. Αλλά υπάρχει αυτή η εμπορική αμαξοστοιχία που έρχεται σε οργανισμούς, κατά την άποψή μου, και ο δρ. Robin Bloor το μίλησε νωρίτερα, για το IoT. Ξέρετε, έχουμε πολλή επισκεψιμότητα στο διαδίκτυο, έχουμε κοινωνική κίνηση, έχουμε κινητικότητα και κινητές συσκευές, το σύννεφο εξερράγη, αλλά τώρα έχουμε έξυπνη υποδομή, έξυπνες πόλεις και υπάρχει ολόκληρος αυτός ο κόσμος δεδομένων που απλά εξερράγη.

Για μια καθημερινή οργάνωση, ένας μεσαίος ή μεγάλος οργανισμός που κάθεται εκεί και βλέπει αυτόν τον κόσμο του πόνου, τους έρχεται και δεν έχει στο μυαλό τους ένα άμεσο σχέδιο, ποια είναι μερικά από τα πιατάκια, σε λίγες προτάσεις, που βάζετε σε αυτούς πότε και πού πρέπει να αρχίσουν να σκέπτονται συνομιλητικά για την εφαρμογή ορισμένων από αυτές τις μεθοδολογίες. Πόσο νωρίς χρειάζονται για να αρχίσουν να σχεδιάζουν σχεδόν να καθίσουν και να δώσουν προσοχή και να πω ότι αυτή είναι η κατάλληλη στιγμή για να βγάλουν κάποια εργαλεία στη θέση τους και να πάρουν την ομάδα εκπαιδευμένη και να πάρει μια συνομιλία vocab που πηγαίνει γύρω από αυτή την πρόκληση; Πόσο αργά η ιστορία είναι πολύ αργά ή πότε είναι πολύ νωρίς; Τι μοιάζει με μερικούς από τους οργανισμούς που βλέπετε;

Ron Huizenga: Θα ήθελα να πω για τις περισσότερες οργανώσεις ότι αν δεν το έχουν ήδη κάνει και έχουν προσαρμόσει την αρχιτεκτονική δεδομένων και την αρχιτεκτονική δεδομένων με ισχυρά εργαλεία όπως αυτό, ο χρόνος που πρέπει να κάνουν είναι χθες. Επειδή είναι ενδιαφέρον το γεγονός ότι ακόμα και σήμερα, όταν κοιτάζετε τα δεδομένα σε οργανισμούς, έχουμε τόσα πολλά στοιχεία στις οργανώσεις μας και γενικά, με βάση κάποιες έρευνες που έχουμε δει, χρησιμοποιούμε αποτελεσματικά λιγότερο από το 5% αυτών των δεδομένων όταν κοιτάμε τις οργανώσεις. Και με το IoT ή ακόμα και με το NoSQL, τα μεγάλα δεδομένα - ακόμη και αν δεν είναι μόνο το IoT, αλλά γενικά τα μεγάλα δεδομένα - όπου αρχίζουμε να καταναλώνουμε ακόμα περισσότερες πληροφορίες που προέρχονται από εξωτερικούς οργανισμούς, η πρόκληση γίνεται όλο και μεγαλύτερη όλη την ώρα. Και ο μόνος τρόπος με τον οποίο έχουμε την ευκαιρία να αντιμετωπίσουμε αυτό είναι να μας βοηθήσετε να καταλάβουμε τι είναι αυτά τα δεδομένα.

Έτσι, η περίπτωση χρήσης είναι λίγο διαφορετική. Αυτό που βρισκόμαστε είναι όταν εξετάζουμε αυτά τα δεδομένα, τα συλλαμβάνουμε, πρέπει να το αναστρέψουμε, να δούμε τι υπάρχει σε αυτά, είτε πρόκειται για τις λίμνες δεδομένων είτε για τις εσωτερικές βάσεις δεδομένων μας, να συνθέσουμε τι τα δεδομένα είναι, εφαρμόστε τις έννοιες σε αυτό και ορισμούς σε αυτό ώστε να κατανοήσουμε τα δεδομένα. Γιατί μέχρι να καταλάβουμε τι είναι, δεν μπορούμε να διασφαλίσουμε ότι το χρησιμοποιούμε σωστά ή επαρκώς. Πρέπει λοιπόν πραγματικά να έχουμε μια λαβή για το τι είναι αυτά τα δεδομένα. Και το άλλο μέρος αυτού είναι, μην το κάνετε επειδή μπορείτε, όσον αφορά την κατανάλωση όλων αυτών των εξωτερικών δεδομένων, να βεβαιωθείτε ότι έχετε μια περίπτωση χρήσης που υποστηρίζει την κατανάλωση αυτών των εξωτερικών δεδομένων. Εστιάστε στα πράγματα που χρειάζεστε και όχι απλώς προσπαθήστε να τραβήξετε και να χρησιμοποιήσετε τα πράγματα που μπορεί αργότερα να χρειαστείτε. Εστιάστε πρώτα στα σημαντικά πράγματα και καθώς εργάζεστε με το δικό σας τρόπο, τότε θα φτάσετε στην κατανάλωση και προσπαθώντας να κατανοήσετε τις άλλες πληροφορίες από έξω.

Ένα τέλειο παράδειγμα είναι ότι ξέρω ότι μιλάμε για IoT και αισθητήρες, αλλά το ίδιο πρόβλημα υπήρξε σε πολλές οργανώσεις εδώ και πολλά χρόνια, ακόμα και πριν από την ηλικία. Οποιοσδήποτε έχει σύστημα ελέγχου παραγωγής, είτε πρόκειται για εταιρεία αγωγών, είτε για κατασκευή, είτε για εταιρείες που βασίζονται σε διαδικασίες που έχουν πράγματα όπου κάνουν πολύ αυτοματοποίηση με ελέγχους και χρησιμοποιούν ροές δεδομένων και τέτοια πράγματα, έχουν αυτά τα firehoses των δεδομένων που προσπαθούν να πίνουν έξω για να υπολογίσει, ποια είναι τα γεγονότα που έχουν συμβεί στον εξοπλισμό παραγωγής μου για να σηματοδοτήσει - τι συνέβη και πότε; Και μεταξύ αυτής της τεράστιας ροής δεδομένων υπάρχουν μόνο συγκεκριμένα κομμάτια πληροφοριών ή ετικετών που ενδιαφέρονται για το ότι πρέπει να κοσκινίζουν, να συνθέτουν, να μοντελοποιούν και να κατανοούν. Και μπορούν να αγνοήσουν το υπόλοιπο έως ότου έρθει η στιγμή να το καταλάβουν πραγματικά, και τότε μπορούν να επεκτείνουν το πεδίο δράσης τους για να τραβήξουν όλο και περισσότερα από αυτά σε πεδίο εφαρμογής, αν αυτό έχει νόημα.

Dez Blanchfield: Πράγματι. Υπάρχει μια ερώτηση που θα οδηγήσω σε αυτό που ήρθε από έναν κύριο που ονομάζεται Eric, και έχουμε συζητήσει για αυτό ιδιωτικά. Μόλις ζήτησα την άδειά του, την οποία του έδωσε, να σας το ζητήσω. Διότι οδηγεί ωραία σε αυτό, απλώς να τελειώσει, γιατί θα πάμε λίγο με την πάροδο του χρόνου τώρα, και θα επιστρέψω στον Eric. Αλλά η ερώτηση από έναν άλλο Eric ήταν, είναι λογικό να υποθέσουμε ότι οι ιδιοκτήτες μιας εκκίνησης είναι εξοικειωμένοι και κατανοούν τις μοναδικές προκλήσεις γύρω από την ορολογία μοντελοποίησης και έτσι, ή πρέπει να παραδοθούν σε κάποιον άλλο για ερμηνεία; Έτσι, με άλλα λόγια, θα πρέπει μια εκκίνηση να είναι ικανή και έτοιμη και πρόθυμη και ικανή να επικεντρωθεί και να παραδώσει σε αυτό; Ή μήπως είναι κάτι που θα έπρεπε πιθανότατα να κάνουν αγορές και να φέρουν εμπειρογνώμονες;

Ron Huizenga: Υποθέτω ότι η σύντομη απάντηση είναι ότι πραγματικά εξαρτάται. Αν πρόκειται για εκκίνηση που δεν έχει κάποιον in-house ο οποίος είναι αρχιτέκτονας δεδομένων ή μοντέλο που κατανοεί πραγματικά τη βάση δεδομένων, τότε ο πιο γρήγορος τρόπος για να ξεκινήσετε είναι να φέρει κάποιον με συμβουλευτικό υπόβαθρο που είναι πολύ καλά έμπειρος σε αυτό το διάστημα και μπορεί να πάρει να πηγαίνουν. Επειδή αυτό που θα βρείτε - και στην πραγματικότητα, το έκανα σε πολλές δεσμεύσεις που έκανα πριν έφτασα στη σκοτεινή πλευρά στη διαχείριση προϊόντων - είναι ότι θα πάω σε οργανισμούς ως σύμβουλος, θα οδηγήσω τις ομάδες αρχιτεκτονικής δεδομένων τους, έτσι ώστε να μπορούν να επικεντρωθούν και να εκπαιδεύσουν τους ανθρώπους τους για το πώς να κάνουν αυτά τα είδη πραγμάτων έτσι ώστε να το διατηρήσουν και να φέρουν την αποστολή προς τα εμπρός. Και τότε θα συνέχιζα στην επόμενη δέσμευσή μου, αν αυτό έχει νόημα. Υπάρχουν πολλοί άνθρωποι εκεί έξω που κάνουν αυτό, που έχουν πολύ καλή εμπειρία δεδομένων που μπορεί να τους πάρει.

Dez Blanchfield: Αυτό είναι ένα μεγάλο σημείο λήψης και συμφωνώ απόλυτα με αυτό και είμαι βέβαιος ότι ο Δρ Robin Bloor θα ήταν επίσης καλά. Ιδιαίτερα σε μια εκκίνηση, είστε επικεντρωμένος στην ύπαρξη μιας ΜΜΕ σχετικά με την ιδιαίτερη αξία της πρότασης που θέλετε να χτίσετε ως μέρος της επιχείρησής σας εκκίνησης και δεν θα έπρεπε πιθανώς να χρειάζεται να είστε ειδικός σε όλα, τόσο μεγάλες συμβουλές. Αλλά σας ευχαριστώ πολύ, μια φανταστική παρουσίαση. Πολύ καλές απαντήσεις και ερωτήσεις. Eric, πρόκειται να σας παραδώσω, γιατί ξέρω ότι έχουμε περάσει πιθανώς δέκα λεπτά με την πάροδο του χρόνου και ξέρω ότι σας αρέσει να παραμένετε κοντά στα χρονικά μας παράθυρα.

Eric Kavanagh: Αυτό είναι εντάξει. Έχουμε τουλάχιστον μερικές καλές ερωτήσεις. Επιτρέψτε μου να ρίξω ένα σε εσένα. Νομίζω ότι έχετε απαντήσει σε κάποιους άλλους. Αλλά μια πολύ ενδιαφέρουσα παρατήρηση και ερώτηση από έναν συμμετέχοντα που γράφει, μερικές φορές ευκίνητα σχέδια έχουν το μοντέλο δεδομένων δεν έχουν ολόκληρη τη μακροπρόθεσμη εικόνα και έτσι τελειώνουν σχεδιάζοντας κάτι στο sprint ένα και έπειτα πρέπει να επανασχεδιάσουν σε σπριντ τρία ή τέσσερα. Αυτό δεν φαίνεται αντιπαραγωγικό; Πώς μπορείτε να αποφύγετε τέτοιου είδους πράγματα;

Ron Huizenga: Είναι μόνο η φύση του ευκίνητου που δεν πρόκειται να πάρει τα πάντα απολύτως σωστά σε ένα δεδομένο σπριντ. Και αυτό είναι πραγματικά μέρος του πνεύματος του ευέλικτου, είναι: να δουλέψετε με αυτό - θα κάνετε πρωτότυπα όπου εργάζεστε στον κώδικα σε ένα δεδομένο σπριντ και θα το κάνετε να το βελτιώσετε. Και ένα μέρος αυτής της διαδικασίας είναι δεδομένου ότι παραδίδετε πράγματα που βλέπει ο τελικός χρήστης και λέει: "Ναι, αυτό είναι κοντά, αλλά πραγματικά χρειάζεται να το κάνω αυτό το μικρό κομμάτι επιπλέον επίσης." Έτσι ώστε όχι μόνο να επηρεάσει τη λειτουργική σχεδίαση του ίδιου του κώδικα, αλλά αρκετά συχνά πρέπει να τροποποιήσουμε ή να προσθέσουμε περισσότερη δομή δεδομένων κάτω από αυτά τα συγκεκριμένα πράγματα για να παραδώσει αυτό που θέλει ο χρήστης. Και αυτό είναι όλο το δίκαιο παιχνίδι και αυτός είναι ο λόγος για τον οποίο πραγματικά θέλετε να χρησιμοποιήσετε τα εργαλεία υψηλής ισχύος επειδή μπορείτε πολύ γρήγορα να μοντελοποιήσετε και να κάνετε αυτή την αλλαγή σε ένα εργαλείο μοντελοποίησης και στη συνέχεια να δημιουργήσετε το DDL για τη βάση δεδομένων που οι προγραμματιστές μπορούν στη συνέχεια να εργαστούν κατά αλλαγή ακόμα πιο γρήγορα. Τους σώζετε από το να χρειαστεί να κάνετε αυτή την κωδικοποίηση των χεριών, ως έχει, των δομών δεδομένων και να τους αφήσετε να επικεντρωθούν στην λογική προγραμματισμού ή εφαρμογών που είναι πιο καταρτισμένοι.

Eric Kavanagh: Αυτό έχει νόημα. Είχαμε μερικούς άλλους ανθρώπους που απλώς ρωτούσαν συγκεκριμένες ερωτήσεις σχετικά με το πώς όλα αυτά συνδέονται πίσω στο εργαλείο. Ξέρω ότι ξοδέψατε κάποιο χρόνο περνώντας από παραδείγματα και έχετε δείξει κάποιες στιγμιότυπα οθόνης σχετικά με τον τρόπο με τον οποίο πατάτε πραγματικά κάποια από αυτά τα πράγματα. Από την άποψη αυτής της διαδικασίας σπριντ, πόσο συχνά βλέπετε ότι παίζετε σε οργανισμούς σε σχέση με το πόσο συχνά βλέπετε πιο παραδοσιακές διαδικασίες, όπου τα πράγματα ακριβώς, το είδος, φτιάχνονται και παίρνουν περισσότερο χρόνο; Πόσο διαδεδομένη είναι η προσέγγιση τύπου σπριντ από την άποψή σας;

Ron Huizenga: Νομίζω ότι το βλέπουμε όλο και περισσότερο. Γνωρίζω ότι, θα έλεγα, πιθανώς τα τελευταία 15 χρόνια, ειδικότερα, έχω δει πολλά περισσότερα από την υιοθέτηση ανθρώπων που αναγνωρίζουν ότι πρέπει πραγματικά να αγκαλιάσουν ταχύτερη παράδοση. Έτσι, έχω δει όλο και περισσότερες οργανώσεις να πηδούν για την ευκίνητη μόδα. Δεν είναι απαραίτητα εντελώς? μπορούν να ξεκινήσουν με μερικά πιλοτικά έργα για να αποδείξουν ότι λειτουργεί, αλλά υπάρχουν μερικά που είναι ακόμα πολύ παραδοσιακά και συμμορφώνονται με τη μέθοδο καταρράκτη. Τώρα, τα καλά νέα είναι βεβαίως ότι τα εργαλεία δουλεύουν πολύ καλά σε αυτές τις οργανώσεις και για αυτούς τους τύπους μεθοδολογιών, αλλά έχουμε την προσαρμοστικότητα στο εργαλείο, έτσι ώστε όσοι πηδούν πάνω στο σκάφος να έχουν τα εργαλεία στην εργαλειοθήκη τα δάχτυλά τους. Πράγματα όπως η σύγκριση και η συγχώνευση, πράγματα όπως οι δυνατότητες αντίστροφης μηχανικής, ώστε να μπορούν να δουν ποιες είναι οι υπάρχουσες πηγές δεδομένων, ώστε να μπορούν να συγκρίνουν και να δημιουργήσουν πολύ γρήγορα τα incremental DDL scripts. Και καθώς αρχίζουν να το αγκαλιάζουν και βλέπουν ότι μπορούν να έχουν την παραγωγικότητα, η κλίση τους να αγκαλιάζουν ευκίνητα αυξάνεται ακόμη περισσότερο.

Eric Kavanagh: Λοιπόν, αυτό είναι σπουδαίο πράγμα, λαοί. Μόλις δημοσίευσα ένα σύνδεσμο προς τις διαφάνειες εκεί στο παράθυρο συνομιλίας, οπότε ελέγξτε το έξω. είναι λίγο Bitly εκεί για εσάς. Έχουμε όλες αυτές τις εκπομπές για αργότερα. Μη διστάσετε να τα μοιραστείτε με τους φίλους και τους συναδέλφους σας. Και ο Ρον, σας ευχαριστώ πολύ για το χρόνο σας σήμερα, είστε πάντα ευχάριστοι στην επίδειξη - ένας πραγματικός ειδικός στον τομέα και είναι προφανές ότι γνωρίζετε τα πράγματα σας. Έτσι, χάρη σε εσάς και χάρη στην IDERA και, φυσικά, στην Dez και στον δικό μας Robin Bloor.

Και με αυτό θα σας αποχαιρετήσουμε, παιδιά. Σας ευχαριστώ και πάλι για το χρόνο και την προσοχή σας. Εκτιμούμε ότι κολλήσατε για 75 λεπτά, αυτό είναι ένα πολύ καλό σημάδι. Καλά παιδιά, θα σας μιλήσουμε την επόμενη φορά. Αντίο.