Data Model Scorecard: Az adatmodell-minőségre vonatkozó iparági szabvány alkalmazása

Olvasói vélemények

A könyvet nagyra értékelik az adatmodellezés és az értékelőlapok értékelésének hatékony megközelítése miatt. A könyv szerzője Steve Hoberman, a terület elismert szaktekintélye, és dicsérik világos írásmódja és gyakorlati keretrendszere miatt, amely elősegíti a jobb adatkezelési gyakorlatokat és a projektcsapatokon belüli kommunikációt.

⬤ Jól átadott tartalom, világos magyarázatokkal és minimális szakzsargonnal.
⬤ Racionális keretet kínál az adatmodellek értékeléséhez, a minőség és a helyesség fokozásához.
⬤ Gyakorlati alkalmazásokat és megfelelőségi eszközöket kínál az adatmodellezési szabványokon belül.
⬤ Összefoglalókat és ellenőrző listákat tartalmaz a legjobb gyakorlatokhoz, segítve az értékelési folyamatot.
⬤ Széles körben ingyenesen elérhető, elősegítve a hozzáférhetőséget az adatkezelési közösségben.

A recenzió nem említ konkrét hiányosságokat vagy kritikákat a könyvvel kapcsolatban, ami általánosságban pozitív fogadtatásra utal.

(2 olvasói vélemény alapján)

Eredeti címe:

Data Model Scorecard: Applying the Industry Standard on Data Model Quality

Könyv tartalma:

Az adatmodellek a fő médiumok, amelyeket az üzleti szférától az IT felé, illetve az IT-n belül az elemzők, modellezők és építészek, valamint az adatbázis-tervezők és -fejlesztők között az adatkövetelmények közlésére használnak. Ezért alapvető fontosságú, hogy az adatmodell megfelelő legyen. De hogyan határozza meg a helyes? Itt jön a képbe az adatmodell-értékelőlap (R).

A Data Model Scorecard egy tíz kategóriát tartalmazó adatmodell-minőségi pontozási eszköz, amelynek célja a szervezet adatmodelljeinek minőségének javítása. Számos tanácsadói megbízásom célja az Data Model Scorecard alkalmazása az ügyfeleim adatmodelljeire - ebben a könyvben megmutatom, hogyan kell alkalmazni a Scorecardot.

Ez a könyv, amely olyan emberek számára íródott, akik adatmodelleket építenek, használnak vagy felülvizsgálnak, tartalmazza az Adatmodell Scorecard sablont és magyarázatát, valamint számos példát a Scorecard tíz kategóriájának mindegyikére vonatkozóan. Három részből áll:

Az I. szakaszban Az adatmodellezés és a validálás szükségessége az 1. fejezetben rövid adatmodellezési alapozót kap, a 2. fejezetben megértheti, miért fontos, hogy az adatmodell helyes legyen, a 3. fejezetben pedig megismerheti az adatmodell-értékelőlapot.

A II. szakaszban Adatmodell-értékelőlap kategóriák az adatmodell-értékelőlap tíz kategóriáját ismertetjük. Ebben a szakaszban tíz fejezet található, mindegyik fejezet egy-egy Scorecard-kategóriának van szentelve:

⬤ 4. fejezet: Helyesség.

⬤ 5. fejezet: Teljesség.

⬤ 6. fejezet: Séma.

⬤ 7. fejezet: Szerkezet.

⬤ 8. fejezet: Absztrakció.

⬤ 9. fejezet: Szabványok.

⬤ 10. fejezet: Olvashatóság.

⬤ 11. fejezet: Definíciók.

⬤ 12. fejezet: Konzisztencia.

⬤ 13. fejezet: Adatok.

A III. részben Az adatmodellek validálása felkészülünk a modell felülvizsgálatára (14. fejezet), kitérünk a modell felülvizsgálatát segítő tippekre (15. fejezet), majd egy tényleges projekt alapján felülvizsgálunk egy adatmodellt (16. fejezet).