Modellazione dei dati per la qualità

Recensioni dei lettori

Il libro fornisce una solida e approfondita introduzione alla modellazione dei dati, particolarmente utile per i modellatori meno esperti. Enfatizza le migliori pratiche e introduce il concetto di “Modello di informazioni aziendali” invece del tradizionale “Modello concettuale dei dati”. Tuttavia, non riesce a esplorare argomenti più ampi e non approfondisce la seconda fase della modellazione, in particolare la creazione di un modello logico dettagliato.

⬤ Presentazione completa e approfondita delle pratiche di modellazione dei dati.
⬤ Scritto da un autore esperto con oltre 40 anni di attività nel settore.
⬤ Un linguaggio chiaro e semplice lo rende accessibile ai lettori.
⬤ Indice ben organizzato e utile per una rapida consultazione.
⬤ Raccolta di best practice utili sia per i modellatori di dati alle prime armi che per quelli esperti.
⬤ Consigli pratici e discussioni sulle principali decisioni in materia di modellazione dei dati.

⬤ Offre una visione convenzionale della modellazione dei dati, con una scarsa esplorazione degli argomenti più importanti che riguardano i modelli di dati.
⬤ Discussione limitata sulle tecniche avanzate di modellazione oltre la fase iniziale del “modello concettuale”.
⬤ I principianti assoluti potrebbero aver bisogno di un manuale supplementare sulla modellazione dei dati, poiché questo libro non è un tutorial.

(basato su 3 recensioni dei lettori)

Titolo originale:

Data Modeling for Quality

Contenuto del libro:

Questo libro si rivolge a tutti i modellatori di dati, agli architetti di dati e ai progettisti di database, siano essi principianti che vogliono imparare cosa comporta la modellazione dei dati o modellatori esperti che vogliono rispolverare le loro competenze.

Il principiante non solo otterrà una panoramica sulla modellazione dei dati, ma imparerà anche a seguire il processo di modellazione dei dati, comprese le attività necessarie per ogni fase. Il professionista esperto scoprirà (o riscoprirà) le tecniche per garantire che i modelli di dati riflettano accuratamente i requisiti di business. Questo libro descrive approcci rigorosi ma di facile attuazione per:

⬤ la modellazione dei requisiti informativi aziendali per la revisione da parte degli stakeholder aziendali prima dello sviluppo del modello logico dei dati.

⬤ normalizzare i dati, basandosi su semplici domande piuttosto che sulle definizioni formali che molti modellatori trovano intimidatorie.

⬤ nominazione e definizione di concetti e attributi.

⬤ modellazione di dati variabili nel tempo.

⬤ documentazione delle regole aziendali che governano sia il mondo reale che i dati.

⬤ la modellazione dei dati in un progetto Agile.

⬤ gestire il cambiamento del modello dei dati in qualsiasi tipo di progetto.

⬤ trasformare un modello di informazioni aziendali in un modello logico di dati con cui gli sviluppatori possano codificare.

⬤ implementare il modello logico dei dati in un DBMS relazionale tradizionale, in un DBMS conforme a SQL:2003, in un DBMS relazionale a oggetti o in XML.

La Parte 1 descrive in modo approfondito i modelli informativi aziendali, includendo:

⬤ l'importanza di modellare i requisiti delle informazioni aziendali prima di intraprendere un modello logico dei dati.

⬤ concetti aziendali (classi di entità)

⬤ gli attributi dei concetti aziendali.

⬤ le classi di attributi come alternativa ai tipi di dati dei DBMS.

⬤ relazioni tra concetti aziendali.

⬤ dati variabili nel tempo.

⬤ generalizzazione e specializzazione dei concetti aziendali.

⬤ nominazione e definizione dei componenti del modello informativo aziendale.

⬤ regole aziendali che regolano i dati, compresa la distinzione tra regole del mondo reale e regole dei dati.

La seconda parte passa dai requisiti a una risorsa di dati funzionante e copre:

⬤ l'approvvigionamento dei requisiti dei dati.

⬤ sviluppo del modello informativo aziendale.

⬤ comunicazione agli stakeholder aziendali per la revisione, sia sotto forma di diagrammi che a voce.

⬤ gestire la modifica del modello di dati.

⬤ trasformare il modello informativo aziendale in un modello logico di dati memorizzati da implementare in un DBMS relazionale o a oggetti.

⬤ rappresentazione dei valori degli attributi e vincoli dei dati (importante ma spesso trascurata).

⬤ modellazione del caveau dei dati, dati dimensionali e XML.