Sabtu, 22 Februari 2020

Data Modelling (Bab 6 Masa Depan Pemodelan Data)


BAB 6. MASA DEPAN PEMODELAN

DATA

6.1. PEMODELAN DATA
Mesin yang dihasilkan
Melihat data yang dihasilkan mesin membuat anda bertanyatanya tentang Pemodelan Data semacam itu. Siapa yang tahu ? Sebenarnya, seluruh Big Data disebabkan oleh data ‘dihasilkan mesin’ yang datang dalam jumlah besar. Tak terhentikan.
Gambar 6.1.1
Kita semua tahu bahwa ‘mesin dihasilkan’ sebenarnya bukan deskripsi yang tepat tentang apa yang sedang terjadi. Ya, “benda” (Komputer tertanam di tepi internet) mentransmisikan data, tetapi itu bukan hal baru. Untuk sebagian besar karir Panjang saya, hal yang sama berlaku untuk factor dan banyak hal lainnya. Dan hal-hal yang dihasilkan IT dengan cermat istilah yang digunakan adalah “modeled”. Ini telah terjadi selama beberapa tahun. Para insinyur perangkat lunak bekerja Bersama dengan Pemodelan Data dan Bersama-sama mereka membuat model faktur yang sangat bagus. Pada saat yang sama, Ilmuwan Informasi (jangan panggil mereka pustakawan), membantu para insinyur dan ilmuwan di organisasi pabrikan, kimia, farmasi, dan public untuk mengembangkan dan memelihara kosa kata bisnis yang solid dan tepat (ontology dan sejenisnya). Apa yang kemudian terjadi adalah bahwa insinyur perangkat lunak, yang bekerja dengan jadwal yang ketat, mengurangi dukungan dari Pemodelan Data. Dan para ilmuwan informasi mendapat lebih banyak dan lebih banyak bantuan mesin dari penggalian teks kategori, entitas, tema dan sebagainya.
Masukkan Data Para ilmuwan menghadapi tsunami data yang dihasilkan. Karena banyak data yang mereka terima “tidak dirancang di sini”, mereka kesulitan mencari tahu, apa yang mereka pegang. Data Para ilmuwan diikuti oleh pengabaian baru bantuan mesin yang disebut misalnya “ Data Discovery”, yang juga mencakup Data Profiling dan Domain Discovery. Jadi, para ilmuwan Data, antara lain, juga membangun model data – meskipun model data dalam statistic tidak cukup sama dengan model data dalam buku teks oleh Chris Date.
Siapa Aktor di Pemodelan Data ?
Saat ini, setidaknya ada kategori orang yang melakukan ini, apa yang 30 tahun lalu hanya dilakukan oleh Pemodel Data :
      Pemodelan Data
      Pengembangan Perangkat Lunak dalam Sistem TI atau
Sistem Tertanam
      Beberapa dengan latar belakang ilmu Komputer dan
      Lain dengan gelar Teknik atau Manajemen Bisnis.
      Ilmuwan Informasi
      Ilmuwan Data
Sebagian besar dari orang-orang baik ini memiliki gelar akademik. Baik Ilmu Informasi dan Ilmu Data memiliki penawaran gelar sarjana atau Magister yang baik masing-masing selama 2-3 tahun dan 1-2 tahun. Pemodelan dalam beberapa bentuk atau bentuk adalah bagian yang baik dari Pendidikan. Ketika datang ke Pemodel Data, tidak ada Ilmu Pemodelan Data dengan gelar sarjana atau master sendiri.
Banyak Pemodelan Data memiliki latar belakang ilmu komputer, dan dalam kurikulum itu Pemodelan Data biasanya merupakan program satu semester. Oleh karena itu, sebagian besar Pemodel Data mengandalkan Pendidikan tambahan :
      Vendor basis data dan,
      Penyedia independent seperti, paling tidak, DATAVERSITY ®! Para insinyur, yang tahu bagaimana memprogram (Kebanyakan dari mereka telah terpapar padanya) mungkin tidak memiliki pelatihan yang layak disebutkan dalam Pemodelan Data. Tambahkan bahwa mereka juga melihat sensor ( atau apapun) data dari dalam toples teknis.
Apa yang bisa kita lakukan untuk membantu mereka yang membutuhkan keterampilan Pemodelan Data ?
Apa Set Keterampilan ? Jika kita ingin memperbaikin situasi ini, dan kita harus melakukannya,kita perlu memahami serangkaian keterampilan yang diperlukan di berbagai perspektif berbeda tentang manajemen data informasi. Secara khusus, akan menarik untuk melihat keterampilan, yang dibagi di antara set :
Gambar 6.1.2
Akibatnya, saya melakukan beberapa analisis teks sederhana berdasarkan Wikipedia. Saya menggunakan fasilitas demo online dari vendor (Lexalytics), tempat Anda dapat menempelkan URL dan Anda akan mendapatkan beberapa analitik teks kembali. Saya tertarik dengan tema yang terkandung dalam tiga artikel Wikipedia tentang Pemodelan Data, Ilmu Data, dan Ilmu Informasi. Saya menyalin / menempelkannya ke lembar Excel dan menerapkan beberapa tea saya sendiri, yang menurut pengalaman saya seharusnya ada disana).
Saya menambahkan set keempat “sains” tema yang disebut “Future Modeling” mengambil dari 3 lainnya dan menambahkan apa yang saya piker sangat penting untuk Pemodelan Data dimasa depan ( yang dimulai hari ini). Saya kemudian memuat daftar tema ke dalam Neo4j Graph Database, dan inilah yang saya dapat sebagai balasannya :
Gambar 6.1.3
Di atas hanya untuk memberi Anda gambaran tentang ukuran grafik – jangan melihat kaca yang Anda cari! Namun, Anda dapat melihat (Ke bagian luar grafik) bahwa beberapa tema bersifat local untuk “sains”. Itu yang diharapkan. Data Para ilmuwan adalah ahli matematika dan statistic, dan ilmuwan informasi adalah ahli dalam istilah, misalnya.
Tapi apa yang dibagikan di antara mereka ?
Keterampilan Bersama
Gambar 6.1.4
Di sini Anda dapat melihat bahwa beberapa keterampilan sangat umum (seperti “komputasi”) dan lainnya lebih spesifik. Saya sebenarnya menambahkan beberapa, yang saya yakin sudah hari ini adalah bagian dari kenyataan : Manajemen informasi, pemrosesan Bahasa alami dan penemuan data. Yang menarik untuk dilihat adalah bahwa Pemodelan Data dan ilmu informasi sebenarnya berbagi 11 tema. Para ilmuwan informasi, ingatlah, memiliki pelatihan akademik hingga 5 tahun.
Saya percaya bahwa Pemodelan Data harus berpegangan pada pagar dan berlayar bersama, karena para ilmuwan informasi memiliki beberapa keterampilan yang kuat untuk ditawarkan. Mereka mungkin bukan ahli dalam bentuk normal ke-5, mungkin itu bukan masalah terpanas hari ini? Sangat menarik untuk melihat bahwa Ilmu Informasi dan Ilmu Data memiliki banyak tumpeng tindih di sisi otomasi.
Tumpeng tindih antara Pemodelan Data dan Ilmuwan Data pada keterampilan Pemodelan Data inti, yang juga harus membuat kita berpikir. Bagaimana dengan masa depan langsung ? Pemodelan Data dari Sekarang Aktif Jika saya memilih subgrafik, di mana “ilmu Pemodelan Data” diganti oleh “ilmu Pemodelan Masa Depan”, grafiknya tampak seperti ini:
Gambar 6.1.5
(Set lengkap keterampilan “Future Modeling” dapat dilihat di akhir posting ini.) Sekali lagi, Anda tidak diharapkan untuk membaca semua detail, tetapi tumpang tindih antara “Future Modeling” dan “Ilmu Informasi” telah meningkat. Contoh terbaik adalah peluang Grafik Pengetahuan untuk digunakan untuk tujuan integrase data. Pemodelan Data Grafik juga merupakan contoh yang baik dari keterampilan yang umumnya bermanfaat.
Apakah kita melihat perlombaan dimulai antara Pemodelan Data dan Ilmuwan Informasi, di mana wanita dan pria terbaik menang? Aku piker begitu. Pada skala yang lebih kecil, jumlah kesamaan kolegial antara Pemodelan Data masa depan dan ilmuwan data juga meningkat dalam jumlah dan kompleksitas; lihat misalnya visualisasi dan pengetahuan tentang cara memodelkan analitik prediktif. Untuk membuatnya lebih mudah, saya telah mengekstrak sub-grafik dari tema Bersama ( keterampilan ) di antara ketiganya, dengan melihat ke depan :
Gambar 6.1.6
Beberapa hal dapat disimpulkan dari grafik di atas :
            Pemodelan Data harus bekerja dari perspektif kontinuitas bisnis, memastikan bahwa basis data dan konten aplikasi diatur dan demikian
            Informasi Para ilmuwan harus bekerja dari perspektif kualitas bisnis, dan temuan mereka (ontology, kosakata dan sebagainya) harus menemukan jalan mereka ke dalam sistem operasional dan model data, sedangkan
            Data Para Ilmuwan harus bekerja dari perspektif peluang bisnis mencoba untuk menggabungkan data yang dihasilkan dari sumber eksternal, internet hal-hal dan tempat-tempat lain, dan mencoba menyesuaikannya dengan terminology dan model data yang dikelola oleh Pemodelan Data dan Ilmuwan Informasi, yang berarti bahwa,
            3 tipe actor ini dapat sangat diuntungkan dari platform bersama, dan
            Grafik Pengetahuan akan menjadi bagian penting dari kesesuaian semua ini.
Universitas harus menawarkan kursus antar-disiplin sebanyak mungkin – yang akan menciptakan banyak manfaat bisnis dalam organisasi, di mana para kandidat akan bekerja. Penyediaan Pendidikan dan pelatihan memiliki banyak pekerjaan di masa depan dan beberapa peluang besar untuk memikirkan kembali dan menyesuaikan penawaran mereka. Saya pikir DATAVERSITY menyadari dinamika ini. Saya dapat mendorong vendor alat pemodelan, repositori metadata dan katalog data dll. Untuk memperluas perspektif dan mengambil pendekatan holistic untuk semua itu. Saya akan senang berbagi pemikiran saya dengan mereka. Waktu yang menarik!.
Saya telah menyediakan semua data dan tampilan grafik resolusi tinggi. Daftar tema (“keterampilan”) yang paling lengkap untuk Pemodelan Data masa depan adalah ini :
            Analisis, Kecerdasan Buatan, Data Besar, Analisis Bisnis, Kecerdasan Bisnis, kebutuhan dan proses bisnis.
            Ilmu kognitif, Ilmu Komputer, Analisis Data, Penemuan Data, elemen data, Pemodelan Data, persyaratan data, berbagi data, struktur data, Gudang Data, Manajemen Basis Data, desain basis data, definisi data, dan domain data.
            Arsitektur Perusahaan, perspektif perusahaan, model hubungan entitas, jenis entitas, Pemodelan Grafik, Arsitektur Informasi, rekayasa informasi, Manajemen Siklus Hidup Informasi, representasi informasi, pencarian informasi, sistem informasi, dan teknologi informasi.
            Grafik Pengetahuan, representasi pengetahuan, desain logis, model data logis, model meta, Pemrosesan Bahasa Alami, noenklatur, ontology.
            Model data fisik, penyimpanan data fisik, model prediksi, tipe relasi, konsep relasional, database relasional, dan hubungan.
            Skema, mesin pencarian, Pemodelan Data Semantik, kosakata bersama, teknologi penyimpanan, area subjek, analisis sistem, desain sistem, rekayasa sistem, pemodelan vault, dan visualisasi. 6.2. Proses Pemodelan Data Logis
Pemodelan Data strategis. Banyak organisasi memilih proyek pengembangan IS berdasarkan rencana strategis, termasuk visi dan arsitektur sistem informasi.
Tahap-Tahap Pengembangan Model Logis : a. Konteks Data model
a)   Mencakup hanya entitas dan hubungan
b)   Untuk menetapkan ruang lingkup
b.    Model data berbasis kunci
a)   Menghilangkan hubungan spesifik
b)   Termasuk kunci primer dan alternative
c)    Tambahkan asosiatif entitas
d)   Tepat cardinalities
c.    Model data yang sepenuhnya dikaitkan
a)   Semua atribut yang tersisa
b)   Kriteria subsetting
c)    Model data dinormalisasi Metadata data tentang data.
Pertanyaan JRP dan Wawancara Untuk Pemodelan Data
Gambar 6.2.1
• Pengertian UML
UML(Unified Modeling Language) adalah sebuah bahasa untuk menetukan, visualisasi, kontruksi, dan mendokumentasikan artifact (bagian dari informasi yang digunakan atau dihasilkan dalam suatu proses pembuatan perangkat lunak. Artifact dapat berupa model, deskripsi atau perangkat lunak) dari system perangkat lunak, seperti pada pemodelan bisnis dan system non perangkat lunak lainnya. UML merupakan bahasa standar untuk penulisan blueprint software yang digunakan untuk visualisasi, spesifikasi, pembentukan dan pendokumentasian alat-alat dari sistem perangkat lunak.
Jenis-jenis Diagram UML, yaitu :
1. Use Case Diagram
Use case adalah abstraksi dari interaksi antara system dan actor. Use case bekerja dengan cara mendeskripsikan tipe interaksi antara user sebuah system dengan sistemnya sendiri melalui sebuah cerita bagaimana sebuah system dipakai.
Lihat Gambar :
Gambar 6.2.2
Diagram Use Case berguna dalam tiga hal :
a)   Menjelaskan fasilitas yang ada ( requirement )
b)   Komunikasi dengan klien
c)    Membuat test dari kasus-kasus secara umum
2.   Activity Diagram
Activity diagram menyediakan analis dengan kemampuan untuk memodelkan proses dalam suatu sistem informasi. Activity diagram dapat digunakan untuk alur kerja model, use case individual, atau logika keputusan yang terkandung dalam metode individual3. Activity diagram juga menyediakan pendekatan untuk proses pemodelan paralel. Activity diagram lebih lanjut . Pada dasarnya, diagram aktifitas canggih dan merupakan diagram aliran data yang terbaru. Secara teknis, diagram aktivitas menggabungkan ide-ide proses pemodelan dengan teknik yang berbeda termasuk model acara, statecharts, dan Petri Nets.
Lihat Gambar:
Gambar 6.2.3
3.   Package Diagram
Package diagram utamanya digunakan untuk mengelompokkan elemen diagram UML yang berlainan secara bersama-sama ke dalam tingkat pembangunan yang lebih tinggi yaitu berupa sebuah paket. Diagram paket pada dasarnya adalah diagram kelas yang hanya menampilkan paket, disamping kelas, dan hubungan ketergantungan, disamping hubungan khas yang ditampilkan pada diagram kelas.
Sebagai contoh, jika kita memiliki sistem pendaftaran untuk kantor dokter, mungkin masuk akal untuk kelompok kelas pasien dengan kelas sejarah medis pasien bersama-sama untuk membentuk paket kelas pasien. Selain itu, dapat berguna untuk membuat paket perawatan yang mengandung gejala penyakit, penyakit, dan obat-obatan khas yang diresepkan untuk mereka.
Lihat Gambar:
Gambar 6.2.4
4.   State Machines Diagram
Statechart diagram digunakan untuk memodelkan perilaku dinamis satu kelas atau objek. Statechart diagram memperlihatkan urutan keadaan sesaat (state) yang dilalui sebuah objek, Kejadian yang menyebabkan sebuah transisi dari suatu state atau aktivitas kepada yang lainnya. Statechart diagram khusus digunakan untuk memodelkan tahap-tahap diskrit dari sebuah siklus hidup objek, sedangkan Activity diagram paling cocok untuk memodelkan urutan aktifitas dalam suatu proses.
Lihat Gambar:
Gambar 6.2.5
5.   Sequence Diagram
Sequence diagram menjelaskan interaksi objek yang disusun berdasarkan urutan waktu. Secara mudahnya sequence diagram adalah gambaran tahap demi tahap yang seharusnya dilakukan untuk menghasilkan sesuatu sesuai dengan use case diagram.
Lihat Gambar:
Gambar 6.2.6
6.   Class Diagram
Tujuan utama dari class diagram adalah untuk menciptakan sebuah kosa kata yang digunakan oleh analis dan pengguna. Diagram kelas biasanya merupakan hal-hal, ide-ide atau konsep yang terkandung dalam aplikasi. Misalnya, jika anda sedang membangun sebuah aplikasi penggajian, diagram kelas mungkin akan berisi kelas yang mewakili hal-hal seperti karyawan, cek, dan pendaftaran gaji. Diagram kelas juga akan menggambarkan hubungan antara kelas. Class memiliki 3 area pokok :
1)   Name (dan stereotype);
2)   Attribute; 3) Method.
Lihat Gambar:
Gambar 6.2.7
7.   Communication Diagram
Collaboration diagram menggambarkan interaksi antar objek seperti sequence diagram, tetapi lebih menekankan pada peran masing-masing objek. Setiap message memiliki sequence number, dimana message dari level tertinggi memiliki Nomor 1. Diagram membawa informasi yang sama dengan diagram Sequence, tetapi lebih memusatkan atau memfokuskan pada kegiatan obyek dari waktu pesan itu dikirimkan.
Contoh : Diagram Collaboration “Pemesanan kamar di Hotel”.
Lihat Gambar:
Gambar 6.2.8
8.   Composite Structure Diagram
Diagram struktur komposit adalah diagram yang menunjukan struktur internal classifier, termasuk poin interaksinya ke bagian lain dari system. Hal ini menunjukkan konfigurasi dan hubungan bagian, yang bersama-sama melakukan perilaku classifier. Diagram struktur komposit merupakan jenis diagram struktur yang statis dalam UML, yang menggambarkan struktur internal kelas dan kolaborasi.
Struktur komposit dapat digunakan untuk menjelaskan : – Struktur dari bagian-bagian yang saling berkaitan; – Run-time struktur yang saling berhubungan.
Lihat Gambar:
Gambar 6.2.9
9.       Object Diagram
Object diagram merupakan sebuah gambaran tentang objekobjek dalam sebuah system pada satu titik waktu. Karena lebih menonjolkan perintah-perintah dari pada class, object diagram lebih sering disebut sebagai sebuah diagram perintah.
Lihat Gambar:
Gambar 6.2.10
10.   Timing Diagram
Timing Diagram adalah bentuk lain dari interaction diagram, dimana focus utamanya lebih ke waktu. Timing diagram sangat berdaya guna dalam menunjukkan factor pembatas waktu diantara perubahan state pada objek yang berbeda.
Lihat Gambar:
Gambar 6.2.11
11.   Component Diagram
Diagram ini bila dikombinasikan dengan diagram penyebaran dapat digunakan untuk menggambarkan distribusi fisik dari modul perangkat lunak melalui jaringan. Misalnya, ketika merancang sistem client-server, hal ini berguna untuk menunjukkan mana kelas atau paket kelas akan berada pada node klien dan mana yang akan berada di server.
Diagram komponen juga dapat berguna dalam merancang dan mengembangkan sistem berbasis komponen. Karena berfokus pada analisis sistem berorientasi objek dan desain.
Lihat Gambar:
Gambar 6.2.12
12.   Deployment Diagram
Deployment diagram menggambarkan detail bagaimana komponen di deploy dalam infrastruktur system, dimana komponen akan terletak (pada mesin, server atau piranti keras), bagaimana kemampuan jaringan pada lokasi tersebut, spesifikasi server, dan hal-hal lain yang bersifat fisikal. Hubungan antar node ( misalnya TCP/IP) dan requirement dapat juga didefinisikan dalam diagram ini.
Lihat Gambar:
Gambar 6.2.13
13.   Interaction Overview Diagram
Interaction Overview Diagram adalah pecangkolan secara bersama antara activity diagram dengan sequence diagram. Interaction Overview Diagram dapat dianggap sebagai activity diagram dimana semua aktivitas diganti dengan sedikit sequence diagram, atau bisa juga dianggap sebagai sequence diagram yang dirincikan dengan notasi activity diagram yang digunakan untuk menunjukkan aliran pengawasan.
Lihat Gambar:
Gambar 6.2.14


Tidak ada komentar:

Posting Komentar

Contoh Proposal tentang motor