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
