7. Nyelvi paradigmák, trendek – adatkezelés
49
tömörség mellett is képes implicit meghatározni képernyőterveket, riportokat, folyamatokat, amik az adat feltöltését, lekérdezését és törlését végzik. Többnyire a tényleges adatmennyiség áttekintése sokkal kevesebb idővel jár, mint a rajta értelmezett definíciók, szabályok átnézése. Egy program hosszú időn keresztül gyűjtött adatai értékes eszközök a cég számára. Így egy pontatlan adat megléte csökkenti az információk értékét és gyakran költséges vagy javíthatatlan következményekkel jár. Vegyünk példának egy egyszerű dátumok tárolására alkalmas mezőt. Egy nem megfelelő specifikáció esetén felmerülhet a kérdés, hogy európai vagy amerikai stílusú dátumok tárolására használatos a mező. Ezen feltétel hiánya az információk megbízhatatlanságát eredményezi. Így az adatábrázolás kulcsszerepet játszik abban, hogy jó adat minőséget érjünk az által, hogy egy közösen értelmezhető leírást fogalmazunk meg az adatokról.
7.2. Egy jó adatmodell ismérvei A tervezés során egy jó adatmodell elérése érdekében a következőben tárgyalt kritériumokat kell szem előtt tartani. Ezek a szempontok mindegyike hozzájárul rendszerünk sikerességéhez. ·
Teljesség: Fontos, hogy az adatmodell minden lehetséges attribútummal már rendelkezzen a tervezés során. Egy új tulajdonság, adattag felvétele nagy költségekkel jár a későbbi karbantartás során, ezért fontos, hogy egy teljes adatmodellt hozzunk létre.
·
Nem-redundáns felépítés: Megeshet, hogy redundáns modellt dolgozunk ki, melyben ugyanazon információ többször is előfordul. Egy ilyen eset, ha például tárolunk életkort és születési évszámot. A redundáns adatok, adattagok figyelmen kívül hagyása túl nagy tárhely kihasználtságot vagy konzisztencia problémákat okoz. Van azonban olyan eset ahol a redundáns adat nagyban hozzájárul a kellő teljesítmény eléréséhez.
·
Üzleti szabályok érvényre juttatása: Minden cég saját üzleti szabállyal rendelkezik. Ennek szem előtt tartása első pillantásra nem nyilvánvaló, de a folyamatos fejlesztés során erre is nagy figyelmet kell fordítani. Ezen szempont teljes figyelmen kívül hagyása komoly kockázatot rejt magában és korrekciója is jelentősen nehézkes.
·
Újrahasználhatóság: Egy jó adat modell segít abban, hogy az információk újra felhasználhatóak legyenek. Például egy biztosító rendszer által tárolt információ később újra felhasználhatóak demográfiai adatok statisztikájára.
·
Stabilitás és flexibilitás: Egy jól megtervezett rendszer számára az előre látható változtatások lehetősége is támogatott. A piaci életben az egyik legkritikusabb faktor az, hogy a rendszernek képesnek kell lennie az idő folyamán a változásokhoz igazodnia. Így egy új termék vagy szabály (policy), egyes esetekben törvény bevezetése esetén is képesnek kell lennie a rendszernek alkalmazkodni. Egy modell stabil, ha előre láthatólag semmilyen szintű változtatásra sem szorul. A stabilitás kérdésköre felbontható, hogy kevésbé vagy jobban stabil a rendszer aszerint, hogy mennyi változtatásra van szükség a fejlesztési ciklus során. Flexibilisnek tekintjük, ha minimális változtatásokkal érhető(ek) el az új követelmény(ek).
© Bilicki Vilmos, SzTE
www.tankonyvtar.hu