TDWI Advanced Data Modeling Techniques Eğitimi

İster kurumlar ve ilişkiler olarak veri gereksinimlerini belirleyen bir iş verileri modelleyicisi isterseniz de tablolar, sütunlar ve dizinlerle daha fazla ilgili olan bir fiziksel veri modelleyicisi olun, zor olanın görünenin altında yatan kısım olduğunu bilirsiniz. Gerek mantıksal gerekse de teknik olsun her bir veri tasarımı ölçeklenebilirlik, uyarlanabilirlik, performans, eski sistemler ve paket veritabanları gibi bir veya daha fazla sayıdaki kompleks hususun getirdiği zorluklarla karşılaşmaktadır. Her bir veri modeli de kendi sorularını beraberinde getirmektedir. Gelişmiş modelleme teknikleri ise bu soruların birçoğuna cevap sunmaktadır. Bu eğitim, veri modellemesi uygulayıcılarının karşı karşıya olduğu farklı durumları keşfetmekte ve uygun veri modellerinin geliştirilmesine yardımcı olacak bilgi ve teknikleri sunmaktadır.

Pratik deneyimi olan veri modelleyicileri; veri mimarları; veritabanı geliştiriciler

• Kurumsal mimari yaklaşımları ve bunların nasıl uygulanacağı
• Büyük veri ve analitiğin klasik yaklaşımları nasıl etkilediği
• Farklı veri modelleri ve bunların birbirleriyle ilişkisi
• Analitikte modellemenin rolü
• Daha fazla normalleşme şekilleri
• Genelleşme ve uzmanlaşmanın etkin bir şekilde nasıl uygulandığı
• Veri yönetiminde meta veri yönetiminin rolü
• Durum ve zaman bağımlılıkları ve bunların nasıl ele alınacağı
• Veri modelinin nasıl doğrulandığı
• Uygulamaya dayalı olarak iş veri modellerinin fiziksel veri modellerine nasıl dönüştürüldüğü
• Alternatif depolama yaklaşımlarının çıkarımları
• Tamamlayıcı modellerin rolleri ve yapıları
• Birden çok zaman dilimi ve para biriminin nasıl ele alındığı

Module 1: Data Modeling Concepts

• Enterprise Architecture
  • Definition
  • Zachman Framework Overview
  • Data Modeling Framework for BI
  • Levels of Data Models – Enterprise Perspective
  • Levels of Data Models – Project Perspective
  • The Open Group Architecture Framework
  • Control Objectives for Information Technology
  • Frameworks – Discussion
• Higher Normal Forms
  • Boyce-Codd Normal Form
  • Fourth Normal Form
  • Fifth Normal Form
  • Anchor Modeling
  • Data Vault Modeling
• Specialization and Generalization
  • Roles and Classifications
  • Considerations
  • Party
• Presentation
  • Standards

Module 2: Business Data Model Development

• Business Data Model Development Approaches
  • Top-Down
  • Bottom-Up
  • Generic Models
  • Limited Depth Models
• Data Modeling Roles
  • Functions, Traits, and Challenges
• Business Data Model Application
  • Basis for System Data Model
  • Transformation and Integration Foundation
  • Package Selection
  • Business Communications
  • Data Profiling
  • Data Governance
• Data Governance
  • Definition
  • Quality Improvement
  • Real-Time Implications
  • Metadata Management
  • Information Subject Area
  • Big Data
  • Big Data Challenges

Module 3: System and Physical Data Model Development

• Data Modeling Roles
  • Functions, Traits, and Challenges
• Globalization / Localization
  • Information Needs
  • Currencies
  • Time Zones
  • Languages
• Non-Relational Data Structures
  • Columnar Databases
  • In-Memory Databases
  • XML Structures
  • Key Value Pairs
• Business Analytics
  • Definition
  • Schema on Read
  • Modeling Process

Module 4: Additional Concepts

• Recursive Relationships
  • Normalized Approach
  • Dimensional Approach
• Cloud
  • Modeling Implications
• Complementary Models
  • State Transition Model
  • Function Models
  • Process Models
  • Model Management
• Model Management
  • Model Validation and Testing
  • Model Synchronization
  • Tool Exploitation
  • Data Modeling Tools
  • Repositories

Module 5: Summary and Conclusions

• Summary of Key Points
  • A Quick Review
• Appendix A: Bibliography and References
• Appendix B: Exercises
  • Exercise 1: Normalization to Higher Normal Forms
  • Exercise 2: Party Modeling
  • Exercise 3: Financial Institution Model
  • Exercise 4: Model Application for Data Profiling
  • Exercise 5: Application System Model Development
  • Exercise 6: Model Evaluation