Datamodelleren: A Business-oriented Approach to Data Modelling door Alec Sharp

Level
Total time
Starting date and place
Logo Adept Events
Provider rating: starstarstarstarstar_border 8 Adept Events has an average rating of 8 (out of 1 reviews)

Need more information? Get more details on the site of the provider.

8
Average rating for Datamodelleren: A Business-oriented Approach to Data Modelling door Alec Sharp
Jacolijne Coops
starstarstarstarstar_border
Jacolijne Coops
Chapter Lead Data Definitions at ING Bank
8
Datamodelleren: A Business-oriented Approach to Data Modelling door Alec Sharp

"Well thought out and didactically good course on data modelling and change management. Very useful for those that already have some background on process management and data modelling and who want to get more involvement of the business during their modelling process." - 2017-05-17 10:27

"Well thought out and didactically good course on data modelling and change management. Very useful for those that already have some backgrou… read full review - 2017-05-17 10:27

Starting dates and places

Utrecht
25 Nov 2019 until 26 Nov 2019

Description

For Overview and Course description in English, please scroll down.

Datamodellering is niet alleen essentieel om databases van hoge kwaliteit te ontwerpen, maar ook voor andere technieken zoals workflow modellering en requirements modellering (use cases en service definition). Door een datamodel en datamodellering wordt gemeenschappelijk begrip gekweekt over de zaken – de entiteiten – die gebruikt worden door verschillende processen en applicaties. Deze workshop introduceert entity-relationship modelleren vanuit een non-technisch perspectief, en behandelt contextuele, conceptuele en gedetailleerde modelleertechnieken waarbij maximale betrokkenheid van de gebruiker centraal staat. De gerenom…

Read the complete description

Frequently asked questions

There are no frequently asked questions yet. Send an Email to info@springest.com

Didn't find what you were looking for? See also: Business English, Databases, Hour of Code, 3D, and Internet marketing.

For Overview and Course description in English, please scroll down.

Datamodellering is niet alleen essentieel om databases van hoge kwaliteit te ontwerpen, maar ook voor andere technieken zoals workflow modellering en requirements modellering (use cases en service definition). Door een datamodel en datamodellering wordt gemeenschappelijk begrip gekweekt over de zaken – de entiteiten – die gebruikt worden door verschillende processen en applicaties. Deze workshop introduceert entity-relationship modelleren vanuit een non-technisch perspectief, en behandelt contextuele, conceptuele en gedetailleerde modelleertechnieken waarbij maximale betrokkenheid van de gebruiker centraal staat. De gerenommeerde topspreker Alec Sharp staat garant voor een intensieve sessie volop tips en richtlijnen voor de analist.

Datamodellering was oorspronkelijk bedoeld als een hulpmiddel voor database-ontwerp, maar is uitgegroeid tot een fundamentele requirements techniek voor business analisten, aangezien het relevant is voor iedereen die werkt met datastructuren, applicatielogica, user interfaces en bedrijfsprocessen.

Het is belangrijk om datamodellering al vroeg in het requirements definitie traject toe te passen zodat analisten en klanten een gemeenschappelijk begrip krijgen van de verschillende entiteiten (bijvoorbeeld Klant, Order, Product, Onderdeel etc.), die toegepast worden in de bedrijfsprocessen en informatiesystemen inclusief de onderlinge samenhang en business rules. Daarnaast worden tegenstrijdige terminologieën en assumpties hierdoor vermeden die een groot effect kunnen hebben op applicatieontwikkeling, pakketselectie en -implementatie, systeemintegratie, en process redesign projecten.

Deze workshop introduceert entity-relationship modellering vanuit een non-technisch perspectief, waarin de basiscomponenten van een datamodel – entiteiten, relaties, attributen en identifiers – uitgebreid worden behandeld. Naast uitleg over hoe deze componenten gebruikt moeten worden bij het maken van een datamodel, zal er ook bijzonder veel advies gegeven worden over het proces van het maken van een datamodel in vergelijking met andere cursussen, inclusief specifieke methodes om non-technische materiedeskundigen gemotiveerd en betrokken te houden bij het project. De inhoud van de workshop wordt gepresenteerd binnen de context van een duidelijk gedefinieerde, in drie fasen opgesplitste data-modelleringmethodologie wat een steeds toenemende mate aan precisie en detail mogelijk maakt.

Onderstaande punten maken deze workshop uniek en waardevol:

  • Deze workshop zit vol met praktische tips, technieken, “scripts”, checklists, en richtlijnen voor de analist. Al het geleverde materiaal is gebaseerd op jaren van ervaring met projecten. Abstracte theorie wordt vermeden.
  • De nadruk op bedrijfsvriendelijke technieken zorgt dat ook materiedeskundigen zonder technische achtergrond betrokken blijven bij het project, wat essentieel is voor de kwaliteit van datamodellen.

Leerdoelen
Na afloop van deze workshop zijn de deelnemers in staat om:

  • E-R modelleren in te zetten om feiten, samenhang en regels vast te stellen tussen entiteiten op verschillend detailniveau, waaronder conceptuele (overview) en logische (detail) modellen
  • Top-down en bottom-up benaderingen te gebruiken om ontwikkeling van een datamodel te initiëren
  • De vier basispatronen in een datamodel en de vier bijbehorende entiteittypen te herkennen en toe te passen
  • Definities en aannames (rules) effectief te gebruiken als onderdeel van datamodellering
  • Datanormalisatie intuïtief toe te passen in een E-R model
  • Diverse technieken toe te passen om addtionele requirements te ontdekken en aan te voldoen
  • Een datamodel te ‘lezen’ en te communiceren naar materiedeskundigen, gebruikmakend van de bijbehorende terminologie.

Overzicht van onderwerpen

  • Overzicht van datamodelleren: terminologie, typen modellen en basisbegrippen
  • De essentiële componenten – entiteiten, relaties, attributen en identificaties
  • Een drie-fasen benadering voor het opzetten van een datamodel
  • Starten met een conceptueel datamodel vanuit een bottom-up benadering
  • Vier veel gemaakte fouten bij het benoemen van entiteiten – en hoe die te vermijden
  • Voorkom verwarring en verkeerde interpretatie door duidelijke definities van entiteiten
  • Vier entiteittypen en regels en richtlijnen om daar mee om te gaan
  • Toevoegen van detaillering en robuustheid – van conceptueel model naar logisch datamodel
  • Veelvoorkomende situaties: meerwaardige attributen, redundantie en ‘reference data’
  • De meest eenvoudige benadering van Normalisatie
  • Primaire sleutels (PK) en foreign keys (FK) in logische datamodellen
  • Betekenisloze primaire sleutels – omgang en beperkingen
  • Specificeren van aannames en constraints – regels die niet vindbaar zijn in het E-R diagram
  • Optimaliseer de leesbaarheid van het Entity-Relationship Diagram
  • Technieken voor het ontdekken, beoordelen en voldoen aan nieuwe requirements
  • Samenvatting en leesvoer.

Vooropleiding
Er is geen vooropleiding vereist, al is enige voorkennis over informatiesystemen en gerelateerde concepten aan te raden.

Uw trainer: Alec Sharp, ontvanger van een DAMA-Award voor zijn bijdragen aan het onderwerp.

Bestemd voor ú
Beginnende of gevorderde datamodelleerders, informatieanalisten en database-ontwerpers zullen zeker profiteren van de praktische methoden en richtlijnen die aangereikt worden in deze workshop. Daarnaast is deze workshop erg populair bij business-analisten en applicatieontwerpers/ontwikkelaars om datamodellering en de manier waarop dit requirements engineering of procesanalyse ondersteunt beter te begrijpen. Voor bedrijfsprofessionals en managers is deze workshop handig voor het oplossen van tegenstrijdigheden in de bedrijfsterminologie, beleid en business rules.

OVERVIEW English

Data modelling is critical to the design of quality databases, but is also essential to other requirements specification techniques such as workflow modelling, use cases, and service definition because it ensures a common understanding of the things – the entities – that processes and applications deal with.  This workshop introduces entity-relationship modelling from a non-technical perspective, and explores contextual, conceptual, and detailed modelling techniques that maximize user involvement.

Data modelling was originally developed as a tool for improving database design, but has become a fundamental requirements definition technique for all business analysts, whether they are primarily concerned with data structures, application logic, user interface behavior, or business processes.

A key driver is that applying data modelling early in requirements definition allows analysts and clients to develop a common understanding of the business entities (e.g., Customer, Order, Product, Part, etc.) that business processes and information systems deal with, their interrelationships, and the rules that govern them.  This eliminates the problems of inconsistent terminology and conflicting assumptions that otherwise plague application development, package selection and implementation, system integration, and process redesign projects.
This workshop introduces entity-relationship modelling from a non-technical perspective, thoroughly covering the basic components of a data model – entities, relationships, attributes, and identifiers.  In addition to showing how and when to use these components in developing a data model, it includes far more advice on the process of developing a data model than other courses, including specific methods for getting subject matter experts involved and maintaining their commitment. The content is presented within the context of a clearly-defined, three-phase data modelling methodology that supports progressive detail and precision.
Two points are worth emphasizing:

  • This workshop is packed with practical tips, techniques, “scripts,” checklists, and guidelines for the analyst. All of the material is based on years of project experience; abstract theory is avoided.
  • The emphasis is on “business-friendly” techniques which support and encourage the full involvement of non-technical subject matter experts, which is essential for quality data models.

Objectives:
On workshop completion, participants will be able to:

  • Use entity-relationship modelling to depict facts and rules about business entities at different levels of detail, including conceptual (overview) and logical (detailed) models
  • Use top-down and bottom-up approaches to initiating development of a data model
  • Recognize the four basic patterns in data modelling, and when to use them
  • Effectively use definitions and assertions (“rules”) as part of data modelling
  • Use an intuitive approach to data normalization within an entity-relationship model
  • Apply various techniques for discovering and meeting additional requirements
  • Read a data model, and communicate with specialists using the appropriate terminology.

Prerequisites:
None. However, business analysts who expect to do extensive workflow modelling will find that some understanding of information systems concepts may be helpful in establishing context.

Target Audience:
New or experienced data modelers, data analysts, and DBAs will benefit from the workshop’s practical methods and guidelines. The workshop is also very popular with business analysts and application designers/developers needing to understand data modelling and how it supports requirements definition or process analysis. As well, it’s suitable for business professionals and managers needing to understand how this technique can uncover and resolve inconsistency in business terminology, policy, and rules.

COURSE DESCRIPTION:

Essentials of Data Modeling

  • What really is a data model?
  • Essential components – entities, relationships, and attributes
  • The basics of diagramming – Entity-Relationnship Diagrams (“ERDs”)
  • The narrative parts of a data model – definitions and assertions
  • Group exercise – getting started on a data model, then refining it
  • Common misconceptions about data models and data modeling
  • The real purpose of a data model
  • Three types of data models – different levels of details for different purposes
  • Contextual, Conceptual, and Logical Data Models – purpose, audience, definition, and examples
  • How data models help in process improvement, requirements definition, and reporting
  • Forward- and reverse-engineering uses of data modeling
  • Overview of a three-phase methodology for developing a data model
  • References – books and useful web sites

Phase 1 – Establish the initial conceptual data model

  • Top down vs. bottom up approaches to beginning a data model – when is each appropriate?
  • Advantages of a bottom-up approach
  • A bottom-up approach focusing on collecting and analyzing terminology
  • A structure for sorting terms and discovering entities
  • Exercise – developing an initial conceptual data model
  • Entities – what they are and are not
  • Guidelines for naming and defining entities
  • Three questions to help you quickly develop clear, useful entity definitions
  • Five criteria that entities must satisfy, and four common errors in identifying entities
  • Exercise – identifying flawed entities
  • Identifying relationships
  • Fundamental vs. irrelevant or transitive relationships
  • Good and bad relationship names
  • Multiplicity or cardinality – 1:1, 1:M, and M:M relationships, and useful facts about each
  • Common errors and special cases – recursive, multiple, and supertype-subtype relationships
  • Attributes – guidelines and types
  • Attributes in conceptual models vs. logical models

Phase 2 – Develop the initial logical data model by adding rigor, structure, and detail

  • What’’s involved in developing a logical model – shifting the focus from entities to attributes
  • Multi-valued, redundant, and constrained attributes, with simple patterns for dealing with each
  • An understandable guide to normalization – first, second, and third normal forms
  • Higher order (fourth and fifth) and Boyce-Codd normal forms
  • Guidelines for a smooth progression from conceptual to logical
  • Exercise – developing the initial logical data model
  • Four types of entities – kernel, characteristic, associative, and reference
  • Guidelines and patterns for dealing with each type of entity
  • How to draw your E-R Diagram for maximum readability and correctness
  • Optional and mandatory relationships
  • Considering time and history when looking at relationships
  • Six questions to ask whenver a data range appears in a data model
  • Identifying and dealing with transitive relationships – clues and proof

 
Phase 3 – Refine and extend the logical data model by discovering and meeting new requirements

  • Attribute granularity – definitions of non-atomic and semantically overloaded attributes
  • Guidelines for making non-atomic attributes atomic
  • The perils of semantic overload, and what to do about it
  • Dealing with derived attributes, and when to show them on the model
  • A classword-based approach to attribute naming
  • Typical attribute documentation
  • A common source of confusion and disagreement – primary keys
  • What primary keys are, what they’re really for, and three essential criteria
  • Alternate and foreign keys
  • Why meaningless primary keys are used, and guidelines for creating them
  • Guidelines for reference data
  • Pulling it together – key techniques and guidelines covered in the class so far
  • Using event analysis to discover additional requirements
  • Exercise – using event analysis and extending a data model
  • Presentation by teams of their solutions
  • How data modeling relates to process modeling, use cases, and services
  • A layered framework for business analysts
  • How other techniques (e.g., workflow modeling) support data modeling
  • A three-step procedure for meeting new requirements
  • Advice on extending the model in an orderly fashion
  • Exercise – meeting new requirements on the data model
  • Recap – contextual, conceptual, and logical data models
  • Different skills and participants for conceptual vs. logical modeling
  • How the modeler/analysts’s role changes as a project progresses
  • A little philosophy for effective data modeling
  • The four Ds of data modeling – definition, dependency, detail, and demonstration
  • Wrap-up – the approach we followed throughout the class.
8
Average rating for Datamodelleren: A Business-oriented Approach to Data Modelling door Alec Sharp
Based on 1 review
Jacolijne Coops
starstarstarstarstar_border
Jacolijne Coops
Chapter Lead Data Definitions at ING Bank
8
Datamodelleren: A Business-oriented Approach to Data Modelling door Alec Sharp

"Well thought out and didactically good course on data modelling and change management. Very useful for those that already have some background on process management and data modelling and who want to get more involvement of the business during their modelling process." - 2017-05-17 10:27

"Well thought out and didactically good course on data modelling and change management. Very useful for those that already have some backgrou… read full review - 2017-05-17 10:27

There are no frequently asked questions yet. Send an Email to info@springest.com