টেকোপিডিয়া স্টাফ দ্বারা, সেপ্টেম্বর 28, 2016
টেকওয়ে : হোস্ট রেবেকা জোজভিয়াক ডেটা আর্কিটেকচারের সমাধান নিয়ে ওস্টহুসের এরিক লিটল, ফার্স্ট সান ফ্রান্সিসকো পার্টনার্সের ম্যালকম চিশলম এবং আইডিরার রন হুইজেনগা নিয়ে আলোচনা করেছেন।
আপনি বর্তমানে লগ ইন নেই Please ভিডিওটি দেখতে লগ ইন বা সাইন আপ করুন।
রেবেকা জোজভিয়াক: মহিলারা এবং ভদ্রলোকগণ, হ্যালো, এবং ২০১ Hot সালের হট টেকনোলজিসে স্বাগতম Today আজ আমরা "একটি ব্যবসা-চালিত ডেটা আর্কিটেকচার নির্মাণ, " অবশ্যই আলোচনার বিষয় নিয়ে আলোচনা করছি। আমার নাম রেবেকা জোজভিয়াক, আমি আজকের ওয়েবকাস্টের জন্য আপনার হোস্ট হব। আমরা # হটটেক 16 এর হ্যাশট্যাগ দিয়ে টুইট করি তাই আপনি যদি ইতিমধ্যে টুইটারে থাকেন তবে দয়া করে এটিতেও নির্দ্বিধায় যোগ দিতে দ্বিধা বোধ করবেন না। আপনার যদি কোনও প্রশ্ন থাকে তবে দয়া করে আপনার স্ক্রিনের নীচে ডানদিকে প্রশ্নোত্তর প্যানেলে তাদের পাঠান এবং আমরা সেগুলির উত্তর পেয়েছি তা নিশ্চিত করব। যদি তা না হয় তবে আমরা নিশ্চিত করব যে আমাদের অতিথিরা সেগুলি আপনার জন্য পেয়েছে।
সুতরাং আজ আমরা একটি সত্যই আকর্ষণীয় লাইনআপ পেয়েছি। আমাদের সাথে আজ প্রচুর ভারী হিট্টার। আমাদের কাছে অস্টাসের ডেটা সায়েন্সের ভিপি, এরিক লিটল রয়েছে। আমাদের প্রথম সান ফ্রান্সিসকো অংশীদারদের জন্য চিফ ইনোভেশন অফিসার ম্যালকম চিশলম, যা সত্যিই দুর্দান্ত শিরোনাম। এবং আমাদের কাছে আইডিআরএর সিনিয়র প্রোডাক্ট ম্যানেজার রন হুইজেনগা। এবং, আপনি জানেন, আইডিআরএ একটি সম্পূর্ণরূপে ডেটা ম্যানেজমেন্ট এবং মডেলিং সমাধানগুলির সম্পূর্ণ স্যুট। এবং আজ তার সমাধান কীভাবে কাজ করে সে সম্পর্কে তিনি একটি ডেমো দিতে চলেছেন। তবে এরিক লিটল পৌঁছানোর আগে আমি বলটি আপনাদের কাছে পৌঁছে দেব।
এরিক লিটল: ঠিক আছে, অনেক অনেক ধন্যবাদ। সুতরাং আমি এখানে বেশ কয়েকটি বিষয়ের মধ্য দিয়ে যাচ্ছি যা আমি মনে করি রনের আলোচনার সাথে কিছুটা সম্পর্ক স্থাপন করতে চলেছি এবং আশা করছি এর সাথে কিছু বিষয়গুলির জন্য মঞ্চও নির্ধারণ করব, কিছু প্রশ্নোত্তর।
আইডিআরএর করণীয় সম্পর্কে আমাকে যে আগ্রহী তা হ'ল আমার ধারণা তারা জটিল পরিবেশগুলি আজকাল প্রচুর ব্যবসায়িক মূল্যবোধ চালাচ্ছে বলে সঠিকভাবে উল্লেখ করেছে। জটিল পরিবেশ দ্বারা আমরা জটিল ডেটা এনভায়রনমেন্টগুলি বোঝায়। এবং প্রযুক্তিটি সত্যই দ্রুত গতিতে চলেছে এবং আজকের ব্যবসায়িক পরিবেশে এটি রাখা শক্ত। সুতরাং সেই জায়গাগুলিতে যারা প্রযুক্তি ব্যবস্থায় কাজ করেন তাদের প্রায়শই দেখতে পাবেন যে আপনার গ্রাহকরা যারা সমস্যা নিয়ে কাজ করছেন তারা "আমি কীভাবে বড় ডেটা ব্যবহার করব? আমি কীভাবে শব্দার্থবিজ্ঞানের সমন্বয় করব? আমি কীভাবে এই নতুন সামগ্রীর কিছুটিকে আমার পুরানো ডেটার সাথে সংযুক্ত করব? "এবং আরও, এবং এই ধরণের আমাদের আজকাল এই চারটি ভি এর বিগ ডেটাতে নিয়ে যায় যার সাথে অনেক লোক বেশ পরিচিত, এবং আমি বুঝতে পারি যে এখানে আরও চারটির বেশি থাকতে পারে কখনও কখনও - আমি আট বা নয় টি হিসাবে দেখেছি - তবে সাধারণত, যখন লোকেরা বড় ডেটার মতো জিনিসগুলি নিয়ে কথা বলে বা আপনি যদি বড় ডেটা সম্পর্কে কথা বলেন তবে আপনি সাধারণত এমন কিছু দিকে তাকান যা এন্টারপ্রাইজ স্কেলের মতো। এবং তাই লোকেরা বলবে, ঠিক আছে, ভাল, আপনার ডেটার পরিমাণ সম্পর্কে চিন্তা করুন, যা সাধারণত ফোকাস হয় - এটি আপনার কাছে কতটা। আমি কীভাবে এটিকে প্রায় দ্রুত স্থানান্তর করতে পারি বা আমি কীভাবে এটি জিজ্ঞাসা করতে পারি বা উত্তরগুলি পেতে পারি তা দিয়েই ডেটার বেগের সাথে সম্পর্কযুক্ত। এবং ব্যক্তিগতভাবে আমি মনে করি যে এর বাম দিকটি এমন কিছু যা সমাধান এবং তুলনামূলকভাবে দ্রুত বিভিন্ন পদ্ধতির মাধ্যমে পরিচালনা করা হচ্ছে। তবে ডানদিকে আমি উন্নতির জন্য প্রচুর সক্ষমতা এবং অনেকগুলি নতুন প্রযুক্তি যা সত্যই আগমন ঘটছে তা দেখছি। এবং এটি সত্যিই তৃতীয় কলামের সাথে সম্পর্কিত, ডেটা বৈচিত্র্য।
সুতরাং অন্য কথায়, বেশিরভাগ সংস্থাগুলি আজকাল কাঠামোগত, আধা-কাঠামোগত এবং কাঠামোগত ডেটা খুঁজছেন। চিত্রের ডেটা একটি উষ্ণ বিষয় হয়ে উঠতে শুরু করেছে, সুতরাং কম্পিউটার দৃষ্টিভঙ্গি ব্যবহার করতে সক্ষম হওয়া, পিক্সেলগুলি সন্ধান করা, পাঠ্যকে স্ক্র্যাপ করতে সক্ষম হওয়া, এনএলপি, সত্তা নিষ্কাশন, আপনার কাছে গ্রাফ তথ্য রয়েছে যা পরিসংখ্যানের মডেলগুলির মধ্যে থেকে আসে বা এটি শব্দার্থবিজ্ঞানের বাইরে আসে that's মডেলগুলি, আপনার কাছে টেবিলগুলিতে বিদ্যমান এমন সম্পর্কিত সম্পর্কিত ডেটা রয়েছে। এবং সুতরাং এই সমস্ত ডেটা একসাথে টান এবং এই সমস্ত বিভিন্ন ধরণের সত্যই একটি বড় চ্যালেঞ্জের প্রতিনিধিত্ব করে এবং আপনি এটি দেখবেন, আপনি জানেন, গার্টনার এবং অন্যান্য ব্যক্তি যারা এই শিল্পের প্রবণতাগুলি অনুসরণ করছেন।
এবং তারপরে লোকেরা বড় ডেটাতে যে চূড়ান্ত কথা বলে তা হ'ল প্রায়শই এই ভোরের ধারণা, যা সত্যই আপনার ডেটার অনিশ্চয়তা, এর ঝাপসা। আপনি কীভাবে আপনার ডেটা সম্পর্কে যা জানেন, সেখানে কী রয়েছে এবং আপনি কীভাবে জানেন? পরিসংখ্যান ব্যবহার করার ক্ষমতা এবং আপনি যা জানেন বা কিছু প্রসঙ্গ ব্যবহার করতে পারেন তার চারপাশে কিছু ধরণের তথ্য ব্যবহার করার ক্ষমতা সেখানে মূল্যবান হতে পারে। এবং তাই আপনার কতটুকু পরিমাণ আছে, আপনার এটিকে প্রায় দ্রুত স্থানান্তরিত করতে বা এটিতে কীভাবে আপনার প্রয়োজন হবে, আপনার এন্টারপ্রাইজে আপনার সমস্ত ধরণের ডেটা থাকতে পারে এবং আপনি কোথায় ছিলেন সে সম্পর্কে কতটা নিশ্চিত তার দিক থেকে এই উপায়ে ডেটা দেখার ক্ষমতা এটি, এটি কী, এটি কী মানের, এবং আরও অনেক কিছু। এটির জন্য এখন অনেক লোকের মধ্যে তাদের ডেটা কার্যকরভাবে পরিচালনা করার জন্য একটি বৃহত, সমন্বিত প্রচেষ্টা দরকার effort মডেলিং ডেটা, অতএব, আজকের বিশ্বে ক্রমবর্ধমান গুরুত্বপূর্ণ। সুতরাং ভাল ডেটা মডেলগুলি সত্যিই এন্টারপ্রাইজ অ্যাপ্লিকেশনগুলিতে প্রচুর সাফল্য অর্জন করছে।
আপনার কাছে বিভিন্ন উত্স থেকে ডেটা উত্স রয়েছে, যেমন আমরা বলছিলাম, যার জন্য সত্যই বিভিন্ন ধরণের সংহতকরণ প্রয়োজন। সুতরাং এগুলি সমস্ত একসাথে টানাই ক্যোরিগুলি চালাতে সক্ষম হওয়ার জন্য দরকারী, উদাহরণস্বরূপ, বিভিন্ন ধরণের ডেটা উত্সগুলিতে এবং তথ্যগুলিকে পিছনে টানুন। তবে এটি করার জন্য আপনার ভাল ম্যাপিং কৌশলগুলি দরকার এবং সেই ধরণের ডেটা ম্যাপিং করা এবং সেই ম্যাপিংগুলি চালিয়ে যাওয়া একটি সত্যিকারের চ্যালেঞ্জ হতে পারে। এবং তারপরে আপনার এই সমস্যাটি আছে, ভাল আমি কীভাবে এই সমস্ত নতুন ডেটা উত্সগুলির সাথে আমার উত্তরাধিকারের ডেটা যুক্ত করব? সুতরাং ধরুন আমি গ্রাফ পেয়েছি, আমি কি আমার সমস্ত সম্পর্কিত ডেটা নিয়ে গ্রাফে রাখি? সাধারণত এটি একটি ভাল ধারণা নয়। সুতরাং এটি কীভাবে হয় যে লোকেরা চলমান এই সমস্ত ধরণের ডেটা মডেলগুলি পরিচালনা করতে সক্ষম হয়? বিশ্লেষণ সত্যিই এই বিভিন্ন ধরণের ডেটা উত্স এবং সংমিশ্রণে প্রচুর পরিমাণে চালিত হতে হয়। সুতরাং এর থেকে যে উত্তরগুলি বেরিয়ে আসছে, লোকেরা সত্যিকারের ভাল ব্যবসায়িক সিদ্ধান্ত নেওয়ার জন্য যে উত্তরগুলি দরকার তা গুরুত্বপূর্ণ।
সুতরাং এটি কেবল প্রযুক্তির প্রয়োজনে প্রযুক্তি তৈরির বিষয়ে নয়, এটি সত্যই, আমি যা করতে যাচ্ছি, এটি দিয়ে আমি কী করতে পারি, কী ধরণের বিশ্লেষণ চালাতে পারি এবং ক্ষমতা, অতএব, যেমন আমি ইতিমধ্যে করেছি এই জিনিসগুলি একসাথে টানতে, এটি সংহত করা সম্পর্কে সত্যই সত্যই গুরুত্বপূর্ণ talking এবং এই জাতীয় বিশ্লেষণগুলির মধ্যে একটি এরপরে ফেডারেটেড অনুসন্ধান এবং ক্যোয়ারির মতো জিনিসগুলিতে চলে। এটা সত্যিই একটি আবশ্যক হয়ে উঠছে। আপনার প্রশ্নগুলি সাধারণত একাধিক ধরণের উত্সগুলিতে থ্রেড করতে হয় এবং তথ্যকে একটি নির্ভরযোগ্য হিসাবে ফিরিয়ে আনতে হয়।
একটি মূল উপাদান যা প্রায়শই, বিশেষত লোকেরা মূল শব্দগুলির মতো মূল বিষয়গুলির দিকে নজর রাখে - এবং এটি এমন একটি বিষয় যা আমি আশা করি যে রন আইডিরার পদ্ধতির সাথে কিছুটা কথা বলবে - আপনি কীভাবে আলাদা বা পরিচালনা করবেন মডেল স্তরটি আপনার ডেটা স্তর থেকে নিজেই, সেই কাঁচা ডেটা থেকে? সুতরাং ডেটা স্তরে আপনার ডাটাবেস থাকতে পারে, আপনার কাছে ডকুমেন্টের ডেটা থাকতে পারে, আপনার স্প্রেডশিট ডেটা থাকতে পারে, আপনার ইমেজ ডেটা থাকতে পারে। আপনি যদি ওষুধ শিল্পের মতো অঞ্চলে থাকেন তবে আপনি বিপুল পরিমাণে বৈজ্ঞানিক ডেটা পেয়েছেন। এবং তারপরে এই ব্যক্তিরা সাধারণত একটি মডেল তৈরির এমন উপায়ের সন্ধান করেন যা তাদের দ্রুত সেই ডেটা একীভূত করতে দেয় এবং সত্যই আপনি যখন ডেটা সন্ধান করছেন এখন আপনি মডেল স্তরটিতে সমস্ত তথ্য টানতে যাচ্ছেন না, আপনি যা করতে মডেল স্তরের দিকে নজর দিচ্ছেন তা হ'ল জিনিসগুলি কী কী, সাধারণ ভোকাবুলারি, সাধারণ ধরণের সত্ত্বা এবং সম্পর্কগুলি এবং এটি যেখানে রয়েছে সেখানে সত্যিকারের ডেটাতে পৌঁছানোর দক্ষতার একটি দুর্দান্ত যৌক্তিক উপস্থাপনা। সুতরাং এটি কী তা বলতে হবে এবং এটি কোথায় রয়েছে তা বলতে হবে এবং কীভাবে এটি আনতে হবে এবং এটিকে ফিরিয়ে আনতে হবে তা বলতে হবে।
সুতরাং এটি এমন একটি দৃষ্টিভঙ্গি হয়ে দাঁড়িয়েছে যা অর্থোক্ত প্রযুক্তিগুলি এগিয়ে নিয়ে যাওয়ার ক্ষেত্রে যথেষ্ট সফল হয়েছে, এটি এমন একটি অঞ্চল যেখানে আমি অনেক কাজ করি। সুতরাং একটি প্রশ্ন যা আমি রনের জন্য তুলে ধরতে চেয়েছিলাম, এবং আমি মনে করি প্রশ্নোত্তর বিভাগে কার্যকর হবে, এটি কীভাবে আইডিআরএ প্ল্যাটফর্মটি সম্পাদন করে? তাহলে কি মডেল স্তরটি আসলে ডেটা স্তর থেকে পৃথক? তারা আরও সংহত হয়? কীভাবে এটি কাজ করে এবং কিছু ফলাফল এবং সুবিধাগুলি যা তারা তাদের পদ্ধতির থেকে দেখছে? সুতরাং রেফারেন্স তথ্য সত্যই গুরুত্বপূর্ণ হয়ে উঠছে। সুতরাং যদি আপনার কাছে এই জাতীয় ডেটা মডেল থাকতে চলেছে, আপনি যদি ফেডারেশন তৈরি করতে এবং জিনিসগুলি সন্ধান করতে সক্ষম হন তবে আপনার কাছে সত্যিকারের ভাল রেফারেন্স ডেটা থাকতে হবে। তবে সমস্যাটি হল রেফারেন্স ডেটা বজায় রাখা সত্যিই কঠিন hard তাই প্রায়শই প্রায়শই নামকরণ করা এবং নিজেরাই একটি কঠিন চ্যালেঞ্জ। একটি গোষ্ঠী এক্সকে কিছু বলবে এবং একটি গোষ্ঠী কিছু বলবে ওয়ায় এবং এখন আপনার সমস্যা আছে যখন কেউ এই ধরণের তথ্য সন্ধান করছেন তারা এক্স এবং ওয়াইকে কীভাবে খুঁজে পাবেন? যেহেতু আপনি তাদের কেবলমাত্র ডেটার একটি অংশ দিতে চান না, আপনি তাদের সম্পর্কিত সমস্ত কিছু দিতে চান। একই সাথে শর্তাবলীর পরিবর্তন হয়, সফ্টওয়্যারটি অবচিত হয়ে যায় এবং আরও কীভাবে, আপনি কীভাবে সময়ের সাথে সেই তথ্যসূত্রটি বজায় রাখবেন এবং বজায় রাখবেন?
এবং আবারও শব্দার্থক প্রযুক্তি এবং শব্দভাণ্ডার, ডেটা অভিধান ইত্যাদির মতো জিনিসগুলি ব্যবহার করে শব্দার্থ প্রযুক্তিগুলি, এটি করার একটি আদর্শ স্থানের ব্যবস্থা করেছে যা সত্যই অত্যন্ত মজবুত, এটি নির্দিষ্ট ধরণের মানকে কাজে লাগায়, তবে ডাটাবেস সম্প্রদায় এটির জন্য এটি করেছে দীর্ঘ সময় পাশাপাশি, বিভিন্ন উপায়ে। আমি মনে করি যে এখানে কীগুলির মধ্যে একটি হ'ল সম্ভবত সত্তা-সম্পর্ক মডেলগুলি কীভাবে ব্যবহার করতে হয়, কীভাবে সম্ভবত গ্রাফ মডেলগুলি ব্যবহার করতে হবে বা কোনও ধরণের পদ্ধতির ব্যবহার করতে হবে যা আপনাকে আশাবাদী আপনার রেফারেন্স ডেটা পরিচালনা করার জন্য একটি স্ট্যান্ডার্ড ব্যবধানিক উপায় দেয়। এবং তারপরে অবশ্যই আপনার রেফারেন্স ডেটা হয়ে গেলে ম্যাপিং কৌশলগুলিতে বিভিন্ন নাম এবং সত্ত্বা পরিচালনা করতে হয়। তাই বিষয় বিশেষজ্ঞরা প্রায়শই তাদের নিজস্ব শর্তাদি ব্যবহার করতে পছন্দ করেন।
সুতরাং এটির মধ্যে একটি চ্যালেঞ্জ সর্বদা, আপনি কীভাবে কাউকে তথ্য দেবেন তবে তারা যেভাবে এটি সম্পর্কে কথা বলছেন সেটির সাথে এটি কীভাবে প্রাসঙ্গিক করবেন? সুতরাং একটি গোষ্ঠীর কোনও কিছুর দিকে তাকানোর এক উপায় থাকতে পারে, উদাহরণস্বরূপ, আপনি কোনও ওষুধে কাজ করা একজন রসায়নবিদ হতে পারেন এবং আপনি একই ড্রাগে কাজ করা কাঠামোগত জীববিজ্ঞানী হতে পারেন এবং একই ধরণের সত্তার জন্য আপনার আলাদা আলাদা নাম থাকতে পারে যা আপনার ক্ষেত্রে সম্পর্কিত। এই ব্যক্তিগতকৃত পরিভাষাগুলি একসাথে আনার জন্য আপনাকে উপায়গুলি বের করতে হবে, কারণ অন্য পদ্ধতিটি হ'ল আপনাকে লোকদের তাদের শব্দটি বাদ দিতে এবং অন্য কারও ব্যবহার করতে বাধ্য করতে হবে, যা তারা প্রায়শই পছন্দ করে না। এখানে আরেকটি বিষয় হ'ল বিপুল সংখ্যক প্রতিশব্দগুলি হ্যান্ডেল করা কঠিন হয়ে পড়ে, তাই অনেক লোকের ডেটাতে প্রচুর বিভিন্ন শব্দ রয়েছে যা একই জিনিসটিকে উল্লেখ করতে পারে। একাধিক থেকে এক সম্পর্কের সেট ব্যবহার করে আপনার রেফারেন্সের সমস্যা আছে। বিশেষ শর্তাবলী শিল্প থেকে শিল্পে পরিবর্তিত হয় তাই আপনি যদি এই ধরণের ডেটা ম্যানেজমেন্টের জন্য একটি ওভাররিচিং সমাধানের ধরণটি নিয়ে আসতে চলেছেন তবে এটি কতটা সহজে বহনযোগ্য একটি প্রকল্প থেকে, বা অন্য একটি অ্যাপ্লিকেশনটির কাছে? এটা অন্য চ্যালেঞ্জ হতে পারে।
অটোমেশন গুরুত্বপূর্ণ এবং এটিও একটি চ্যালেঞ্জ। রেফারেন্স ডেটা ম্যানুয়ালি হ্যান্ডেল করা ব্যয়বহুল। ম্যানুয়ালি ম্যাপিং রাখা খুব ব্যয়বহুল এবং বিষয় বিশেষজ্ঞরা তাদের প্রতিদিন কাজ করা বন্ধ করে দেওয়া এবং প্রবেশ করা এবং ক্রমাগত ডেটা ডিকশনারি এবং পুনরায় আপডেট সংজ্ঞা ইত্যাদি ঠিক করে রাখা ইত্যাদি and প্রতিলিপিযোগ্য শব্দভাণ্ডারগুলি সত্যই প্রচুর মান দেখায়। সুতরাং এগুলি প্রায়শই শব্দভাণ্ডার যা আপনি আপনার প্রতিষ্ঠানের বাইরের খুঁজে পেতে পারেন। উদাহরণস্বরূপ, যদি আপনি অপরিশোধিত তেলের কাজ করে থাকেন তবে এমন কিছু ধরণের শব্দভাণ্ডার থাকবে যা আপনি ওপেন সোর্স স্পেস থেকে pharmaষধ নিতে পারেন, ফার্মাসিউটিক্যালসের সাথে একই, ব্যাংকিং শিল্পের সাথে একই এবং আর্থিক, এই ধরণের প্রচুর ক্ষেত্রে same লোকেরা পুনরায় ব্যবহারযোগ্য, জেনেরিক, অনুলিপিযোগ্য শব্দভাণ্ডারগুলি লোকদের ব্যবহার করার জন্য রেখে দিচ্ছে।
এবং আবারও, আইডিআরএ সরঞ্জামটির দিকে তাকিয়ে, আমি আগ্রহী যে তারা কীভাবে মানদণ্ডের ধরণের ব্যবহারের ক্ষেত্রে এটি পরিচালনা করছে see শব্দার্থবিজ্ঞানের জগতে আপনি প্রায়শই এসকেওএস মডেলগুলির মতো জিনিসগুলি দেখতে পান যা সম্পর্কের চেয়ে কমপক্ষে বিস্তৃত / সংকীর্ণের জন্য মান সরবরাহ করে এবং এই বিষয়গুলি ইআর মডেলগুলিতে করা কঠিন হতে পারে তবে আপনি জানেন, অসম্ভব নয়, এটি কেবল কতটা তার উপর নির্ভর করে যন্ত্রপাতি এবং সেই লিঙ্কিং যা আপনি এই ধরণের সিস্টেমে পরিচালনা করতে পারেন।
সুতরাং সর্বশেষে আমি কেবল কিছু সিনেটিক ইঞ্জিনের সাথে তুলনা করতে চাই যা আমি ইন্ডাস্ট্রিতে দেখি, এবং রন এবং প্রাইমকে কিছুটা জিজ্ঞাসা করতে চেয়েছিলাম সম্ভবত আইডিরার সিস্টেমটি কোন শব্দার্থত প্রযুক্তির সাথে একত্রে কীভাবে ব্যবহৃত হয়েছে। এটি ট্রিপল স্টোর, গ্রাফ ডাটাবেসের সাথে সংহত করতে সক্ষম? বাহ্যিক উত্সগুলি ব্যবহার করা কত সহজ কারণ শব্দার্থক জগতের ধরণের জিনিসগুলি প্রায়শই স্প্যারকিউএল এন্ডপয়েন্টস ব্যবহার করে ধার করা যায়? আপনি সরাসরি আপনার মডেলের মধ্যে আরডিএফ বা ওডাব্লুএল মডেলগুলি আমদানি করতে পারেন - তাদের কাছে আবার উল্লেখ করুন - সুতরাং, উদাহরণস্বরূপ, জিন অ্যান্টোলজি বা প্রোটিন অ্যান্টোলজি, যা নিজস্ব ব্যবস্থার কাঠামো দিয়ে নিজের জায়গাতেই কোথাও বাস করতে পারে এবং আমি কেবল সমস্ত বা আমদানি করতে পারি আমার নিজের মডেলগুলির মধ্যে এটির প্রয়োজন হিসাবে এর অংশ। এবং আমি জানতে আগ্রহী যে IDERA কীভাবে এই সমস্যাটির কাছে আসে। আপনার কি অভ্যন্তরীণভাবে সবকিছু রক্ষণাবেক্ষণ করতে হবে, বা অন্যান্য ধরণের মানকীয় মডেলগুলি ব্যবহার করার উপায় আছে এবং সেগুলিতে টানতে হবে এবং কীভাবে এটি কাজ করে? এবং আমি এখানে শেষ কথাটি উল্লেখ করেছি যে শখের শব্দগুলি এবং মেটাডেটা সংগ্রহস্থলগুলি তৈরিতে ম্যানুয়াল কাজটি আসলে জড়িত?
সুতরাং আমি জানি রন আমাদেরকে এই ধরণের জিনিসগুলির জন্য কিছু ডেমো প্রদর্শন করতে চলেছে যা সত্যই আকর্ষণীয় হবে। তবে গ্রাহকদের সাথে পরামর্শ করার ক্ষেত্রে আমি যে সমস্যাগুলি প্রায়শই দেখি তা হ'ল লোকেরা তাদের নিজস্ব সংজ্ঞা বা তাদের নিজস্ব মেটাডেটা লিখতে থাকলে প্রচুর ত্রুটি হয়। সুতরাং আপনি ভুল বানান পান, আপনি চর্বি-আঙুলের ত্রুটি পান, এটি একটি জিনিস। আপনি এমন লোকও পান যাঁরা কিছু পেতে পারেন, আপনি জানেন, কেবল উইকিপিডিয়া বা এমন একটি উত্স যা আপনার সংজ্ঞায় যে মানের প্রয়োজন তা অপরিহার্য নয় বা আপনার সংজ্ঞা কেবলমাত্র একজন ব্যক্তির দৃষ্টিকোণ থেকে তাই এটি সম্পূর্ণ নয়, এবং এটি তখন পরিষ্কার নয় প্রশাসনিক প্রক্রিয়া কীভাবে কাজ করে। আপনি যখন রেফারেন্স ডেটা নিয়ে কথা বলছেন এবং যে কোনও সময় এটি কোনওর মাস্টার ডেটার সাথে কীভাবে খাপ খায়, কীভাবে তারা তাদের মেটাডেটা ব্যবহার করতে চলেছেন এবং কীভাবে আপনি যখন কথা বলছেন তখন প্রশাসন অবশ্যই খুব বড় সমস্যা হ'ল শীঘ্রই.
তাই আমি এই বিষয়গুলির কিছু এখানে রেখে দিতে চেয়েছিলাম। এগুলি এমন আইটেম যা আমি ব্যবসায়ের জায়গায় বিভিন্ন ধরণের পরামর্শমূলক ক্রিয়াকলাপ এবং প্রচুর বিভিন্ন স্পেস জুড়ে দেখি এবং রন এই বিষয়গুলির কয়েকটি উল্লেখ করার জন্য আইডিরার সাথে আমাদের কী প্রদর্শন করতে চলেছে তা দেখতে আমি আগ্রহী । তাই আপনাকে অনেক ধন্যবাদ।
রেবেকা জোজভিয়াক: অনেক ধন্যবাদ, এরিক এবং আমি আপনার মন্তব্যটি সত্যিই পছন্দ করি যে লোকেরা যদি তাদের নিজস্ব সংজ্ঞা বা মেটাডেটা লিখতে থাকে তবে অনেক ত্রুটি ঘটতে পারে। আমি জানি সাংবাদিকতা জগতে এমন একটি মন্ত্র আছে যে "অনেকের চোখই কিছু ত্রুটি করে", কিন্তু যখন এটি ব্যবহারিক প্রয়োগগুলিতে নেমে আসে তখন কুকির জারে খুব বেশি হাত আপনাকে অনেকটা ভাঙা কুকি দিয়ে রেখে যায়, তাই না?
এরিক লিটল: হ্যাঁ, এবং জীবাণুগুলি।
রেবেকা জোজভিয়াক: হ্যাঁ। এটির সাথেই আমি এগিয়ে যাব এবং এটি ম্যালকম চিশলমে পৌঁছে দেব। ম্যালকম, মেঝে তোমার।
ম্যালকম চিশলম: আপনাকে অনেক ধন্যবাদ রেবেকা। আমি এরিক কী বিষয়ে কথা বলছে তার দিকে কিছুটা নজর দিতে চাই এবং কিছুটা পর্যবেক্ষণ যুক্ত করতে চাই, যা আপনি জানেন, রনও "ব্যবসায়-পরিচালিত ডেটা আর্কিটেকচারের দিকে" কথা বলার ক্ষেত্রে প্রতিক্রিয়া দেখাতে পারে ”- ব্যবসা পরিচালিত হওয়ার অর্থ কী এবং কেন এটি গুরুত্বপূর্ণ? বা এটি হাইপ মাত্র কিছু ফর্ম? আমি এটা মনে করি না।
যদি আমরা যা দেখছি তখন থেকে কী চলছে, আপনি জানেন যে, মেইনফ্রেম কম্পিউটারগুলি সত্যই সংস্থাগুলির কাছে উপলব্ধ হয়ে উঠেছে - বলুন, ১৯ 19৪ সালের কাছাকাছি - আজ অবধি, আমরা দেখতে পাচ্ছি যে সেখানে প্রচুর পরিবর্তন হয়েছে। এবং এই পরিবর্তনগুলি আমি প্রক্রিয়া কেন্দ্রিকতা থেকে ডেটা-কেন্দ্রীকরণে স্থানান্তর হিসাবে সংক্ষেপে জানাব। এবং এটিই ব্যবসায়-চালিত ডেটা আর্কিটেকচারকে আজকের জন্য এত গুরুত্বপূর্ণ এবং প্রাসঙ্গিক করে তোলে। এবং আমি মনে করি, আপনি জানেন, এটি কেবল একটি শব্দগুচ্ছ নয়, এটি একেবারে বাস্তব।
তবে আমরা যদি ইতিহাসে ডুব দেই তবে আমরা এটি আরও কিছুটা প্রশংসা করতে পারি, তাই সময়মতো ফিরে যাওয়া, ১৯60০ এর দশকে ফিরে যাওয়ার এবং এর কিছু সময়ের জন্য, মেইনফ্রেমে আধিপত্য ছিল। এরপরে পিসিগুলিতে এই পদ্ধতি তৈরি হয়েছিল যেখানে পিসিগুলি আসার সময় আপনি ব্যবহারকারীদের প্রকৃতপক্ষে বিদ্রোহ করেছিলেন central কেন্দ্রীভূত আইটি-র বিরুদ্ধে বিদ্রোহ, যাদের ধারণা ছিল তারা তাদের চাহিদা পূরণ করছে না, তারা যথেষ্ট চটচটে ছিল না। এটি পিসিগুলিকে একসাথে যুক্ত করার পরে বিতরণকারী কম্পিউটিংয়ের দ্রুত জন্ম দেয়। এবং তারপরে ইন্টারনেটটি ঘটতে শুরু করে, যা এন্টারপ্রাইজের সীমানা ঝাপসা করে দেয় - এটি এখন ডেটা এক্সচেঞ্জের ক্ষেত্রে নিজের বাইরে থাকা দলগুলির সাথে যোগাযোগ করতে পারে, যা আগে ঘটেছিল না। এবং এখন আমরা মেঘ এবং বড় ডেটার যুগে চলে এসেছি যেখানে মেঘটি এমন প্ল্যাটফর্ম যা প্রকৃত অবকাঠামোগুলিকে বাণিজ্যিকভাবে সাজিয়ে তোলে এবং তাই আমরা চলে যাচ্ছি, যেমনটি ছিল, বড় ডেটা সেন্টার চালানোর প্রয়োজনের কারণ, আপনি জানেন, আমরা 'আমাদের কাছে মেঘের ক্ষমতা উপলব্ধ রয়েছে এবং এরিকের সাথে রয়েছে এমন বড় ডেটা সহকারে আপনারা জানেন, এতটা স্পষ্টভাবে আলোচিত। এবং সামগ্রিকভাবে, যেমন আমরা দেখছি, প্রযুক্তিতে যে পরিবর্তন এসেছে, এটি আরও ডেটা কেন্দ্রিক হয়ে উঠেছে, আমরা ডেটা সম্পর্কে আরও যত্নশীল। ইন্টারনেটের মতো, কীভাবে ডেটা এক্সচেঞ্জ করা হচ্ছে। বড় ডেটা সহ, চার বা তারও বেশি ডেটা নিজেই।
একই সময়ে, এবং সম্ভবত আরও গুরুত্বপূর্ণভাবে, ব্যবসায়ের ব্যবহারের ক্ষেত্রে স্থানান্তরিত হয়েছিল। কম্পিউটারগুলি যখন প্রথম চালু করা হয়েছিল, তখন সেগুলি বই এবং রেকর্ডের মতো জিনিস স্বয়ংক্রিয় করতে ব্যবহৃত হত। এবং ম্যানুয়াল প্রক্রিয়া ছিল এমন যে কোনও কিছুই, যার মধ্যে লিডার্স বা এর মতো জিনিসগুলি জড়িত ছিল, মূলত ঘরে বসে প্রোগ্রাম করা হয়েছিল। এটি 80 এর দশকে অপারেটিং প্যাকেজগুলির প্রাপ্যতার দিকে স্থানান্তরিত হয়েছিল। আপনাকে আর নিজের বেতনভিত্তিক লেখার দরকার পড়েনি, আপনি কিছু এটি কিনতে পেরেছিলেন। এর ফলে অনেক তথ্যপ্রযুক্তি বিভাগে সেই সময়ে একটি বিশাল আকার হ্রাস বা পুনর্গঠনের ফলাফল হয়েছিল। তবে ব্যবসায়ের বুদ্ধিমত্তা, ডেটা গুদামগুলির মতো জিনিসগুলি উপস্থিত হয়েছিল, বেশিরভাগ 90 এর দশকে। ডটকম ব্যবসায়িক মডেলগুলি অনুসরণ করেছে যা অবশ্যই একটি বড় উন্মাদ ছিল। তারপরে এমডিএম। এমডিএম দিয়ে আপনি দেখতে শুরু করেছেন যে আমরা অটোমেশন সম্পর্কে চিন্তা করছি না; আমরা কেবলমাত্র ডেটা হিসাবে ডেটা কুরটিংয়ের দিকে ফোকাস করছি। এবং তারপরে বিশ্লেষণগুলি, মানটি উপস্থাপন করে আপনি ডেটা থেকে বেরিয়ে আসতে পারেন। এবং বিশ্লেষণের মধ্যে আপনি এমন সংস্থাগুলি দেখতে পান যেগুলি খুব সফল, যার মূল ব্যবসায়িক মডেল ডেটা ঘুরে। গুগল, টুইটার, ফেসবুক এর অংশ হতে পারে, তবে আপনি এটিও বলতে পারেন যে ওয়ালমার্ট।
এবং তাই ব্যবসায় এখন সত্যিই ডেটা নিয়ে ভাবছে। কীভাবে আমরা তথ্য থেকে মূল্য পেতে পারি? কীভাবে ডেটা ব্যবসায়, কৌশল এবং কীভাবে চালনা করতে পারে তা আমরা তথ্যের স্বর্ণযুগে। সুতরাং দেওয়া হয়েছে যে, আমাদের তথ্য আর্কিটেকচারের ক্ষেত্রে কী ঘটছে, যদি ডেটাটিকে আর অ্যাপ্লিকেশনগুলির শেষ প্রান্ত থেকে বেরিয়ে আসা কেবল নিষ্কাশন হিসাবে গণ্য করা হয় না, তবে কি আমাদের ব্যবসায়িক মডেলগুলির সত্যই কেন্দ্রীয়? ঠিক আছে, আমরা যে সমস্যাটি অর্জন করতে পেরেছি তার একটি অংশ এটি সিস্টেমের জীবনচক্রের সাথে অতীতে আটকে আছে যা আইটি শুরুর যুগে সেই প্রক্রিয়া অটোমেশন পর্বের সাথে দ্রুত মোকাবেলা করার ফলে এবং কাজ করে যাচ্ছিল প্রকল্পগুলি একই জিনিস। আইটি-র কাছে - এবং এটি একটি ক্যারিকেচারের সামান্য অংশ - তবে আমি যা বলতে চাইছি তা হ'ল যে কোনও ব্যবসায়-ভিত্তিক ডেটা আর্কিটেকচার পাওয়ার ক্ষেত্রে কিছু বাধা হ'ল কারণ আমরা আইটি-তে একটি ধরনের সংস্কৃতি গ্রহণ করেছি, কারণ যা গত যুগ থেকে উদ্ভূত।
সুতরাং সবকিছু একটি প্রকল্প। আপনার প্রয়োজনীয়তাগুলি আমাকে বিশদে বলুন। যদি জিনিসগুলি কাজ না করে, কারণ আপনি আমাকে আপনার প্রয়োজনীয়তাগুলি বলেন নি it's আজকের দিনে এটি ডেটা দিয়ে কাজ করে না কারণ আমরা অ-স্বয়ংক্রিয় ম্যানুয়াল প্রক্রিয়াগুলি শুরু করি না বা একটি, ব্যবসায়িক প্রক্রিয়াগুলির একটি প্রযুক্তিগত রূপান্তর, আমরা ইতিমধ্যে বিদ্যমান উত্পাদন ডেটা যা আমরা চেষ্টা করছি তা দিয়ে প্রায়শই শুরু করছি we're বাইরে মান পেতে। কিন্তু যে কেউ ডেটা কেন্দ্রিক প্রকল্পটির স্পনসর করছে তা সত্যই সেই ডেটা গভীরতার সাথে বুঝতে পারে না। আমাদের ডেটা আবিষ্কার করতে হবে, আমাদের উত্স ডেটা বিশ্লেষণ করতে হবে। এবং এটি প্রকৃতপক্ষে সিস্টেমের বিকাশের সাথে মেলে না, আপনি জানেন - জলপ্রপাত, এসডিএলসি জীবনচক্র - যার মধ্যে আমি চটপটি বজায় রাখব এটি এর এক ধরণের আরও ভাল সংস্করণ।
এবং যাতে দৃষ্টি নিবদ্ধ করা হচ্ছে তা হ'ল প্রযুক্তি এবং কার্যকারিতা, ডেটা নয়। উদাহরণস্বরূপ, যখন আমরা একটি পরীক্ষার পর্যায়ে টেস্টিং করি তখন এটি সাধারণত হয়ে যায়, আমার কার্যকারিতাটি কি কাজ করে, আসুন আমার ETL বলি, তবে আমরা ডেটা পরীক্ষা করছি না। উত্স ডেটা আসার বিষয়ে আমরা আমাদের অনুমানগুলি যাচাই করছি না। যদি আমরা এটি করি তবে আমরা সম্ভবত আরও ভাল অবস্থানে থাকতে পারি এবং ডেটা গুদাম প্রকল্পগুলি করেছেন এবং আমার ETL কে আবদ্ধ করে প্রবাহের পরিবর্তনগুলি সহ্য করেছেন এমন কেউ হিসাবে আমি প্রশংসা করব। এবং প্রকৃতপক্ষে, আমরা যা দেখতে চাই তা হ'ল ক্রমাগত উত্পাদনের ডেটা মানের পর্যবেক্ষণের প্রাথমিক পদক্ষেপ হিসাবে পরীক্ষা করা। সুতরাং আমরা এখানে অনেক মনোভাব পেয়েছি যেখানে ব্যবসায়-ভিত্তিক ডেটা আর্কিটেকচার অর্জন করা কঠিন কারণ আমরা প্রক্রিয়া কেন্দ্রিকতার যুগে কন্ডিশনার হয়েছি। আমাদের ডেটা-কেন্দ্রীকরণে একটি স্থানান্তর করা দরকার। এবং এটি সামগ্রিক রূপান্তর নয়, আপনি জানেন যে সেখানে এখনও অনেক প্রক্রিয়া কাজ করার দরকার আছে, তবে আমরা যখন প্রয়োজন তখন ডেটা-কেন্দ্রিক পদে সত্যই ভাবছি না, এবং যখন আমরা সত্যই ঘটি তখন কী ঘটে থাকে এটা করতে বাধ্য
এখন ব্যবসায় ডেটাটির মূল্য উপলব্ধি করে, তারা ডেটা আনলক করতে চায়, তাই আমরা কীভাবে এটি করতে যাচ্ছি? তাহলে আমরা কীভাবে রূপান্তর করব? ঠিক আছে, আমরা ডেভলপমেন্ট প্রসেসের কেন্দ্রবিন্দুতে রেখেছি। এবং আমরা ব্যবসায়ের তথ্য প্রয়োজনীয়তার সাথে নেতৃত্ব দিন। এবং আমরা বুঝতে পারি যে প্রকল্পের শুরুতে বিদ্যমান উত্সের ডেটা কেউ বোঝে না। আপনি যুক্তি দিতে পারেন যে তথ্য কাঠামো এবং ডেটা নিজেই যথাক্রমে আইটি এবং অপারেশনগুলির মাধ্যমে পেয়েছে, সুতরাং আমাদের এটি জানা উচিত, তবে সত্যই, আমরা তা করি না। এটি ডেটা কেন্দ্রিক বিকাশ। সুতরাং আমাদের কোথায় এবং আমরা কীভাবে ডেটা কেন্দ্রিক বিশ্বে ডেটা মডেলিং করব তা ভেবে আমাদের তাদের তথ্য প্রয়োজনীয়তাগুলি পরিমার্জন করার ক্ষেত্রে ব্যবহারকারীদের কাছে ফিডব্যাক লুপ রাখতে হবে, যেমন আমরা ডেটা আবিষ্কার এবং ডেটা প্রোফাইল করি, উত্স ডেটা বিশ্লেষণের পূর্বনির্ধারিত, এবং ধীরে ধীরে আমরা আমাদের ডেটা সম্পর্কে আরও এবং বেশি নিশ্চিত হয়ে উঠি। এবং এখন আমি একটি এমডিএম হাব বা ডেটা গুদামের মতো আরও বেশি traditionalতিহ্যবাহী প্রকল্পের কথা বলছি, বড় ডেটা প্রকল্পগুলি অগত্যা নয়, যদিও এটি এখনও আছে, আমি বজায় রেখেছি, এটি মোটামুটি কাছে। এবং তাই এই প্রতিক্রিয়া লুপগুলিতে ডেটা মডেলারগুলি অন্তর্ভুক্ত থাকে, আপনি জানেন, ধীরে ধীরে তাদের ডেটা মডেলটি এগিয়ে নিয়ে যাচ্ছেন এবং উত্স ডেটা থেকে কী কী সম্ভব, কী উপলব্ধ তা নির্ভর করে তথ্যের প্রয়োজনীয়তাগুলি পরিশোধিত হয়েছে কিনা তা নিশ্চিত করার জন্য ব্যবহারকারীদের সাথে যোগাযোগ করে, তাই তারা আরও ভালভাবে বুঝতে পারে, তাই এটি কোনও তথ্য মডেল হওয়ার আর কোনও ঘটনা নয়, আপনি জানেন, এমন একটি রাজ্যে যা হয় না সেখানে হয় বা সম্পূর্ণভাবে সম্পন্ন হয়, এটি ক্রমান্বয়ে এটিকে ফোকাসে নিয়ে আসে।
একইভাবে, এর আরও নিচে প্রবাহের আমাদের গুণমানের আশ্বাস রয়েছে যেখানে আমরা তথ্য গুণমান পরীক্ষার জন্য নিয়ম বিকাশ করি তা নিশ্চিত করার জন্য যে আমরা যে অনুমানগুলি তৈরি করছি সেগুলির মধ্যে ডেটা রয়েছে। ভিতরে গিয়ে, এরিক রেফারেন্স ডেটার পরিবর্তনের কথা উল্লেখ করছিল, যা ঘটতে পারে। আপনি যেমন চান না, সেই অঞ্চলে নিরবচ্ছিন্ন পরিবর্তনের শিকার, প্রবাহের মতো হতে চান না, তাই গুণমানের বিধি বিধিগুলি পোস্ট-প্রোডাকশনে যেতে পারে, ক্রমাগত ডেটা মানের পর্যবেক্ষণে যেতে পারে। সুতরাং আপনি দেখতে শুরু করতে পারেন যে আমরা ডেটা-কেন্দ্রিক হতে যাচ্ছি, কীভাবে আমরা ডেটা-কেন্দ্রিক বিকাশ করব কার্যকারিতা-ভিত্তিক এসডিএলসি এবং চপলতার থেকে একেবারেই আলাদা। এবং তারপরে আমাদের ব্যবসায়ের দৃষ্টিভঙ্গিতেও মনোযোগ দিতে হবে। আমাদের রয়েছে - এবং আবারও এরিক যা বলছিল তা প্রতিধ্বনিত করে - আমাদের কাছে একটি ডেটা মডেল রয়েছে যা আমাদের ডাটাবেসের জন্য একটি ডেটা স্টোরি ব্লুপ্রিন্ট সংজ্ঞায়িত করে, তবে একই সাথে আমাদের সেই ধারণাগত মডেলগুলির প্রয়োজন, those ব্যবসায়িক দৃষ্টিভঙ্গি যা dataতিহ্যগতভাবে করা হয়নি data অতীত. আমরা মাঝে মাঝে করেছি, আমি ভেবেছি যে ডেটা মডেলটি এটি সব করতে পারে তবে আমাদের ধারণাগত দৃষ্টিভঙ্গি, শব্দার্থবিজ্ঞান এবং ডেটা সন্ধান করা দরকার, এটি একটি বিমূর্ত স্তর দ্বারা রেন্ডার করা উচিত যা স্টোরেজ মডেলটিকে ব্যবসায়ের মধ্যে অনুবাদ করে tes দেখতে। এবং আবারও, এরিক শব্দার্থবিজ্ঞানের দিক দিয়ে যে সমস্ত বিষয় নিয়ে কথা বলছিলেন, তা করা গুরুত্বপূর্ণ হয়ে ওঠে, সুতরাং আমাদের কাছে আসলে অতিরিক্ত মডেলিংয়ের কাজগুলি রয়েছে। আমি মনে করি এটি, আপনি জানেন, আকর্ষণীয় যদি আপনি আমার মতো ডেটা মডেলার হিসাবে উঠে এসেছিলেন এবং আবারও নতুন কিছু।
এবং অবশেষে আমি বলতে চাই যে বৃহত্তর স্থাপত্যও এই নতুন বাস্তবতার প্রতিফলন ঘটেছে। উদাহরণস্বরূপ, ditionতিহ্যবাহী গ্রাহক এমডিএম এক ধরণের, ঠিক আছে, আসুন আমাদের গ্রাহকের ডেটা এমন একটি হাবের মধ্যে নিয়ে আসি যেখানে আমরা জানতে পারি, পিছনের অফিসের অ্যাপ্লিকেশনগুলির জন্য কেবলমাত্র ডাটা মানের হিসাবে এটি উপলব্ধি করতে পারি। যা ব্যবসায়ের কৌশলগত দৃষ্টিকোণ থেকে হ'ল এক ধরণের। তবে আজ আমরা গ্রাহক এমডিএম হাবগুলির দিকে নজর দিচ্ছি যার মধ্যে অতিরিক্ত গ্রাহক প্রোফাইল ডেটা রয়েছে কেবল স্থিতিশীল ডেটা নয়, যার পরে গ্রাহকের লেনদেন অ্যাপ্লিকেশনগুলির সাথে সত্যিকার অর্থে দ্বিপাক্ষিক ইন্টারফেস রয়েছে। হ্যাঁ, তারা এখনও পিছনের অফিসকে সমর্থন করে তবে এখন আমরা আমাদের গ্রাহকদের এই আচরণগুলি সম্পর্কে জানি। এটি নির্মাণে আরও ব্যয়বহুল। এটি নির্মাণ করা আরও জটিল। তবে এটি এমনভাবে ব্যবসা চালিত যা theতিহ্যবাহী গ্রাহক এমডিএম নয়। আপনি সহজ ডিজাইনের বিপরীতে ব্যবসায়ের দিকে ঝুঁকির সাথে ব্যবসা করছেন যা কার্যকর করা সহজ, তবে ব্যবসায়ের জন্য তারা এটি দেখতে চায়। আমরা সত্যই একটি নতুন যুগে এসেছি এবং আমি মনে করি ব্যবসা-ড্রাইভিং ডেটা আর্কিটেকচারের জন্য আমাদের বেশ কয়েকটি স্তরের প্রতিক্রিয়া জানাতে হবে এবং আমি মনে করি এটি করার জন্য এটি খুব উত্তেজনাপূর্ণ সময়।
তাই আপনাকে ধন্যবাদ, রেবেকা ফিরে আপনার।
রেবেকা জোজভিয়াক: ধন্যবাদ ম্যালকম, এবং আপনি সত্যিই উপভোগ করেছেন যে আপনি ডেটা মডেল সম্পর্কে যা বলেছেন তা অবশ্যই ব্যবসায়ের দৃষ্টিভঙ্গি খাওয়ানো উচিত, কারণ, আপনি যা বলছিলেন তার থেকে আলাদা, যেখানে এতক্ষণ আইটি লাগানো ছিল এবং এটি আর এক ধরণের ঘটনা নয় এবং যে সংস্কৃতি স্থানান্তর করা প্রয়োজন। এবং আমি নিশ্চিত যে পটভূমিতে একটি কুকুর ছিল যা আপনার সাথে 100% সম্মত হয়েছিল। এবং সেই সাথে আমি বল রনের কাছে যাচ্ছি। আমি আপনার ডেমোটি দেখে সত্যিই উচ্ছ্বসিত। রন, মেঝে তোমার।
রন হুইজেনগা: আপনাকে অনেক ধন্যবাদ এবং আমরা এটিতে ওঠার আগে আমি কয়েকটি স্লাইড এবং তারপরে কিছুটা ডেমো নিয়ে যাব কারণ এরিক এবং ম্যালকম যেমন বলেছেন, এটি একটি খুব বিস্তৃত এবং গভীর বিষয়, এবং আমরা আজ যে বিষয়ে কথা বলছি তার সাথে আমরা কেবল এটির পৃষ্ঠটি স্ক্র্যাপ করছি কারণ অনেকগুলি দিক এবং এতগুলি বিষয় রয়েছে যা আমাদের ব্যবসায়ের উপর নির্ভরশীল আর্কিটেকচার থেকে সত্যই বিবেচনা করা এবং দেখার প্রয়োজন। এবং আমাদের দৃষ্টিভঙ্গি হল সেই মডেল-ভিত্তিক সত্যই তৈরি করা এবং মডেলগুলির মধ্যে থেকে সঠিক মূল্য অর্জন করা কারণ আপনি এগুলিকে যোগাযোগের বাহন হিসাবে ব্যবহার করতে পারেন এবং অন্যান্য সিস্টেম সক্ষম করতে একটি স্তর হিসাবে ব্যবহার করতে পারেন। আপনি পরিষেবা-ভিত্তিক আর্কিটেকচার, বা অন্য কিছু করছেন, মডেল তার চারপাশের সমস্ত মেটাডেটা এবং আপনার ব্যবসায়ের যে ডেটা রয়েছে তা দিয়ে সত্যিই কী চলছে তার জীবনরক্ষায় পরিণত হয়।
আমি যে বিষয়ে কথা বলতে চাই, এটি প্রায় পিছিয়ে যাচ্ছে, কারণ ম্যালকম যেভাবে সমাধানগুলি বিকশিত হয়েছে এবং সেই ধরণের বিষয়টির ইতিহাসের কিছুটা স্পর্শ করেছিল। সাউন্ড ডেটা আর্কিটেকচারের পক্ষে সত্যতা নির্ধারণ করার একটি উপায় হ'ল এমন একটি ব্যবহারের কেস যা আমি যখন পণ্য পরিচালনার ভূমিকায় আসার আগে পরামর্শ করতাম তখন প্রায়শই ব্যবহৃত হত, এবং তা ছিল, আমি সংস্থাগুলিতে যাব তারা ব্যবসায়ের রদবদল করছিল বা কেবল বিদ্যমান কিছু সিস্টেম এবং সেই ধরণের জিনিস প্রতিস্থাপন করছে কিনা, এবং এটি কীভাবে দুর্বল সংস্থাগুলি তাদের নিজস্ব ডেটা বোঝে তা খুব দ্রুতই স্পষ্ট হয়ে উঠল। যদি আপনি এটির মতো নির্দিষ্ট ব্যবহারের কেসটি গ্রহণ করেন, তবে আপনি পরামর্শদাতা যাচ্ছেন বা এটি এমন কোনও ব্যক্তি যিনি সবেমাত্র একটি সংস্থা দিয়ে শুরু করেছেন, বা আপনার সংস্থা বিভিন্ন কোম্পানির অধিগ্রহণের সাথে বছরের পর বছর গড়ে উঠেছে, আপনি কী শেষ করবেন? আপ একটি খুব জটিল পরিবেশ খুব দ্রুত, বেশ কয়েকটি নতুন বিভিন্ন প্রযুক্তি, পাশাপাশি উত্তরাধিকার প্রযুক্তি, ইআরপি সমাধান এবং সমস্ত কিছুর সাথে with
সুতরাং আমরা আমাদের মডেলিং পদ্ধতির সাথে সত্যই যে জিনিসগুলি করতে পারি তার মধ্যে একটি হল এই প্রশ্নের উত্তর দেওয়া, আমি কীভাবে এই সমস্তটির অর্থ অনুধাবন করব? আমরা সত্যিই একসাথে তথ্যগুলি টুকরো টুকরো করা শুরু করতে পারি, যাতে ব্যবসায়টি আমাদের সঠিকভাবে থাকা তথ্যের সুযোগ নিতে পারে। এবং এটি বেরিয়ে আসে, এটি আমাদের কী আছে সেই পরিবেশগুলিতে? আমি প্রয়োজনীয় তথ্যগুলি চালিয়ে যেতে মডেলগুলি কীভাবে ব্যবহার করতে পারি এবং সেই তথ্যটি আরও ভালভাবে বুঝতে পারি? এবং তারপরে আমাদের কাছে dataতিহ্যবাহী ধরণের মেটাডেটা যেমন রিলেশনাল ডেটা মডেলগুলির মতো আলাদা আলাদা জিনিসের জন্য রয়েছে এবং আমরা সংজ্ঞা এবং ডেটা অভিধানের মতো জিনিসগুলি দেখতে অভ্যস্ত, আপনি জানেন, ডেটা ধরণের এবং সেই ধরণের জিনিস। তবে অতিরিক্ত মেটাডেটার সম্পর্কে কী যা আপনি এটি আরও প্রকৃত অর্থ দিতে ক্যাপচার করতে চান? যেমন, কোন সত্তা প্রকৃতপক্ষে প্রার্থী যারা রেফারেন্স ডেটা অবজেক্ট হওয়া উচিত, যা মাস্টার ডেটা ম্যানেজমেন্ট অবজেক্ট এবং সেই ধরণের জিনিস হওয়া উচিত এবং তাদের একসাথে আবদ্ধ করা উচিত। এবং সংগঠনের মাধ্যমে কীভাবে তথ্য প্রবাহিত হবে? প্রক্রিয়া দৃষ্টিকোণ থেকে কীভাবে সেগুলি গ্রাস করা হয় তা থেকে ডেটা প্রবাহিত হয়, তবে আমাদের ব্যবসায়ের মাধ্যমে তথ্য যাত্রার ক্ষেত্রে এবং কীভাবে এটি বিভিন্ন সিস্টেমের মাধ্যমে বা ডেটা স্টোরগুলির মাধ্যমে এটির পথ তৈরি করে, সেই ক্ষেত্রে ডেটা বংশেরও প্রবাহ রয়েছে, তাই আমরা জানি যখন আমরা আই-সলিউশনগুলি বা সেই ধরণের জিনিসগুলি তৈরি করি তখন আমরা কার্যত হাতে থাকা কাজের জন্য সঠিক তথ্য গ্রহণ করি ing
এবং তারপরে খুব গুরুত্বপূর্ণ হল, আমরা কীভাবে এই সমস্ত স্টেকহোল্ডারদেরকে সহযোগিতা করতে এবং বিশেষত ব্যবসায়িক স্টেকহোল্ডারদের পেতে পারি কারণ সেগুলিই সেই তথ্য যা আমাদের তা বোঝায়। দিন শেষে, ব্যবসায় ডেটাটির মালিক হয়। তারা এরিক যে শব্দভাণ্ডার এবং জিনিসগুলির কথা বলছিল তার সংজ্ঞা সরবরাহ করে, তাই আমাদের সমস্ত কিছু একসাথে বেঁধে রাখার জন্য একটি জায়গা প্রয়োজন। এবং আমরা যেভাবে করি তা হ'ল আমাদের ডেটা মডেলিং এবং ডেটা সংগ্রহস্থল আর্কিটেকচারের মাধ্যমে।
আমি কয়েকটি বিষয় স্পর্শ করতে যাচ্ছি। আমি ER / স্টুডিও এন্টারপ্রাইজ টিম সংস্করণ সম্পর্কে কথা বলতে যাচ্ছি। প্রাথমিকভাবে আমি ডেটা আর্কিটেকচার পণ্যটি সম্পর্কে কথা বলতে যাচ্ছি যেখানে আমরা ডেটা মডেলিং করি এবং সেই ধরণের জিনিসটি করি তবে স্যুটটির অনেকগুলি উপাদান রয়েছে যা আমি খুব সংক্ষেপে স্পর্শ করতে চলেছি। আপনি বিজনেস আর্কিটেক্টের একটি স্নিপেট দেখতে পাবেন, যেখানে আমরা ধারণাগত মডেলগুলি করতে পারি, তবে আমরা ব্যবসায়িক প্রক্রিয়া মডেলগুলিও করতে পারি এবং আমরা আমাদের ডেটা মডেলগুলিতে থাকা প্রকৃত তথ্যকে সংযুক্ত করতে সেই প্রক্রিয়াগুলির মডেলগুলি বেঁধে রাখতে পারি। এটি সত্যিই আমাদের এই টাইটিকে একসাথে আনতে সহায়তা করে। সফটওয়্যার আর্কিটেক্ট আমাদের অতিরিক্ত কন্সট্রাক্টগুলি যেমন কিছু ইউএমএল মডেলিং এবং সেই ধরণের জিনিসগুলিকে আমরা যেসব অন্যান্য সিস্টেম এবং প্রক্রিয়াগুলির বিষয়ে কথা বলছি তাদেরকে কিছুকে সমর্থনকারী লজিক দেওয়ার অনুমতি দেয়। তবে খুব গুরুত্বপূর্ণভাবে আমরা নামার সাথে সাথে আমাদের কাছে সংগ্রহশালা এবং টিম সার্ভার রয়েছে এবং আমি একই জিনিসটির দুটি অংশ হিসাবে এটি নিয়ে কথা বলব। সংগ্রহশালাটি যেখানে আমরা মডেলযুক্ত মেটাডেটের পাশাপাশি ব্যবসায়ের শব্দের তালিকা এবং শর্তাদি সমস্ত ব্যবসায়ের মেটাডেটা সঞ্চয় করি। এবং কারণ আমাদের কাছে এই সংগ্রহস্থল-ভিত্তিক পরিবেশ রয়েছে, আমরা তখন একই পরিবেশে এই সমস্ত আলাদা জিনিস একসাথে সেলাই করতে পারি এবং তারপরে আমরা কেবল প্রযুক্তিগত লোকদের জন্যই নয়, ব্যবসায়ীদের জন্যও প্রয়োজনীয় জিনিসগুলি কনসপোশনের জন্য উপলব্ধ করতে পারি। এবং এইভাবেই আমরা সত্যিই সহযোগিতা চালানো শুরু করি।
এবং তারপরে আমি শেষ অংশটি সংক্ষেপে বলব, আপনি যখন এই পরিবেশগুলিতে চলে যান, এটি কেবল আপনার ডাটাবেসগুলিরই নয় there আপনার কাছে প্রচুর ডাটাবেস, ডেটা স্টোর রয়েছে, আপনি প্রচুর পরিমাণে যাবেন, আমি কী বলব, উত্তরাধিকারের নিদর্শনগুলি। কিছু লোক মানচিত্র তৈরি করতে লোকেরা ভিজিও বা অন্যান্য চিত্র ব্যবহার করেছে। হতে পারে তাদের কাছে অন্যান্য মডেলিং সরঞ্জাম এবং সেই ধরণের জিনিস রয়েছে। সুতরাং আমরা মেটাউইজার্ডের সাথে যা করতে পারি তা হ'ল সেই তথ্যটি কিছুটা বের করে আমাদের মডেলগুলিতে নিয়ে আসে, এটি বর্তমান করে তোলে এবং এটি ব্যবহার করতে সক্ষম হয়, এটি ব্যবহার করতে সক্ষম হয়, এটি আবার বাইরে বসে থাকার পরিবর্তে এটি একটি নতুন ফ্যাশনে আবার ব্যবহার করে। এটি এখন আমাদের কাজের মডেলগুলির একটি সক্রিয় অংশে পরিণত হয়েছে, যা অত্যন্ত গুরুত্বপূর্ণ।
আপনি যখন কোনও সংস্থায় চলে আসেন, যেমন আমি বলেছিলাম, প্রচুর আলাদা সিস্টেম রয়েছে, প্রচুর ইআরপি সমাধান, মিল নেই বিভাগীয় সমাধান। অনেকগুলি সংস্থা সাএস সমাধানগুলিও ব্যবহার করছে, যা বাহ্যিকভাবেও নিয়ন্ত্রিত এবং পরিচালিত হয়, সুতরাং আমরা সেইগুলিতে হোস্টগুলিতে ডাটাবেসগুলি এবং types ধরণের জিনিসগুলি নিয়ন্ত্রণ করি না, তবে আমাদের এখনও সেই ডেটা দেখতে কেমন তা অবশ্যই জানা দরকার এবং অবশ্যই, যে চারপাশে মেটাডেটা। আমরা যা খুঁজে পাই তা হ'ল প্রচলিত অপ্রচলিত উত্তরাধিকার ব্যবস্থা যা ম্যালকমের প্রকল্প-ভিত্তিক পদ্ধতির কারণে পরিস্কার হয়নি। এটি আশ্চর্যজনক যে সাম্প্রতিক বছরগুলিতে সংস্থাগুলি কীভাবে প্রকল্পগুলি স্পিন করবে, তারা কোনও সিস্টেম বা একটি সমাধান প্রতিস্থাপন করবে, তবে প্রায়শই পর্যাপ্ত প্রকল্পের বাজেট অপ্রচলিত সমাধানগুলি বাতিল করার জন্য অবশিষ্ট থাকে না, এখন তারা ঠিক পথে চলেছে। এবং আমাদের আমাদের পরিবেশে কী কী পরিত্রাণ পেতে পারে সেইসাথে দরকারী কী কী এগিয়ে চলেছে তাও খুঁজে বের করতে হবে। এবং এটি ক্ষীণ ক্ষয়িষ্ণু কৌশলের সাথে যুক্ত। এটি একই জিনিসটির অংশ এবং পার্সেল।
আমরা যা খুঁজে পাই, কারণ এই সমস্ত বিভিন্ন সমাধান থেকে প্রচুর সংস্থাগুলি তৈরি করা হয়েছে, আমরা কি অনেকগুলি জায়গায় প্রচুর ডেটা ঘুরে বেড়াতে অনেকগুলি পয়েন্ট-টু-পয়েন্ট ইন্টারফেস দেখি। আমাদের এটিকে যৌক্তিকরূপে চিহ্নিত করার এবং ডেটা বংশের সংক্ষিপ্তসার আগে আমি সংক্ষেপে উল্লেখ করেছি যাতে সঠিক তথ্য সরবরাহের জন্য আমাদের আরও একটি সম্মিলিত কৌশল যেমন পরিষেবামুখী আর্কিটেকচার, এন্টারপ্রাইজ সার্ভিস বাস এবং এই ধরণের জিনিস ব্যবহার করা যেতে পারে আমাদের ব্যবসায় জুড়ে আমরা সঠিকভাবে ব্যবহার করি এমন একটি প্রকাশনার ও সাবস্ক্রাইব প্রকারের কাছে এবং তারপরে অবশ্যই অবশ্যই আমাদের কিছু ধরণের বিশ্লেষণ করা দরকার, আমরা ডেটা গুদামগুলি, traditionalতিহ্যবাহী ইটিএল সহ ডেটা মার্ট ব্যবহার করি বা কিছু নতুন ডেটা হ্রদ ব্যবহার করি। এটি সব একই জিনিস নেমে আসে। এটি সমস্ত ডেটা, এটি বড় ডেটা হোক না কেন, এটি রিলেশনাল ডেটাবেজে traditionalতিহ্যবাহী ডেটা হোক, আমাদের সেই সমস্ত ডেটা একসাথে আনতে হবে যাতে আমরা এটি পরিচালনা করতে পারি এবং আমাদের মডেলগুলির সাথে আমরা কী কী আচরণ করছি know
আবার, আমরা যে জটিলতাটি করতে যাচ্ছি তা হ'ল আমাদের কাছে বেশ কয়েকটি পদক্ষেপ রয়েছে যা আমরা করতে সক্ষম হতে চাই। প্রথমত, আপনি পদব্রজে ভ্রমণ করেন এবং সেই তথ্য ল্যান্ডস্কেপটি কেমন লাগে তার নীলনকাগুলি আপনার কাছে নাও থাকতে পারে। ইআর / স্টুডিও ডেটা আর্কিটেক্টের মতো একটি ডেটা মডেলিং সরঞ্জামে আপনি প্রথমে প্রচুর বিপরীত প্রকৌশল করতে যাচ্ছেন সেখানে উপস্থিত তথ্য উত্সগুলিতে লক্ষ্য করুন, তাদের এনে দিন এবং তারপরে প্রকৃতপক্ষে এগুলি আরও প্রতিনিধির সাথে সেলাই করুন পুরো ব্যবসায়ের প্রতিনিধিত্বকারী মডেল। গুরুত্বপূর্ণ বিষয়টি হ'ল, আমরা কি সেই মডেলগুলিকে পাশাপাশি ব্যবসার লাইনগুলিকে পচন করতে সক্ষম করতে চাই যাতে আমরা তাদের সাথে ছোট ছোট অংশগুলিতে সম্পর্ক রাখতে পারি, যার সাথে আমাদের ব্যবসায়ীরাও সম্পর্কযুক্ত করতে পারেন, এবং আমাদের ব্যবসায়িক বিশ্লেষক এবং অন্যান্য স্টেকহোল্ডাররা যা কাজ করছে চালু কর.
নামকরণের মানটি অত্যন্ত গুরুত্বপূর্ণ এবং আমি এখানে বিভিন্ন উপায়ে এটি সম্পর্কে কথা বলছি। আমরা কীভাবে আমাদের মডেলগুলিতে জিনিসগুলির নাম রাখি তার নিরিখে নামকরণের মান। লজিকাল মডেলগুলিতে এটি করা মোটামুটি সহজ, যেখানে আমাদের মডেলগুলির জন্য একটি নামকরণের একটি ভাল কনভেনশন এবং একটি ভাল ডেটা ডিকশনারি রয়েছে তবে তারপরেও আমরা বিভিন্ন শারীরিক মডেলগুলির জন্য বিভিন্ন নামকরণের কনভেনশন দেখতে পাই যা আমরা নিয়ে আসছি When বিপরীত প্রকৌশলী, প্রায়শই আমরা সংক্ষিপ্ত নামগুলি এবং সেই ধরণের জিনিস দেখতে পাই যা সম্পর্কে আমি কথা বলব। এবং আমাদের সেইগুলি অর্থ্যাৎ ইংরেজী নামগুলিতে অনুবাদ করতে হবে যা ব্যবসায়ের পক্ষে অর্থপূর্ণ, যাতে আমরা বুঝতে পারি যে আমাদের পরিবেশে এই সমস্ত ডেটা টুকরা কী। এবং তারপরে সর্বজনীন ম্যাপিংগুলি হল কীভাবে আমরা তাদের একসাথে সেলাই করি।
তারপরে আমরা তারপরে নথিবদ্ধ করে আরও সংজ্ঞায়িত করব এবং এখানে আমরা সংযুক্তি নামক কোনও কিছু দিয়ে আমাদের ডেটা আরও শ্রেণিবদ্ধ করতে পারি, আমি আপনাকে কয়েকটি স্লাইড প্রদর্শন করব। এবং এরপরে লুপটি বন্ধ করে আমরা সেই ব্যবসায়িক অর্থটি প্রয়োগ করতে চাই, যার অর্থ আমরা আমাদের ব্যবসায়ের গ্লাসারিগুলিতে বেঁধে রাখতে পারি এবং তাদের আমাদের বিভিন্ন মডেল শিল্পকর্মের সাথে সংযুক্ত করতে পারি, তাই আমরা জানি যখন আমরা একটি নির্দিষ্ট ব্যবসায়ের শব্দটির কথা বলি, যেখানে এটি সংগঠন জুড়ে আমাদের তথ্য কার্যকর। এবং সর্বশেষে, আমি ইতিমধ্যে এই বিষয়ে কথা বলেছি যে আমাদের প্রচুর সহযোগিতা এবং প্রকাশের দক্ষতার ভিত্তিতে সংগ্রহস্থল হওয়া দরকার, যাতে আমাদের স্টেকহোল্ডাররা এটি ব্যবহার করতে পারে। আমি মোটামুটি দ্রুত বিপরীত প্রকৌশল সম্পর্কে কথা বলতে যাচ্ছি। আমি ইতিমধ্যে একটি ধরণের আপনাকে এর খুব দ্রুত হাইলাইট দিয়েছি। আমি সেখানে আসার মতো কিছু জিনিস আপনাকে কেবল একটি সত্যিকারের ডেমোতে দেখাব।
এবং আমি বিভিন্ন মডেল ধরণের এবং ডায়াগ্রামগুলির কিছু সম্পর্কে বলতে চাই যা আমরা এই ধরণের দৃশ্যে তৈরি করব। স্পষ্টতই আমরা প্রচুর উদাহরণে ধারণাগত মডেলগুলি করব; আমি সে জন্য বেশি সময় ব্যয় করব না। লজিক্যাল মডেল, শারীরিক মডেল এবং আমরা তৈরি করতে পারি এমন বিশেষ ধরণের মডেলগুলির বিষয়ে আমি সত্যিই কথা বলতে চাই। এবং এটি গুরুত্বপূর্ণ যে আমরা এই সমস্তগুলি একই মডেলিং প্ল্যাটফর্মে তৈরি করতে পারি যাতে আমরা তাদের একসাথে সেলাই করতে পারি। এর মধ্যে রয়েছে মাত্রিক মডেল এবং এমন কিছু মডেল যা কিছু নতুন ডেটা উত্সকে ব্যবহার করে, যেমন নোএসকিউএল যা আমি আপনাকে দেখাব। এবং তারপরে, ডাটা বংশের মডেলটি দেখতে কেমন? এবং আমরা কীভাবে সেই ডেটাটি একটি ব্যবসায়িক প্রক্রিয়া মডেলটিতে সেলাই করব, এটিই আমরা পরবর্তী বিষয়ে কথা বলব।
আমি আপনাকে খুব উচ্চ এবং দ্রুত ওভারভিউ দেওয়ার জন্য এখানে একটি মডেলিংয়ের পরিবেশে স্যুইচ করব। এবং আমি বিশ্বাস করি আপনার এখন আমার পর্দা দেখতে সক্ষম হওয়া উচিত। সবার আগে আমি কেবল traditionalতিহ্যগত ধরণের ডেটা মডেল সম্পর্কে কথা বলতে চাই। আমরা যখন মডেলগুলি আনার সময় আমরা যেভাবে সংগঠিত করতে চাই, আমরা কি সেগুলি পচন করতে সক্ষম হতে চাই। সুতরাং আপনি এখানে বাম দিকে যা দেখছেন তা হ'ল আমাদের এই নির্দিষ্ট মডেলের ফাইলটিতে যৌক্তিক এবং শারীরিক মডেল রয়েছে। পরের বিষয়টি হ'ল, আমরা কি এটি ব্যবসায়িক পচে যাওয়াগুলি ভেঙে ফেলতে পারি, তাই আপনি ফোল্ডারগুলি দেখেন। হালকা নীল রঙগুলি লজিকাল মডেল এবং সবুজগুলি শারীরিক মডেল। এবং আমরা এটিও ড্রিল করতে পারি, সুতরাং ইআর / স্টুডিওর মধ্যে যদি আপনার ব্যবসায়িক ক্ষয় হয়, আপনি নিজের পছন্দ মতো অনেকগুলি গভীর বা উপ-মডেল যেতে পারেন এবং নীচের স্তরে আপনি যে পরিবর্তনগুলি করেন সেগুলি স্বয়ংক্রিয়ভাবে উচ্চতরতে প্রতিবিম্বিত হয় মাত্রা। সুতরাং এটি খুব দ্রুত একটি খুব শক্তিশালী মডেলিং পরিবেশে পরিণত হয়।
এই তথ্যটি একসাথে আঁকতে শুরু করা খুব গুরুত্বপূর্ণ যেটি আমি এটিও উল্লেখ করতে চাই যে আমাদের কাছে একাধিক শারীরিক মডেল থাকতে পারে যা একটি লজিকাল মডেলের সাথে মিলে যায়। বেশিরভাগ ক্ষেত্রে আপনার একটি লজিকাল মডেল থাকতে পারে তবে বিভিন্ন প্ল্যাটফর্ম এবং এই ধরণের জিনিসটিতে আপনার শারীরিক মডেল থাকতে পারে। হতে পারে এটির একটি এসকিউএল সার্ভার উদাহরণ, অন্য কোনওটির ওরাকল উদাহরণ। আমাদের সকলকে একই মডেলিংয়ের পরিবেশে এক সাথে বেঁধে রাখার দক্ষতা রয়েছে। এবং সেখানে আবারও, আমি এখানে যা পেয়েছি তা একটি আসল ডেটা গুদাম মডেল যা আবার একই মডেলিং পরিবেশে থাকতে পারে বা আমরা এটি সংগ্রহস্থলে রাখতে পারি এবং বিভিন্ন জিনিস জুড়েও এটি লিঙ্ক করতে পারি।
আমি আপনাকে এটিতে যা দেখাতে চেয়েছিলাম তা হ'ল আমাদের মধ্যে আসা মডেলগুলির কিছু অন্যান্য জিনিস এবং অন্যান্য রূপ। সুতরাং আমরা যখন এই জাতীয় একটি traditionalতিহ্যবাহী ডেটা মডেলটিতে প্রবেশ করি তখন কলাম এবং মেটাডেটা এবং সেই ধরণের জিনিসগুলির সাথে আমরা আদর্শ সত্তাগুলি দেখতে অভ্যস্ত, কিন্তু আমরা যখন এই নতুন নোএসকিউএল প্রযুক্তিগুলির সাথে কিছু করতে শুরু করি তখন সেই দৃষ্টিভঙ্গি খুব দ্রুত পরিবর্তিত হয় that বা কিছু লোক এখনও তাদের কল করতে পছন্দ করে, বড় ডেটা প্রযুক্তি।
সুতরাং এখন বলা যাক আমরা আমাদের পরিবেশেও মাতাল পেয়েছি। যদি আমরা কোনও হাইভ পরিবেশের থেকে প্রকৌশলীকে বিপরীত করি - এবং আমরা এই ঠিক একই মডেলিং সরঞ্জামটি সহ হিভের কাছ থেকে ইঞ্জিনিয়ারকে ফরোয়ার্ড এবং বিপরীত করতে পারি - আমরা এমন কিছু দেখতে পাই যা কিছুটা আলাদা। আমরা এখনও সেখানে সমস্ত কনস্ট্রাক্ট হিসাবে ডেটা দেখতে পাই, তবে আমাদের টিডিএল এর চেয়ে আলাদা। আপনার মধ্যে যারা এসকিউএল দেখার অভ্যস্ত, আপনি এখন যা দেখতে পাবেন তা হিভ কিউএল, যা খুব এসকিউএল-মত তবে একই সরঞ্জামের বাইরে আপনি এখন বিভিন্ন স্ক্রিপ্টিং ভাষার সাথে কাজ শুরু করতে সক্ষম হন। সুতরাং আপনি এই পরিবেশে মডেল করতে পারেন, এটি মাতাল পরিবেশে তৈরি করতে পারেন, তবে ঠিক যেমনটি গুরুত্বপূর্ণ, আমি যে দৃশ্যের বর্ণনা দিয়েছি, আপনি এটিকে প্রকট বিপরীত করতে পারেন এবং এটি অনুধাবন করতে পারেন এবং পাশাপাশি এটি সেলাই শুরু করতে পারেন ।
আরেকটি নেওয়া যাক যা কিছুটা আলাদা। মঙ্গোডিবি হ'ল আরেকটি প্ল্যাটফর্ম যা আমরা স্থানীয়ভাবে সমর্থন করি। এবং যখন আপনি JSON ধরণের পরিবেশে প্রবেশ করতে শুরু করেন যেখানে আপনার নথি স্টোর রয়েছে, জেএসওন একটি আলাদা প্রাণী এবং সেখানে কনস্ট্রাক্ট রয়েছে, যা আপেক্ষিক মডেলগুলির সাথে সম্পর্কিত নয়। আপনি জেএসওএনকে জিজ্ঞাসাবাদ করতে শুরু করার সাথে সাথে এমবেডেড অবজেক্টস এবং অবজেক্টগুলির এমবেড করা অ্যারের মতো ধারণাগুলি শীঘ্রই কাজ শুরু করবেন এবং con ধারণাগুলি প্রচলিত সম্পর্কিত সম্পর্কিত স্বরলিপিটিতে উপস্থিত নেই। আমরা এখানে যা করেছি তা হ'ল আমরা একই পরিবেশে এটি পরিচালনা করতে সক্ষম হওয়ার জন্য চিহ্নিতকরণ এবং আমাদের ক্যাটালগটি প্রকৃতপক্ষে প্রসারিত করেছি।
সত্ত্বা এবং টেবিলের মতো জিনিস দেখার পরিবর্তে আপনি যদি এখানে বাম দিকে তাকান তবে আমরা তাদেরকে বস্তু বলছি। এবং আপনি বিভিন্ন স্বরলিপি দেখুন। আপনি এখনও এখানে উল্লেখযোগ্য ধরণের রেফারেন্স স্বরলিপিগুলি দেখতে পাচ্ছেন, তবে এই নীল সত্তাগুলি যা আমি এই নির্দিষ্ট চিত্রটিতে দেখছি তা আসলে এমবেড করা অবজেক্ট। এবং আমরা বিভিন্ন কার্ডিনালিটিগুলি দেখাই। হীরা কার্ডিনালিটির অর্থ হল এটি এক প্রান্তে একটি অবজেক্ট, তবে একটির কার্ডিনালটির অর্থ আমাদের রয়েছে, প্রকাশকের মধ্যে যদি আমরা সেই সম্পর্কটি অনুসরণ করি তবে আমাদের একটি এমবেডেড অ্যাড্রেস অবজেক্ট রয়েছে। জেএসএনকে জিজ্ঞাসাবাদ করার সময় আমরা আবিষ্কার করেছি যে এটি হ'ল পৃষ্ঠাগুলির মধ্যে এমবেড থাকা অবজেক্টগুলির ঠিক একই কাঠামো, তবে এটি আসলে অবজেক্টগুলির একটি অ্যারে হিসাবে এম্বেড। আমরা এটি কেবল সংযোজকগুলির মাধ্যমেই দেখছি না, তবে আপনি যদি প্রকৃত সত্তাগুলির দিকে নজর দেন তবে আপনি দেখতে পাবেন যে পৃষ্ঠপোষকতার অধীনে এমন ঠিকানাগুলিও এটি দেখতে পেল যা এটিকে অবজেক্টের অ্যারে হিসাবে শ্রেণিবদ্ধ করেছে। আপনি কীভাবে এটিকে আনতে পারেন তার একটি খুব বর্ণনামূলক দৃষ্টিভঙ্গি পাবেন।
এবং আবার, এখন আমরা মাত্র কয়েক সেকেন্ডে যা দেখেছি তা হ'ল traditionalতিহ্যবাহী রিলেশনাল মডেলগুলি যা বহু-স্তরের, আমরা হিভের সাথে একই জিনিসটি করতে পারি, আমরা মঙ্গোডিবি এবং অন্যান্য বড় ডেটা উত্স হিসাবে একই জিনিসটি করতে পারি আমরা হব. আমরা কী করতে পারি এবং আমি খুব তাড়াতাড়ি আপনাকে এটি দেখাতে যাচ্ছি এটি হ'ল, আমি অন্যান্য বিভিন্ন অঞ্চল থেকে জিনিস আনার বিষয়টি নিয়ে কথা বললাম। আমি ধরে নেব আমি একটি ডেটাবেস থেকে একটি মডেল আমদানি করতে যাচ্ছি বা বিপরীত প্রকৌশলী এটি, কিন্তু আমি এটি বাহ্যিক মেটাডেটা থেকে আনতে যাচ্ছি। আমরা আপনাকে আনতে শুরু করতে পারি এমন বিভিন্ন ধরণের জিনিসের খুব দ্রুত দৃষ্টিভঙ্গি দেওয়ার জন্য।
আপনি দেখতে পাচ্ছেন যে, আমাদের কাছে একটি অগণিত জিনিস রয়েছে যা আমরা আসলে আমাদের মডেলিং পরিবেশে মেটাডেটা আনতে পারি। এমনকি অ্যামাজন রেডশিফ্ট, ক্যাসান্দ্রা, অন্যান্য অনেক বড় ডেটা প্ল্যাটফর্মের মতো জিনিস দিয়ে শুরু করা হচ্ছে, যাতে আপনি অনেকগুলি তালিকাভুক্ত দেখতে পান। এটি বর্ণানুক্রমিক ক্রমে। আমরা প্রচুর বড় ডেটা উত্স এবং সেই ধরণের জিনিস দেখছি। আমরা প্রচুর traditionalতিহ্যবাহী বা পুরানো মডেলিংয়ের পরিবেশও দেখছি যা আমরা আসলে সেই মেটাডেটা আনতে পারি। যদি আমি এখানে যেতে পারি - এবং আমি তাদের প্রত্যেকের জন্যই সময় ব্যয় করব না - আমরা মডেলিং প্ল্যাটফর্ম এবং ডেটা প্ল্যাটফর্মগুলির ক্ষেত্রে, অনেকগুলি বিভিন্ন জিনিস দেখতে পাই যা থেকে আমরা এনে আনতে পারি। এবং এখানে যে বিষয়টি বুঝতে খুব গুরুত্বপূর্ণ তা হল আরেকটি অংশ যা আমরা যখন ডেটা বংশের বিষয়ে কথা বলতে শুরু করি তখন আমরা তা করতে পারি, এন্টারপ্রাইজ টিম সংস্করণে আমরা ইটিএল উত্সগুলিও জিজ্ঞাসাবাদ করতে পারি, এটি টেলেন্ডার বা এসকিউএল সার্ভার ইনফরমেশন সার্ভিসেস ম্যাপিংয়ের মতো জিনিস, আমরা করতে পারি আসলে আমাদের ডেটা বংশের চিত্রগুলিও শুরু করে আনতে এবং সেই রূপান্তরগুলিতে কী ঘটছে তার একটি চিত্র আঁকতে। সামগ্রিকভাবে বাক্সের বাইরে আমাদের এই 130 টিরও বেশি ব্রিজ রয়েছে যা প্রকৃতপক্ষে এন্টারপ্রাইজ টিম সংস্করণ পণ্যটির অংশ, তাই এটি সত্যই আমাদের সমস্ত শিল্পকর্মগুলি একসাথে খুব দ্রুত এক মডেলিংয়ের পরিবেশে টানতে সহায়তা করে।
শেষ কথাটি না হলেও, আমি এই বিষয়েও কথা বলতে চাই যে আমরা যদি ডেটা গুদামজাতকরণ বা কোনও ধরণের বিশ্লেষণ করে থাকি তবে আমাদের অন্যান্য ধরণের কন্সট্রাক্টসের প্রয়োজনের বিষয়টি আমরা ভুলতে পারি না। আমরা এখনও মাত্রিক মডেলগুলির মতো জিনিসগুলি করার ক্ষমতা অর্জন করতে চাই যেখানে আমাদের ফ্যাক্ট টেবিল রয়েছে এবং আমাদের মাত্রা এবং সেই ধরণের জিনিস রয়েছে। একটি জিনিস আমি আপনাকে পাশাপাশি দেখাতে চাই তা হ'ল আমাদের মেটাডেটাতেও আমাদের এক্সটেনশান থাকতে পারে যা মাত্রার প্রকারগুলি এবং অন্যান্য কি কি তা আমাদের শ্রেণীবদ্ধ করতে সহায়তা করে। সুতরাং আমি যদি এখানে মাত্রিক ডেটা ট্যাবটি দেখি, উদাহরণস্বরূপ, এর মধ্যে একটিতে এটি দেখতে পেল সেই মডেল প্যাটার্নের উপর ভিত্তি করে এটি স্বয়ংক্রিয়ভাবে সনাক্ত করতে পারে এবং এটি আপনাকে এটি একটি মাত্রা বা একটি বলে মনে করে কিনা এটি একটি সূচনা পয়েন্ট দেয় ফ্যাক্ট টেবিল তবে এর বাইরে, আমরা যা করতে পারি তা মাত্রাগুলির মধ্যে এবং সেই ধরণের জিনিসটির এমনকি আমাদের বিভিন্ন ধরণের মাত্রাও রয়েছে যা আমরা পরিবেশের একটি ডেটা গুদামজাতীয় ধরণের ডেটা শ্রেণিবদ্ধ করতে ব্যবহার করতে পারি use এত শক্তিশালী ক্ষমতা যা আমরা একে একে পুরোপুরি সেলাই করছি।
আমি এখনই ডেমো পরিবেশে আছি বলে আমি এইটিতে ঝাঁপিয়ে পড়ছি এবং স্লাইডগুলিতে ফিরে যাওয়ার আগে আপনাকে আরও কয়েকটি জিনিস দেখাব। আমরা ইআর / স্টুডিও ডেটা আর্কিটেক্টে সম্প্রতি যুক্ত জিনিসগুলির মধ্যে একটি হ'ল আমরা পরিস্থিতিগুলিতে চলে এসেছি - এবং আপনি যখন প্রকল্পগুলিতে কাজ করছেন তখন এটি ব্যবহারের খুব সাধারণ বিষয় - বিকাশকারীরা বস্তুর নিরিখে চিন্তা করেন, যেখানে আমাদের ডেটা মডেলাররা সারণী এবং সত্তা এবং সেই ধরণের জিনিস বিবেচনা করে to এটি একটি খুব সরল উপাত্তের মডেল, তবে এটি কয়েকটি বুনিয়াদি ধারণাগুলি উপস্থাপন করে, যেখানে বিকাশকারীরা এমনকি ব্যবসায় বিশ্লেষক বা ব্যবসায়িক ব্যবহারকারীরা এগুলিকে বিভিন্ন বস্তু বা ব্যবসায়িক ধারণা হিসাবে ভাবেন। এখনও অবধি এগুলিকে শ্রেণিবদ্ধ করা খুব কঠিন ছিল তবে আমরা ২০১ E সালে প্রকাশিত ইআর / স্টুডিও এন্টারপ্রাইজ টিম সংস্করণে আসলে কী করেছি, আমাদের এখন বিজনেস ডেটা অবজেক্টস নামে ধারণা আছে। এবং যা আমাদের এটি করতে দেয় তা হ'ল আমাদের সত্তা বা টেবিলগুলির গোষ্ঠীগুলি সত্যিকারের ব্যবসায়িক বস্তুগুলিতে আবদ্ধ করতে দেয়।
উদাহরণস্বরূপ, আমরা এই নতুন দৃশ্যে যা পেয়েছি তা হ'ল ক্রয় অর্ডার শিরোনাম এবং আদেশ লাইনটি এখন এক সাথে টানা হয়েছে, সেগুলি একটি বস্তু হিসাবে আবদ্ধ হয়, যখন আমরা তথ্য অবিরত রাখি তখন আমরা সেগুলি কাজের একক হিসাবে ভাবব, এবং আমরা তাদের একত্রিত করেছি সুতরাং এটি এখন বিভিন্ন শ্রোতার সাথে সম্পর্কিত হওয়া খুব সহজ। মডেলিংয়ের পরিবেশ জুড়ে এগুলি পুনরায় ব্যবহারযোগ্য। এগুলি একটি সত্যিকারের অবজেক্ট, কেবল কোনও অঙ্কন নির্মাণ নয়, আমাদের আরও যোগসূত্র রয়েছে যে আমরা যখন প্রকৃতপক্ষে মডেলিং দৃষ্টিভঙ্গি থেকে কথা বলি তখন আমরা নির্বাচিতভাবে ধসে পড়তে পারি বা তাদের প্রসারিত করতে পারি যাতে আমরা নির্দিষ্ট অংশীদার শ্রোতাদের সাথে কথোপকথনের সংক্ষিপ্ত দৃষ্টিভঙ্গি তৈরি করতে পারি, আমরা আরও প্রযুক্তিগত শ্রোতার জন্য এখানে যেমন দেখছি ততই আমরা আরও বিশদ দৃষ্টিভঙ্গি রাখতে পারি। এটি সত্যই আমাদের যোগাযোগের একটি সত্যই বাহন দেয়। আমরা এখন যা দেখছি তা হ'ল একাধিক বিভিন্ন মডেলের ধরণের সংমিশ্রণ, ব্যবসায়ের ডেটা অবজেক্টগুলির ধারণার সাথে তাদের বাড়িয়ে তোলা এবং এখন আমি কীভাবে আমরা এই ধরণের জিনিসগুলিতে আরও কিছু অর্থ প্রয়োগ করি এবং কীভাবে আমরা তাদের একসাথে সেলাই করি সে সম্পর্কে কথা বলতে যাচ্ছি সামগ্রিক পরিবেশ।
আমি এখানে আমার ওয়েবেক্সটি আবার খুঁজে দেওয়ার চেষ্টা করছি যাতে আমি এটি করতে সক্ষম হয়েছি। এবং সেখানে আমরা যাই, হট টেক স্লাইডগুলিতে ফিরে যাই। আমি কেবল এখানে কয়েকটি স্লাইড দ্রুত ফরোয়ার্ড করতে যাচ্ছি কারণ আপনি ইতিমধ্যে মডেল প্রদর্শনীতে এটি দেখেছেন seen আমি খুব দ্রুত নামকরণের মান সম্পর্কে কথা বলতে চাই। আমরা বিভিন্ন নামকরণের মান প্রয়োগ এবং প্রয়োগ করতে চাই। আমরা যা করতে চাই তা হ'ল আমাদের সঞ্চারিতাগুলিতে নামকরণের মান টেম্পলেটগুলি মূলত শব্দ বা বাক্য বা বাক্য বা সংক্ষিপ্তসারগুলির মাধ্যমে অর্থটি তৈরি করার এবং এগুলি একটি অর্থপূর্ণ ইংরেজী ধরণের শব্দের সাথে বেঁধে রাখার সক্ষমতা রয়েছে। আমরা ব্যবসায়ের পদগুলি, প্রতিটিটির সংক্ষিপ্তকরণ ব্যবহার করতে যাচ্ছি এবং আমরা আদেশ, কেসগুলি নির্দিষ্ট করতে এবং উপসর্গ এবং প্রত্যয় যুক্ত করতে পারি। এর সাধারণ ব্যবহারের ক্ষেত্রে সাধারণত যখন লোকেরা একটি লজিকাল মডেল তৈরি করে এবং তারপরে প্রকৃত পক্ষে একটি শারীরিক মডেল তৈরি করতে এগিয়ে যায় যেখানে তারা সংক্ষিপ্তকরণ এবং অন্য সব কিছু ব্যবহার করতে পারে।
সুন্দর বিষয়টি হ'ল এটি ঠিক তত শক্তিশালী, এমনকি বিপরীতে আরও শক্তিশালী, যদি আমরা কেবলমাত্র যদি বলতে পারি যে সেই নামকরণের মানগুলির মধ্যে আমরা এমন কিছু শারীরিক ডাটাবেসের কী ছিল যা আমরা প্রকৌশলীকে বিপরীত করেছি, আমরা সেই সংক্ষিপ্ত বিবরণগুলি নিতে পারি, তাদের দীর্ঘতর করে তুলতে পারি শব্দগুলি, এবং তাদের ইংরাজী বাক্যাংশগুলিতে পিছনে আনুন। আমাদের প্রকৃতপক্ষে আমাদের ডেটা কেমন লাগে তার জন্য আমরা এখন সঠিক নামগুলি পেতে পারি। যেমনটি আমি বলি, সাধারণ ব্যবহারের ক্ষেত্রে হ'ল আমরা এগিয়ে যাব, শারীরিক থেকে যৌক্তিক, এবং ডেটা স্টোর এবং সেই ধরণের জিনিস ম্যাপ করব। আপনি যদি ডানদিকে স্ক্রিনশটটি দেখুন, আপনি দেখতে পাবেন যে উত্সের নামগুলি থেকে সংক্ষিপ্ত নাম রয়েছে এবং যখন আমরা একটি নামকরণের মান টেম্পলেট প্রয়োগ করি, আমরা আসলে আরও পূর্ণ নাম পেয়েছি। আমরা যে নামকরণের মানটি ব্যবহার করেছি তা নির্ভর করে আমরা চাইলে স্পেস এবং এর মতো সমস্ত কিছু রাখতে পারি। আমরা এটির চেহারাটি তৈরি করতে পারি তবে আমরা এটি আমাদের মডেলগুলিতে আনতে চাই। যখনই আমরা জানি কোন কি জিনিস বলা হয় তবে আমরা আসলে এটির সংজ্ঞা সংযুক্ত করতে শুরু করতে পারি, কারণ এটি কী তা না জানলে আমরা কীভাবে এর অর্থ প্রয়োগ করতে পারি?
সুন্দর জিনিসটি হ'ল আমরা যখন সমস্ত ধরণের জিনিসগুলি করি তখন প্রকৃতপক্ষে আমরা এটিকে ডাকতে পারি। আমি বিপরীত প্রকৌশল সম্পর্কে কথা বললাম, যখন আমরা বিপরীত প্রকৌশলটি করি তখন আমরা একই সাথে নামকরণের মানগুলির টেম্পলেটগুলি অনুরোধ করতে পারি। সুতরাং একটি উইজার্ডের মাধ্যমে এক ধাপে, আমরা যা করতে সক্ষম হচ্ছি তা হল, আমরা যদি জানতে পারি যে সম্মেলনগুলি কী, আমরা প্রকৌশলী একটি প্রকৃত ডাটাবেসকে বিপরীত করতে পারি, এটি একটি মডেলিংয়ের পরিবেশে এটি শারীরিক মডেল হিসাবে ফিরিয়ে আনতে চলেছে এবং এটি এছাড়াও এই নামকরণ কনভেনশন প্রয়োগ করতে। সুতরাং আমরা দেখতে পাবো যে পরিবেশগুলির সাথে সম্পর্কিত যুক্তিযুক্ত মডেলগুলিতে ইংরেজির মতো নামগুলির উপস্থাপনাগুলি কী। আমরা এটিও করতে পারি এবং এটি এক্সএমএল স্কিমা প্রজন্মের সাথে একত্রিত করতে পারি যাতে আমরা একটি মডেল নিতে পারি এবং এটি আমাদের সংক্ষিপ্তসারগুলি দিয়েও বাইরে ধরিয়ে দিতে পারি, আমরা এসওএ ফ্রেমওয়ার্কগুলি করি বা সে ধরণের জিনিস, তাই আমরা পরে বিভিন্ন নামকরণের কনভেনশনগুলিও এগিয়ে নিতে পারি push যে আমরা আসলে মডেল নিজেই সংরক্ষণ করেছি। এটি আমাদেরকে অনেক শক্তিশালী ক্ষমতা দেয়।
আবার, আমার কাছে কোনও টেমপ্লেট থাকলে এটি দেখতে কেমন হবে তার একটি উদাহরণ এখানে। এইটি আসলে দেখিয়ে দিচ্ছে যে নামকরণের একটি সম্মেলনে আমার "কর্মচারী", "বেতনের জন্য এসএল", পিএলএন "পরিকল্পনা" করার জন্য আমার ইএমপি ছিল। আমি মডেলগুলি তৈরি করতে এবং জিনিসগুলি রাখার সময় তাদের ইন্টারেক্টিভভাবে চালিত হওয়ার জন্য আমি তাদের প্রয়োগ করতে পারি I আমি যদি এই সংক্ষিপ্তসারটি ব্যবহার করতাম এবং সত্তার নামটিতে আমি "কর্মচারী বেতন পরিকল্পনা" টাইপ করতাম, এটি নামকরণের মান টেম্পলেটটি দিয়ে কাজ করত আমি এখানে সংজ্ঞায়িত করেছি, সত্তা তৈরি করার সময় এটি আমাকে EMP_SAL_PLN দিত এবং এখনই আমাকে সংশ্লিষ্ট শারীরিক নামগুলি দিয়েছিল।
আবার, যখন আমরা ইঞ্জিনিয়ারিং ডিজাইনিং এবং ফরোয়ার্ড করি তার জন্য খুব ভাল। আমাদের একটি খুব অনন্য ধারণা রয়েছে এবং এখান থেকেই আমরা এই পরিবেশগুলি একসাথে আনতে শুরু করি। এবং একে ইউনিভার্সাল ম্যাপিংস বলে। একবার আমরা আমাদের পরিবেশে এই সমস্ত মডেল নিয়ে আসলাম, আমরা কী করতে পারব, ধরে নিই যে এখন আমরা এই নামকরণ কনভেনশনগুলি প্রয়োগ করেছি এবং সেগুলি খুঁজে পাওয়া সহজ, আমরা এখন ER তে ইউনিভার্সাল ম্যাপিংস নামে একটি নির্মাণ ব্যবহার করতে পারি / স্টুডিও। আমরা মডেল জুড়ে সত্তা লিঙ্ক করতে পারেন। যেখানেই আমরা "গ্রাহক" দেখি - আমাদের সম্ভবত অনেকগুলি সিস্টেম এবং প্রচুর বিভিন্ন ডাটাবেসে "গ্রাহক" থাকবে - আমরা সেগুলিকে একসাথে যুক্ত করতে শুরু করতে পারি যাতে যখন আমি এটির সাথে একটি মডেলটিতে কাজ করছি তখন I অন্যান্য মডেলগুলির গ্রাহকদের উদ্ভাস কোথায় তা দেখতে পাবে। এবং আমরা এটির প্রতিনিধিত্বকারী মডেল স্তরটি পেয়েছি বলে, আমরা এটি তথ্য উত্সগুলিতেও বেঁধে রাখতে পারি এবং এটি আমাদের ডিটেইল করতে পারে যেখানে ব্যবহৃত ডেটাবেসগুলিতে কোন ডাটাবেসের মধ্যে এটি থাকে সেগুলি ব্যবহৃত অনুসন্ধানে। এটি সত্যই আমাদের খুব সংগতভাবে এই সমস্তগুলি বেঁধে রাখার ক্ষমতা দেয়।
আমি আপনাকে ব্যবসায়ের ডেটা অবজেক্টগুলি দেখিয়েছি। আমি মেটাডেটা এক্সটেনশানগুলি সম্পর্কেও কথা বলতে চাই, যাকে আমরা সংযুক্তি বলি, খুব দ্রুত। এটি কী করে তা আমাদের মডেল অবজেক্টগুলির জন্য অতিরিক্ত মেটাডেটা তৈরি করার ক্ষমতা দেয়। প্রায়শই আমি ডেটা পরিচালনা এবং ডেটা গুণমানের দৃষ্টিভঙ্গি থেকে প্রচুর ভিন্ন জিনিস এড়াতে এবং মাস্টার ডেটা পরিচালনা এবং ডেটা ধরে রাখার নীতিগুলি সম্পর্কে আমাদের সহায়তা করার জন্য এই ধরণের বৈশিষ্ট্যগুলি সেট করে দিতাম। মূল ধারণাটি হ'ল আপনি এই শ্রেণিবদ্ধকরণগুলি তৈরি করেন এবং টেবিল স্তর, কলাম স্তরে, এই ধরণের জিনিসগুলিতে আপনি যেখানেই চান সেখানে এগুলি সংযুক্ত করতে পারেন। অবশ্যই সর্বাধিক সাধারণ ব্যবহারের ক্ষেত্রগুলি হ'ল সত্ত্বাগুলি হ'ল টেবিলগুলি এবং তারপরে আমি সংজ্ঞা দিতে পারি: আমার মাস্টার ডেটা অবজেক্টগুলি কী কী, আমার রেফারেন্স টেবিলগুলি কী কী, আমার লেনদেনের টেবিলগুলি কী কী? একটি ডাটা মানের দৃষ্টিকোণ থেকে আমি ব্যবসায়ের গুরুত্বের ক্ষেত্রে শ্রেণিবদ্ধকরণ করতে পারি যাতে আমরা ডেটা ক্লিনিজিং প্রচেষ্টা এবং সেই ধরণের জিনিসটিকে প্রাধান্য দিতে পারি।
এমন কিছু যা প্রায়শই উপেক্ষা করা হয় তা হ'ল আমাদের সংস্থায় বিভিন্ন ধরণের ডেটা ধরে রাখার নীতিটি কী? আমরা এগুলি সেট আপ করতে পারি এবং আমাদের প্রকৃতপক্ষে আমাদের মডেলিং পরিবেশে এবং বিভিন্ন ধরণের তথ্য শিল্পকর্মগুলিতে আমরা অবশ্যই তাদের সংযুক্ত করতে পারি our সৌন্দর্যটি হ'ল, এই সংযুক্তাগুলি কি আমাদের ডেটা অভিধানে লাইভ করে তাই আমরা যখন পরিবেশে এন্টারপ্রাইজ ডেটা অভিধান ব্যবহার করি তখন আমরা সেগুলি একাধিক মডেলের সাথে সংযুক্ত করতে পারি। আমাদের কেবলমাত্র তাদের একবার সংজ্ঞায়িত করতে হবে এবং আমরা আমাদের পরিবেশে বিভিন্ন মডেল জুড়ে বারবার এটিকে উপার্জন করতে পারি। এটি কেবলমাত্র একটি দ্রুত স্ক্রিনশট এটি দেখানোর জন্য যে আপনি কোনও সংযুক্তি করার সময় আপনি প্রকৃতপক্ষে নির্দিষ্ট করতে পারবেন, সমস্ত টুকরো যা আপনি এটি সংযুক্ত করতে চান তা। এবং এই উদাহরণটি এখানে মূল্যের মানগুলির একটি তালিকা, সুতরাং যখন তারা প্রবেশ করবে আপনি মানগুলির তালিকা থেকে বাছাই করতে পারবেন, যা বেছে নেওয়া হচ্ছে তার মডেলিং পরিবেশে আপনার অনেক নিয়ন্ত্রণ থাকে এবং আপনি কি ডিফল্ট সেট করতে পারেন মানটি যদি মান বাছাই না হয়। সুতরাং সেখানে অনেক শক্তি। তারা ডেটা অভিধানে বাস করে।
এই স্ক্রিনে আপনাকে আরও কিছুটা নিচে দেখাতে চাই এমন কিছু, উপরন্তু আপনি সংযুক্তিগুলি শীর্ষ অংশে দেখানোর ধরণটি দেখেন যার নীচে আপনি ডেটা সুরক্ষা সম্পর্কিত তথ্য দেখতে পান। আমরা বাস্তবে পরিবেশের বিভিন্ন তথ্যতে তথ্য সুরক্ষা নীতিগুলি প্রয়োগ করতে পারি। বিভিন্ন সম্মতি ম্যাপিংস, ডেটা সুরক্ষা শ্রেণিবদ্ধকরণের জন্য, আমরা তাদের বেশ কয়েকটি বাক্সের বাইরে পাঠিয়ে দিই যা আপনি কেবল তৈরি করতে এবং ব্যবহার শুরু করতে পারেন, তবে আপনি নিজের কমপ্লায়েন্স ম্যাপিং এবং মানগুলিও সংজ্ঞায়িত করতে পারেন। আপনি HIPAA করছেন বা সেখানে অন্য যে কোনও উদ্যোগ নিচ্ছেন না কেন। এবং আপনি সত্যিই আপনার পরিবেশে এই খুব সমৃদ্ধ মেটাডেটা সেট আপ করতে শুরু করতে পারেন।
এবং তারপরে গ্লসারি এবং শর্তাদি - এটিই যেখানে ব্যবসায়ের অর্থটি আবদ্ধ হয় We আমাদের প্রায়শই সেখানে ডেটা অভিধান থাকে যা প্রায়শই একটি সংস্থা গ্লসারিগুলি চালাতে শুরু করার জন্য একটি পয়েন্ট হিসাবে ব্যবহার করে, তবে পরিভাষা এবং শব্দটি হয় is প্রায়শই খুব প্রযুক্তিগত। সুতরাং আমরা যা করতে পারি তা হ'ল আমরা যদি ইচ্ছা করি তবে গ্লোসারিগুলি চালানোর জন্য এগুলি একটি প্রাথমিক পয়েন্ট হিসাবে ব্যবহার করতে পারি, তবে আমরা সত্যিই চাই ব্যবসাটি এর মালিকানাধীন হোক। টিম সার্ভার পরিবেশে আমরা যা করেছি তা হ'ল আমরা লোকদের ব্যবসায়ের সংজ্ঞা তৈরি করার দক্ষতা দিয়েছি এবং তারপরে আমরা তাদেরকে মডেলিংয়ের পরিবেশের সাথে সম্পর্কিত বিভিন্ন মডেল শিল্পকর্মগুলির সাথে লিঙ্ক করতে পারি। আমরা ইতিপূর্বে আলোচিত সেই বিষয়টিটিও স্বীকার করি যা হ'ল, আপনারাই যত বেশি টাইপ করছেন, মানুষের ত্রুটি হওয়ার সম্ভাবনা তত বেশি। আমাদের গ্লসারি কাঠামোতে আমরা যা করি তা হ'ল এক, আমরা গ্লসারিটির একটি শ্রেণিবিন্যাসকে সমর্থন করি, তাই আমাদের সংগঠনে বিভিন্ন গ্লসারি বা বিভিন্ন ধরণের জিনিস থাকতে পারে তবে ঠিক ততই গুরুত্বপূর্ণ, যদি আপনার ইতিমধ্যে কিছু উত্স থাকে তবে শর্তাদি এবং সংজ্ঞায়িত সমস্ত কিছু দিয়ে সেখানে আউট করে আমরা আমাদের মডেলিং পরিবেশে, এবং আমাদের টিম সার্ভারে বা আমাদের শব্দকোষকেও টানতে আসলে একটি সিএসভি আমদানি করতে পারি এবং তারপরে সেখান থেকে লিঙ্ক করা শুরু করি। এবং প্রতিবার যখন কিছু পরিবর্তন করা হয় তখন চিত্রগুলির আগে এবং পরে কী ছিল তার সংজ্ঞা এবং সমস্ত কিছুর পরিপ্রেক্ষিতে একটি সম্পূর্ণ নিরীক্ষণের ট্রেইল এবং আপনি খুব নিকট ভবিষ্যতে যা দেখতে যাচ্ছেন তাও অনুমোদনের কার্যপ্রবাহের আরও কিছু সুতরাং আমরা এগিয়ে যাওয়ার সাথে সাথে প্রশাসনিক প্রক্রিয়াটিকে আরও দৃust়তর করার জন্য এর দায়িত্বে থাকা দায়িত্বে থাকা কমিটিগুলি, কমিটি বা ব্যক্তিগণের অনুমোদন এবং এই ধরণের জিনিসটিকে আমরা সত্যিই নিয়ন্ত্রণ করতে পারি।
এটি আমাদের জন্য কী করে তা যখন আমাদের টিম সার্ভারের শব্দকোষগুলিতে এই শব্দকোষগুলি থাকে তখন এটি মডেল নিজেই কোনও সত্তায় সম্পাদনের একটি উদাহরণ যা আমি এখানে এনেছি। এটির সাথে লিঙ্কযুক্ত শর্ত থাকতে পারে, তবে আমরা কী করব যদি সেই শব্দকোষে শব্দ রয়েছে যা এখানে আমাদের সত্তাগুলির মধ্যে থাকা নোটগুলি বা বিবরণে প্রদর্শিত হয়, সেগুলি স্বয়ংক্রিয়ভাবে একটি হালকা হাইপার-লিঙ্কযুক্ত রঙে প্রদর্শিত হয়, এবং আমরা যদি তাদের উপর মাউস, আমরা আসলে ব্যবসায়িক শব্দকোষ থেকে সংজ্ঞাটি দেখতে পারি। এমনকি যখন আমাদের তথ্যটি নিজেই গ্রাস করা হয় তখন সেখানে সমস্ত শব্দকোষের শর্তাদি সহ এটি আমাদের আরও সমৃদ্ধ তথ্য দেয়। এটি অভিজ্ঞতাকে আরও সমৃদ্ধ করতে এবং আমরা কাজ করছি এমন সমস্ত কিছুর অর্থ প্রয়োগ করতে সহায়তা করে।
সুতরাং, আবার, এটি খুব দ্রুত ফ্লাইবাই ছিল। স্পষ্টতই আমরা বিভিন্ন অংশগুলি আবিষ্কার করার সাথে সাথে আমরা এটিতে দিনগুলি কাটাতে পারি, তবে এটি পৃষ্ঠের উপরে খুব দ্রুত ফ্লাইবাই। আমরা কী করতে চেষ্টা করছি তা হল সেই জটিল ডেটা পরিবেশের চেহারাটি কেমন। আমরা সেই সমস্ত ডেটা আর্টিফিকেটের দৃশ্যমানতার উন্নতি করতে এবং ER / স্টুডিওতে এগুলি চালিত করতে সহযোগিতা করতে চাই। আমরা আরও দক্ষ এবং স্বয়ংক্রিয় ডেটা মডেলিং সক্ষম করতে চাই। এবং এটি হ'ল সমস্ত ধরণের ডেটা যা আমরা বলছি, এটি বড় ডেটা, traditionalতিহ্যবাহী রিলেশনাল ডেটা, ডকুমেন্ট স্টোর বা অন্য কিছু। এবং আবারও আমরা এটি সম্পাদন করেছি কারণ বিভিন্ন প্ল্যাটফর্ম এবং আপনার কাছে থাকা অন্যান্য সরঞ্জামগুলির জন্য আমাদের কাছে শক্তিশালী ফরোয়ার্ড এবং বিপরীত প্রকৌশল ক্ষমতা রয়েছে। এবং এটি জড়িত সমস্ত স্টেকহোল্ডারদের সাথে সংগঠন জুড়ে ভাগ করে নেওয়ার এবং যোগাযোগের বিষয়ে। নামকরণের মানদণ্ডের মাধ্যমে আমরা অর্থটি প্রয়োগ করি। তারপরে আমরা আমাদের ব্যবসায়িক শব্দকোষের মাধ্যমে সংজ্ঞা প্রয়োগ করি। এবং তারপরে আমরা মেটাডেটা এক্সটেনশান যেমন ডেটা কোয়ালিটি এক্সটেনশন, মাস্টার ডেটা ম্যানেজমেন্টের শ্রেণিবদ্ধকরণ বা আপনি যে ডেটাতে প্রয়োগ করতে চান অন্য কোনও ধরণের শ্রেণিবিন্যাস সহ আমাদের অন্যান্য সমস্ত প্রশাসনিক ক্ষমতার জন্য আরও শ্রেণিবিন্যাস করতে পারি। এবং তারপরে আমরা ব্যবসায়ের ডেটা অবজেক্টগুলির সাথে বিশেষত মডেলার এবং বিকাশকারীদের মধ্যে বিভিন্ন স্টেকহোল্ডার শ্রোতার সাথে আরও সংক্ষিপ্তসার এবং যোগাযোগ আরও বাড়িয়ে তুলতে পারি।
এবং আবার, এটি সম্পর্কে যা গুরুত্বপূর্ণ তা হ'ল এর পিছনে হ'ল খুব দৃ rob় পরিবর্তন ব্যবস্থার সামর্থ্য সহ একীভূত সংগ্রহস্থল। আজকে এটি দেখানোর আমার কাছে সময় ছিল না কারণ এটি মোটামুটি জটিল হয়ে ওঠে, তবে সংগ্রহশালার রয়েছে অত্যন্ত দৃ change় পরিবর্তন পরিচালনার ক্ষমতা এবং নিরীক্ষণের ট্রেলগুলি। আপনি নাম প্রকাশিত রিলিজ করতে পারেন, আপনি নামকরণকৃত সংস্করণগুলি করতে পারেন, এবং আপনারা যারা পরিবর্তন ব্যবস্থাপনার কাজ করছেন তাদের জন্যও আমাদের সক্ষমতা রয়েছে, আমরা সেই অধিকারটি আপনার কাজগুলিতে বাঁধতে পারি। বিকাশকারীরা যেমন তাদের কোড পরিবর্তনগুলি যে কাজগুলি বা ব্যবহারকারী গল্পগুলির সাথেও কাজ করছেন তার সাথে সংযুক্ত করে রাখবেন ঠিক তেমনই বিকাশকারীরা যেমন আপনার কোড পরিবর্তনগুলি কার্যের সাথে সংযুক্ত করার জন্য আমাদের আজকের দক্ষতা অর্জন করেছেন।
আবার, এটি খুব দ্রুত ওভারভিউ ছিল। আমি আশা করি আপনার ক্ষুধা জাগানোর পক্ষে এটি যথেষ্ট হয়েছে যাতে আমরা ভবিষ্যতে এগিয়ে যাওয়ার সাথে সাথে এই বিষয়গুলির কয়েকটি বিভাজনের বিষয়ে আরও গভীর আলাপচারিতায় জড়িত হতে পারি। আপনার সময়ের জন্য আপনাকে ধন্যবাদ, এবং আপনাকে ফিরে, রেবেকা।
রেবেকা জোজভিয়াক: ধন্যবাদ রন, এটি দুর্দান্ত ছিল এবং শ্রোতাদের কাছ থেকে আমার বেশ কয়েকটি প্রশ্ন ছিল তবে আমি যা বলেছি তা নিয়ে আমাদের বিশ্লেষকদের দাঁত ডুবিয়ে দেওয়ার সুযোগ দিতে চাই না। এরিক, আমি এগিয়ে যাচ্ছি এবং সম্ভবত আপনি যদি এই স্লাইডটি বা অন্য কোনওটিকে সম্বোধন করতে চান তবে আপনি কেন আগে এগিয়ে যাবেন না? বা অন্য কোন প্রশ্ন।
এরিক লিটল: অবশ্যই দুঃখিত, প্রশ্নটি কী ছিল রেবেকা? আপনি আমাকে কিছু নির্দিষ্ট জিজ্ঞাসা করতে চান বা…?
রেবেকা জোজভিয়াক: আমি জানি রনের জন্য প্রথমে আপনার কিছু প্রশ্ন ছিল। আপনি যদি এখনই তার কাছে সেগুলির কোনও, বা তাদের কোনওটি আপনার স্লাইড বা অন্য যে কোনও বিষয় যা আপনার সম্পর্কে জিজ্ঞাসা করতে চান তা আগ্রহী বলে সম্বোধন করতে চান? আইডিরার মডেলিং কার্যকারিতা সম্পর্কে About
এরিক লিটল: হ্যাঁ, সুতরাং জিনিসগুলির মধ্যে একটি, রন, সুতরাং আপনি কীভাবে বলছেন, আপনি যে চিত্রগুলি দেখিয়েছিলেন তা হ'ল সাধারণ ধরণের সত্তার সম্পর্কের ডায়াগ্রামগুলি যেমন আপনি সাধারণত ডাটাবেস নির্মাণে ব্যবহার করবেন, সঠিক?
রন হুইজেনগা: হ্যাঁ, সাধারণত বলছি, তবে অবশ্যই আমাদের কাছে ডকুমেন্ট স্টোরগুলির জন্য প্রসারিত প্রকারগুলি রয়েছে এবং সেই ধরণের জিনিসও রয়েছে। আমরা কেবল খাঁটি সম্পর্কযুক্ত স্বরলিপি থেকে পৃথক হয়েছি, আমরা সেই প্রকৃতপক্ষে অন্যান্য স্টোরগুলির জন্য অতিরিক্ত স্বরলিপিও যুক্ত করেছি।
এরিক লিটল: এখানে কি এমন উপায় আছে যে আপনি ছেলেরা গ্রাফ ভিত্তিক ধরণের মডেলিংগুলি ব্যবহার করতে পারেন, তাই এখানে সংহত করার কোনও উপায় রয়েছে, উদাহরণস্বরূপ, ধরা যাক যে আমার কাছে একটি শীর্ষ চতুর্ভুজ, টপব্রেড সুরকার সরঞ্জামের মতো কিছু আছে বা আমি কিছু করেছি প্রোটিগে বা, আপনি কি জানেন যে, ফাইবোর আর্থিক লোকের মতো তারা শব্দার্থক, আরডিএফ স্টাফগুলিতে অনেক কাজ করে চলেছে - এই সরঞ্জামটিতে সেই ধরণের সত্তা-সম্পর্ক গ্রাফের ধরণের মডেলিং আনার এবং ব্যবহার করার উপায় আছে কি? এটা?
রন হুইজেনগা: আমরা আসলে আমরা কীভাবে গ্রাফগুলি পরিচালনা করতে পারি তা দেখছি। আমরা আজ গ্রাফ ডাটাবেসগুলি এবং সেই ধরণের জিনিস স্পষ্টভাবে পরিচালনা করছি না, তবে আমরা আমাদের মেটাডেটা প্রসারিত করতে যে উপায়গুলি করতে পারি তা সন্ধান করছি। আমি বোঝাতে চাইছি, আমরা এখনই এক্সএমএল এবং এই ধরণের জিনিসটির মাধ্যমে জিনিসগুলি আনতে পারি, যদি আমরা কমপক্ষে XML এর একটি উপস্থাপনা কিছুটা করতে পারি তবে এটি একটি সূচনা পয়েন্ট হিসাবে আনতে। তবে আমরা এটি আনার আরও মার্জিত উপায়ের দিকে তাকিয়ে আছি।
এবং আমি আপনাকে দেখিয়েছি যে আমাদের পাশাপাশি রয়েছে এমন বিপরীত প্রকৌশল সেতুর তালিকা, সুতরাং আমরা সর্বদা নির্দিষ্ট প্ল্যাটফর্মগুলির জন্য সেই সেতুগুলিতে এক্সটেনশন পাওয়ার দিকে নজর রাখছি। এটি একটি ক্রমাগত, চলমান প্রচেষ্টা, যদি তা বোঝা যায়, এই নতুন অনেকগুলি নির্মাণ এবং বিভিন্ন প্ল্যাটফর্মগুলি সেখানে আস্তে আস্তে শুরু করা। তবে আমি বলতে পারি যে আমরা এটি করার ক্ষেত্রে অবশ্যই এগিয়ে রয়েছি। উদাহরণস্বরূপ, মোংগোডিবি এবং সেই ধরণের জিনিসটিতে আমি যে স্টাফটি দেখিয়েছি, আমরা প্রথম তথ্য মডেলিং বিক্রেতা যা আমাদের নিজস্ব পণ্যটিতে নেটিভালি বাস্তবে এটি করে native
এরিক লিটল: ঠিক আছে, হ্যাঁ সুতরাং আমি আপনার কাছে অন্য প্রশ্নটি তখন পরিচালনা ও রক্ষণাবেক্ষণের ক্ষেত্রে ছিল - যেমন আপনি যখন উদাহরণটি ব্যবহার করেছিলেন, যখন আপনি একজন "কর্মচারী" ব্যক্তির উদাহরণ দেখিয়েছিলেন, আমি বিশ্বাস করি এটি একটি " বেতন "এবং তারপরে আপনার একটি" পরিকল্পনা "রয়েছে, আপনি কীভাবে পরিচালনা করবেন, উদাহরণস্বরূপ, বিভিন্ন ধরণের লোকের থাকতে পারে - আসুন ধরে নেওয়া যাক আপনার কাছে একটি বিশাল স্থাপত্য রয়েছে, ঠিক আছে, ধরুন আপনার ধরুন একটি বড় উদ্যোগ আছে এবং লোকেরা এই সরঞ্জামটিতে জিনিসগুলি টানতে শুরু করে এবং আপনি এখানে একটি গ্রুপ পেয়ে গেছেন যার মধ্যে "কর্মচারী" শব্দ রয়েছে এবং এখানে একটি গ্রুপ রয়েছে যার "ওয়ার্কার" শব্দ রয়েছে এবং এখানকার এক ব্যক্তি বলেছেন "বেতন" এবং অন্য ব্যক্তি বলেছেন "বেতন."
কীভাবে আপনি ছেলেরা এই ধরণের পার্থক্যকে সমন্বয় ও পরিচালনা এবং পরিচালনা করতে পারেন? কারণ আমি জানি যে আমরা গ্রাফের জগতে এটি কীভাবে করব, আপনি জানেন, আপনি সমার্থক তালিকাগুলি ব্যবহার করবেন বা আপনি বলবেন একটি ধারণা আছে এবং এর বেশ কয়েকটি বৈশিষ্ট্য রয়েছে, বা আপনি এসকেএস মডেলটিতে বলতে পারেন আমার একটি পছন্দসই লেবেল রয়েছে এবং আমার কাছে আছে আমি ব্যবহার করতে পারি এমন অসংখ্য বিকল্প লেবেল। ছেলেরা কীভাবে তা করে?
রন হুইজেনগা: আমরা এটি বেশ কয়েকটি উপায়ে করি এবং প্রাথমিকভাবে প্রথমে পরিভাষাটি নিয়ে কথা বলা যাক। অবশ্যই আমরা যা করি তার মধ্যে একটি হ'ল আমরা সংজ্ঞায়িত বা অনুমোদিত শর্ত থাকতে চাই এবং ব্যবসায়ের গ্লোসারিটিতে স্পষ্টতই আমরা সেগুলি চাই। এবং আমরা ব্যবসার শব্দকোষে প্রতিশব্দগুলির লিঙ্কগুলিকে অনুমতি দিই তাই আপনি যা করতে পারেন তা আপনি বলতে পারেন, এখানে আমার শব্দটি রয়েছে তবে আপনি সেগুলির জন্য সমস্ত প্রতিশব্দ কী তা নির্ধারণ করতে পারেন।
এখন আকর্ষণীয় বিষয়টি হ'ল আপনি যখন এই সমস্ত বিভিন্ন সিস্টেমের সাথে এই বিশাল ডেটা ল্যান্ডস্কেপটি সন্ধান করতে শুরু করেছেন তখন আপনি কেবল সেখানে বাইরে গিয়ে টেবিলগুলি এবং সেই ধরণের জিনিসগুলিতে পরিবর্তন করতে পারবেন না নামকরণের মানের সাথে সঙ্গতিপূর্ণ কারণ এটি আপনি যে প্যাকেজটি কিনেছিলেন তা হতে পারে, তাই আপনার ডাটাবেস বা কিছু পরিবর্তন করার কোনও নিয়ন্ত্রণ নেই।
গ্লোসারি সংজ্ঞা সংযুক্ত করতে সক্ষম হওয়া ছাড়াও আমরা সেখানে যা করতে পারলাম, সেসব সার্বজনীন ম্যাপিংগুলির মাধ্যমে আমি যে বিষয়ে কথা বললাম তা হল, আমরা কী করব এবং একটি প্রস্তাবিত পদ্ধতির জন্য একটি অতিমাত্রায় যুক্তিসঙ্গত মডেল রাখি যা কী দেয়? এই বিভিন্ন ব্যবসায়ের ধারণাগুলি হ'ল আপনি যে বিষয়ে কথা বলছেন। সেগুলির মধ্যে ব্যবসায়িক শব্দকোষের শর্তগুলি বেঁধে দিন, এবং দুর্দান্ত জিনিসটি এখন আপনি এই নির্মাণটি পেয়েছেন যা একটি লজিকাল সত্তাকে যেমনভাবে উপস্থাপন করে, আপনি সেই লজিকাল সত্তা থেকে সেই লজিকাল সত্তার সমস্ত বাস্তবায়নের সাথে লিঙ্ক করতে শুরু করতে পারেন বিভিন্ন সিস্টেম।
তারপরে যেখানে আপনার এটির দরকার রয়েছে, আপনি দেখতে পারেন, ওহ, "ব্যক্তি" এখানে এই ব্যবস্থায় "কর্মচারী" নামে পরিচিত। এই অন্যান্য সিস্টেমে এখানে "বেতন" বলা হয় "মজুরি"। যেহেতু আপনি এটি দেখতে পাবেন, আপনি সেগুলির সমস্ত আলাদা প্রকাশ দেখতে পাবেন কারণ আপনি এগুলি একসাথে যুক্ত করেছেন।
এরিক লিটল: ঠিক আছে দুর্দান্ত, হ্যাঁ, বুঝেছি। এই অর্থে, এটি নিরাপদভাবে বলা কি এই জাতীয় কিছু অবজেক্ট-ভিত্তিক পদ্ধতির মতো?
রন হুইজেনগা: কিছুটা। এটি তার চেয়ে খানিকটা নিবিড়, আমার ধারণা আপনি বলতে পারেন। আমি বলতে চাইছি, আপনি ম্যানুয়ালি লিঙ্কিং এবং এর মাধ্যমে যাচ্ছেন এবং পরিদর্শন করতে পারেন এবং সেগুলিও করার চেষ্টা করেছেন। যে জিনিসটির বিষয়ে আমি সত্যিই কথা বলার সুযোগ পাইনি - কারণ আবারও আমাদের প্রচুর ক্ষমতা রয়েছে - ডেটা আর্কিটেক্ট সরঞ্জামেও আমাদের একটি সম্পূর্ণ অটোমেশন ইন্টারফেস রয়েছে। এবং একটি ম্যাক্রো ক্ষমতা, যা সরঞ্জামটিতে সত্যই প্রোগ্রামিং ভাষা। সুতরাং আমরা ম্যাক্রো লেখার মতো জিনিসগুলি করতে পারি, এটি বাইরে গিয়ে জিনিসগুলি জিজ্ঞাসাবাদ করতে এবং আপনার জন্য লিঙ্ক তৈরি করতে পারে। আমরা এটি তথ্য আমদানি ও রফতানি করার জন্য ব্যবহার করি, আমরা এটি মডেলের উপর ভিত্তি করে কিছু পরিবর্তন করতে বা বৈশিষ্ট্য যুক্ত করতে, ইভেন্টটি ব্যবহার করতে বা ব্যাচগুলিতে চালানোর জন্য ব্যবহার করতে পারি এবং জিনিসগুলি জিজ্ঞাসাবাদ করতে এবং বাস্তবে বিভিন্ন কাঠামো স্থাপন করতে পারি মডেল. সুতরাং একটি সম্পূর্ণ অটোমেশন ইন্টারফেস রয়েছে যা লোকেরাও সুবিধা নিতে পারে। এবং এইগুলির সাথে সর্বজনীন ম্যাপিংগুলি ব্যবহার করা এটির পক্ষে একটি শক্তিশালী উপায়।
রেবেকা জোজভিয়াক: ঠিক আছে, ধন্যবাদ রন, এবং এরিককে ধন্যবাদ। এগুলি দুর্দান্ত প্রশ্ন ছিল। আমি জানি যে আমরা এই মুহুর্তের সামান্য কিছুটা পেরিয়ে যাচ্ছি, তবে আমি ম্যালকমকে রনের পথে কিছু প্রশ্ন টস করার সুযোগ দিতে চাই। ম্যালকম?
ম্যালকম চিশলম: ধন্যবাদ রেবেকা। সুতরাং, রন, এটি খুব আকর্ষণীয়, আমি দেখতে পাচ্ছি এখানে অনেকগুলি ক্ষমতা রয়েছে। আমি যে ক্ষেত্রগুলিতে খুব আগ্রহী সেগুলির মধ্যে একটি হ'ল আমাদের কাছে যদি একটি উন্নয়ন প্রকল্প থাকে তবে আপনি কীভাবে ডেটা মডেলারকে এই ক্ষমতাগুলি ব্যবহার করে এবং ব্যবসায় বিশ্লেষকদের সাথে ডেটা প্রোফাইলের সাথে ডেটা গুণমান বিশ্লেষক সহ আরও সহযোগীতার সাথে কাজ করছেন তা কীভাবে দেখেন?, এবং ব্যবসায় স্পনসরদের সাথে যারা চূড়ান্তভাবে প্রকল্পের প্রকৃত তথ্যের প্রয়োজনীয়তার জন্য দায়ী হতে চলেছে। ডেটা মডেলার কীভাবে সত্যই জানেন, আপনি কী জানেন যে দক্ষতাগুলি আমরা দেখছি সেগুলি দিয়ে প্রকল্পটিকে আরও কার্যকর এবং দক্ষ করে তোলেন?
রন হুইজেনগা: আমি মনে করি যে আপনাকে প্রথমে যে কাজগুলি করতে হবে সেগুলির মধ্যে একটি ডেটা মডেলার হিসাবে রয়েছে - এবং আমি কিছু মডেলারের সাথে বাছাই করতে চাইছি না, তবে আমি যাইহোক - কিছু লোকের এখনও ধারণা আছে যে ডেটা মডেলার হ'ল প্রকৃতির ভূমিকাটির দ্বাররক্ষী প্রকার, আমরা এটি কীভাবে কাজ করে তা সংজ্ঞায়িত করছি, আমরা এমন প্রহরী যাঁরা নিশ্চিত হন যে সবকিছু ঠিক আছে।
এখন এর একটি দিক রয়েছে, এটি আপনাকে নিশ্চিত করতে হবে যে আপনি একটি শব্দ ডেটা আর্কিটেকচার এবং সমস্ত কিছুর সংজ্ঞা দিচ্ছেন। তবে আরও গুরুত্বপূর্ণ বিষয়টি হ'ল ডেটা মডেলার হিসাবে - এবং আমি বেশ স্পষ্টতই এটি পেয়েছিলাম যখন আমি পরামর্শ করছিলাম - আপনি কি সুবিধাবঞ্চিত হয়ে উঠবেন, তাই আপনাকে এই লোকগুলিকে একসাথে টানতে হবে।
এটি আর কোনও ডিজাইন হয়ে উঠবে না, আর তৈরি করা হবে, ডাটাবেস তৈরি করা হবে - আপনাকে যা করতে সক্ষম হতে হবে তা হ'ল আপনাকে এই সমস্ত বিভিন্ন স্টেকহোল্ডার গ্রুপের সাথে কাজ করা, বিপরীত প্রকৌশল, তথ্য আমদানি করা, থাকার মতো কাজ করা দরকার অন্যান্য ব্যক্তিরা সহযোগিতা করুন, এটি শখের শব্দগুলি বা ডকুমেন্টেশনগুলিতেই হোক, এর মতো সবকিছু - এবং এটিকে সংগ্রহস্থলটিতে টানতে সহায়তার অধিকারী করুন, এবং ধারণাগুলিকে একসাথে সংগ্রহস্থলটিতে সংযুক্ত করুন, এবং সেই ব্যক্তিদের সাথে কাজ করুন।
এটি প্রকৃতপক্ষে একটি সহযোগী ধরনের পরিবেশের অনেক বেশি যেখানে এমনকি কার্যগুলির সংজ্ঞা বা এমনকি আলোচনার থ্রেড বা আমাদের টিম সার্ভারে থাকা এই ধরণের জিনিসগুলির মাধ্যমে, লোকেরা আসলে সহযোগিতা করতে পারে, প্রশ্ন জিজ্ঞাসা করতে পারে এবং চূড়ান্ত শেষের পণ্যগুলিতে পৌঁছতে পারে যে তারা তাদের ডেটা আর্কিটেকচার এবং তাদের সংস্থার জন্য প্রয়োজন। উত্তর কি এই সাজানো?
ম্যালকম চিশলম: হ্যাঁ, আমিও রাজি। আপনি জানেন, আমি মনে করি যে সুবিধাগুলি দক্ষতা এমন কিছু যা ডেটা মডেলারগুলিতে সত্যই অত্যন্ত কাম্য। আমি সম্মত হই যে আমরা সর্বদা এটি দেখি না, তবে আমি মনে করি এটি প্রয়োজনীয় এবং আমি আপনাকে পরামর্শ দেব যে মাঝেমধ্যে আপনার কোণায় থাকা আপনার ডেটা মডেলিংয়ের জন্য ঝোঁক রয়েছে তবে আপনাকে অন্য স্টেকহোল্ডার গ্রুপগুলির সাথে কাজ করার দরকার আছে really অথবা আপনি যে ডেটা পরিবেশের সাথে ডিল করছেন সেগুলি আপনি কেবল বুঝতে পারবেন না এবং আমি মনে করি ফলস্বরূপ মডেলটি ভুগছে। তবে এটাই আমার মতামত।
রন হুইজেনগা: এবং এটি আকর্ষণীয় কারণ আপনি ইতিপূর্বে আপনার স্লাইডে কিছু বিষয়ে উল্লেখ করেছিলেন যে কীভাবে ব্যবসায়ীরা আইটি থেকে কীভাবে দূরে সরে যায় কারণ তারা সময়োচিত ফ্যাশন এবং এই ধরণের জিনিসগুলিতে সমাধান সরবরাহ করে না।
এটি খুব আকর্ষণীয় যে আমার পরবর্তী পরামর্শমূলক ক্রিয়াকলাপগুলিতে, পণ্য পরিচালক হওয়ার আগে, আমি এর আগে আমি গত দু'বছরের মধ্যে বেশিরভাগ প্রকল্পগুলি স্পনসর করেছিলাম, যেখানে এটি ছিল সত্যই যে ব্যবসাটি এটি চালাচ্ছিল এবং ডেটা আর্কিটেক্টস এবং মডেলাররা আইটি-র অংশ ছিল না। আমরা একটি ব্যবসায়-স্পনসরিত গোষ্ঠীর একটি অংশ ছিলাম এবং আমরা প্রকল্পের বাকী দলগুলির সাথে কাজ করার সুবিধার্থী হিসাবে ছিলাম।
ম্যালকম চিশলম: সুতরাং আমি মনে করি এটি একটি খুব আকর্ষণীয় বিষয়। আমি মনে করি আমরা ব্যবসায়ের জগতে এমন একটি পরিবর্তন দেখতে শুরু করেছি যেখানে ব্যবসা জিজ্ঞাসা করছে, বা ভাবছে, আমি কী করি না, যেমন প্রক্রিয়া হচ্ছে ততটাই নয়, তবে তারা ডেটা কী তা নিয়েও চিন্তাভাবনা শুরু করছে যেটি নিয়ে আমি কাজ করি, আমার ডেটাগুলির প্রয়োজনীয়তাগুলি কীভাবে হয়, ডেটা হিসাবে আমি কীভাবে ডেটা হিসাবে কাজ করি এবং কীভাবে আমরা এই দৃষ্টিকোণকে সমর্থন করার জন্য আইডিআরএ পণ্য এবং সক্ষমতা অর্জন করতে পারি এবং আমি মনে করি যে ব্যবসায়ের প্রয়োজনীয়তা এমনকি এমনকী যদিও এটি এক ধরণের সামান্য কিছুটা নবজাতক।
রন হুইজেনগা: আমি আপনার সাথে একমত এবং আমার মনে হয় আমরা এটিকে আরও বেশি করে যেতে দেখছি। আমরা একটি জাগরণ দেখেছি এবং আপনি ডেটার গুরুত্বের দিক দিয়ে এর আগে এটি স্পর্শ করেছিলেন। আমরা তথ্যপ্রযুক্তির শুরুতে বা ডেটাবেসগুলির বিবর্তনে ডেটাটির গুরুত্ব দেখেছি, তারপরে আপনি যেমনটি বলেছেন, আমরা এই পুরো প্রক্রিয়া পরিচালনার চক্রের মধ্যে চলে এসেছি - এবং প্রক্রিয়াটি অত্যন্ত গুরুত্বপূর্ণ, আমাকে সেখানে ভুল করবেন না - তবে এখন কী ঘটেছে এটি যখন ঘটেছিল তখন ডেটা ধরণের ফোকাস থাকে।
এবং এখন সংস্থাগুলি বুঝতে পেরেছে যে ডেটা আসলেই কেন্দ্রবিন্দু। আমরা আমাদের ব্যবসায় যা করছি তা ডেটা উপস্থাপন করে তাই আমাদের আমাদের নিশ্চিত করতে হবে যে আমাদের সঠিক ডেটা রয়েছে, আমাদের সিদ্ধান্ত নেওয়ার জন্য প্রয়োজনীয় সঠিক তথ্য আমরা খুঁজে পেতে পারি। কারণ সমস্ত কিছুই নির্ধারিত প্রক্রিয়া থেকে আসে না। কিছু তথ্য অন্য জিনিসগুলির একটি উত্পাদক এবং এটি এখনও আমাদের এটি সন্ধান করতে, এর অর্থ কী তা জানতে এবং আমাদের সেখানে ব্যবসায়ের আরও ভাল চালনা করতে ব্যবহার করতে পারি এমন চূড়ান্ত জ্ঞানের মধ্যে এমন ডেটা অনুবাদ করতে সক্ষম হতে হবে able
ম্যালকম চিশলম: ঠিক আছে, এবং এখন আমি আর একটি ক্ষেত্রের সাথে লড়াই করে যাচ্ছি যা হ'ল আমি ডেটা লাইফ চক্রটিকে কল করব যা আপনি জানেন, যদি আমরা কোনও উদ্যোগের মধ্যে দিয়ে সরবরাহ সরবরাহ শৃঙ্খলার সন্ধান করি তবে আমরা শুরু করব ডেটা অধিগ্রহণ বা ডেটা ক্যাপচার, যা ডেটা এন্ট্রি হতে পারে তবে এটি সমানভাবে হতে পারে, আমি কিছু ডেটা বিক্রেতার কাছ থেকে এন্টারপ্রাইজের বাইরে থেকে ডেটা পাচ্ছি।
এবং তারপরে ডেটা ক্যাপচার থেকে আমরা ডেটা রক্ষণাবেক্ষণে যাই যেখানে আমি এই ডেটাটিকে প্রমিতকরণ এবং এটি প্রয়োজনীয় স্থানগুলিতে শিপিংয়ের কথা ভাবছি। এবং তারপরে ডেটা ব্যবহার, প্রকৃত পয়েন্টগুলি যেখানে ডেটা, আপনি ডেটাটির বাইরে মান পেতে চলেছেন।
এবং পুরানো দিনগুলিতে এটি একটি স্বতন্ত্র স্টাইলে করা হয়ে থাকে তবে আজ এটি আপনি জানেন, উদাহরণস্বরূপ, একটি বিশ্লেষণ পরিবেশ, এবং তারপরে একটি সংরক্ষণাগার, একটি স্টোর, যেখানে আমরা আর ডেটা রাখি না যখন এটি প্রয়োজন এবং অবশেষে একটি শুদ্ধ প্রক্রিয়াকরণ। এই পুরো ডেটা লাইফ চক্রের পরিচালনায় আপনি কীভাবে ডেটা মডেলিংকে ফিট করছেন?
রন হুইজেনগা: এটি একটি খুব ভাল প্রশ্ন এবং একটি বিষয় আমার কাছে এখানে আজ কোনও বিবরণ দেওয়ার জন্য সত্যই সময় পাইনি, এটি হ'ল আমরা আসলে তথ্য বংশের কথা বলতে শুরু করি। সুতরাং আমরা আসলে যা করতে সক্ষম তা হ'ল আমাদের সরঞ্জামগুলিতে একটি ডেটা বংশের ক্ষমতা রয়েছে এবং আমি যেমন বলেছি আমরা এটির কিছুটা ইটিএল সরঞ্জাম থেকে বের করতে পারি, তবে আপনি কেবল বংশটি অঙ্কন করে এটিও মানচিত্র করতে পারেন। আমরা ক্যাপচার এবং মডেলগুলি এনেছি এমন কোনও ডেটা মডেল বা ডাটাবেস আমরা আমাদের ডেটা বংশের ডায়াগ্রামে সেইগুলি থেকে কনস্ট্রাক্টগুলি উল্লেখ করতে পারি।
আমরা যা করতে পারছি তা হ'ল ডেটা প্রবাহ আঁকানো, যেমন আপনি বলে থাকেন উত্স থেকে লক্ষ্য পর্যন্ত, এবং সামগ্রিক জীবনচক্রের মাধ্যমে সেই ডেটা বিভিন্ন সিস্টেমে কীভাবে স্থানান্তরিত হয় এবং আপনি কী সন্ধান করতে যাচ্ছেন তা হল, আসুন কর্মীদের নেওয়া যাক 'ডেটা - আমি বহু বছর আগে করেছি এমন একটি প্রকল্পের ভিত্তিতে এটি আমার পছন্দের একটি। আমি এমন একটি সংস্থার সাথে কাজ করেছি যার ৩০ টি বিভিন্ন সিস্টেমে কর্মচারীর ডেটা ছিল। আমরা সেখানে কী করে শেষ করেছি - এবং রেবেকার ডেটা বংশ স্লাইডটি আপ করেছে - এটি এখানে মোটামুটি সরল তথ্য বংশ স্লাইড, তবে আমরা যা করতে পেরেছিলাম তা সমস্ত ডাটা স্ট্রাকচার এনেছিল, সেগুলি ডায়াগ্রামে রেফারেন্স করেছে, এবং তারপরে আমরা আসলে প্রবাহগুলি কীসের মধ্যে রয়েছে তা দেখতে শুরু করতে পারে এবং কীভাবে সেই বিভিন্ন ডেটা সত্তা একত্রে প্রবাহে যুক্ত হয়? এবং আমরা পাশাপাশি যে যেতে পারেন। এটি একটি ডেটা প্রবাহ বা বংশের চিত্রের অংশ যা আমরা এখানে দেখছি। আপনি যদি এর বাইরে যেতে চান তবে আমাদের কাছে এই স্যুটটির ব্যবসায়িক স্থপতি অংশ রয়েছে এবং একই জিনিস সেখানে প্রয়োগ করা হয়।
ডেটা মডেলিংয়ের পরিবেশে আমরা যে কোনও ডেটা স্ট্রাকচার ধারণ করেছি, সেগুলিকে ব্যবসায়িক মডেলিং সরঞ্জামে উল্লেখ করা যেতে পারে যাতে আপনার ব্যবসায়িক মডেল চিত্র বা আপনার ব্যবসায়িক প্রক্রিয়া ডায়াগ্রামগুলিতেও আপনি যদি আলাদা করতে চান তবে স্বতন্ত্র ডেটা স্টোরকে উল্লেখ করতে পারেন ডেটা মডেলিংয়ের পরিবেশ এবং আপনি যখন আপনার ব্যবসায়িক প্রক্রিয়া মডেলগুলির ফোল্ডারগুলিতে এগুলি ব্যবহার করছেন তখন আপনি সেইগুলিতে সিআরইউডি নির্দিষ্ট করে দিতে পারেন, সেই তথ্যটি কীভাবে ব্যবহৃত হয় বা উত্পাদিত হয় এবং তারপরে আমরা উত্পন্ন করা শুরু করতে পারি এর বাইরে প্রভাব এবং বিশ্লেষণ রিপোর্ট এবং ডায়াগ্রামের মতো জিনিস।
আমরা কী লক্ষ্যে পৌঁছে যাচ্ছি এবং আমাদের ইতিমধ্যে অনেকগুলি দক্ষতা রয়েছে, তবে আমাদের লক্ষ্যগুলির মধ্যে একটির মতো একটি লক্ষ্যপোস্ট রয়েছে যা আমরা দেখছি, যেমন আমরা আমাদের সরঞ্জামগুলি এগিয়ে যাওয়ার বিবর্তন অব্যাহত রেখেছি, শেষ-থেকে-শেষ, সাংগঠনিক ডেটা বংশ এবং ডেটার পূর্ণ জীবনচক্রটিকে মানচিত্র তৈরি করতে সক্ষম হচ্ছে।
ম্যালকম চিশলম: ঠিক আছে। রেবেকা, আমি কি আর একজনকে অনুমতি দিচ্ছি?
রেবেকা জোজভিয়াক: আমি আপনাকে আরও একজনকে অনুমতি দেব, ম্যালকম, এগিয়ে যাও।
ম্যালকম চিশলম: আপনাকে অনেক ধন্যবাদ ডেটা প্রশাসনের বিষয়ে চিন্তা করা এবং ডেটা মডেলিংয়ের কথা চিন্তা করা, আমরা কীভাবে এই দুটি গ্রুপকে কার্যকরভাবে কাজ করতে এবং একে অপরকে বুঝতে পারি?
এরিক লিটল: আচ্ছা এটি আকর্ষণীয়, আমি মনে করি এটি সত্যিই প্রতিষ্ঠানের উপর নির্ভর করে, এবং এটি আমার আগের ধারণার দিকে ফিরে যায়, যেসব সংস্থাগুলিতে উদ্যোগ নিয়ে ব্যবসা পরিচালিত হয়েছিল আমরা ঠিক সেখানে আবদ্ধ ছিলাম। উদাহরণস্বরূপ, আমি একটি ডেটা আর্কিটেকচারের নেতৃত্ব দিচ্ছিলাম দল কিন্তু আমরা ব্যবসায়ীদের সাথে বন্ধুত্বপূর্ণ ছিলাম এবং আমরা তাদের তাদের ডেটা গভর্নেন্স প্রোগ্রামটি দাঁড়াতে আসলেই সহায়তা করছিলাম। আবার, একটি পরামর্শমূলক পদ্ধতির বেশি তবে এটি ব্যবসায়ের আরও বেশি কার্যকরী of
আপনাকে যা করতে সক্ষম হতে হবে তা হ'ল আপনার দরকার ডেটা মডেলার এবং আর্কিটেক্ট যা সত্যিকার অর্থে ব্যবসায় বোঝেন, ব্যবসায় ব্যবহারকারীদের সাথে সম্পর্কিত হতে পারেন এবং তারপরে তাদের চারপাশের প্রশাসনিক প্রক্রিয়াগুলি দাঁড়াতে সহায়তা করেছেন। ব্যবসাটি এটি করতে চায় তবে সাধারণভাবে বলতে গেলে আমাদের কাছে প্রযুক্তি জ্ঞান রয়েছে যাতে তাদেরকে এই ধরণের প্রোগ্রামগুলিকে দাঁড়াতে সহায়তা করতে সক্ষম হতে পারে। এটি আসলে একটি সহযোগিতা হতে হবে, তবে এটি ব্যবসায়ের মালিকানাধীন হওয়া দরকার।
ম্যালকম চিশলম: ঠিক আছে, দুর্দান্ত। ধন্যবাদ.
ডঃ এরিক লিটল: ঠিক আছে।
রেবেকা জোজভিয়াক: ঠিক আছে, অনেক অনেক ধন্যবাদ। শ্রোতাদের সদস্যগণ, আমি ভয় করি যে আমরা আপনার প্রশ্নগুলিতে না পেয়েছি, তবে আমি নিশ্চিত করব যে তারা আজ আমাদের লাইনে থাকা উপযুক্ত অতিথির কাছে এগিয়ে যাবে। আমি আজ আমাদের অতিথি হওয়ার জন্য এরিক, ম্যালকম এবং রনের প্রতি আপনাকে অনেক ধন্যবাদ জানাতে চাই। লোকেরা ছিল দুর্দান্ত জিনিস। এবং আপনি যদি আজকের আইডিআরএ ওয়েবকাস্টটি উপভোগ করেছেন, আপনি যদি যোগ দিতে চান তবে ইনডেক্সিং এবং ওরাকলসের চ্যালেঞ্জগুলি নিয়ে আলোচনা করতে আইডেরার পরের বুধবার একটি হট টেকনোলজিসেও চলেছে so
আপনাকে অনেক ধন্যবাদ, ভাবেন, যত্ন নিন, এবং আমরা আপনাকে পরের বার দেখা করব। বাই বাই
