চতুর পরিবেশে ডেটা মডেলিং

টেকোপিডিয়া স্টাফ দ্বারা, নভেম্বর 16, 2016

টেকওয়ে: হোস্ট এরিক কাভানাঘ রবিন ব্লার, ডেজ ব্লাঞ্চফিল্ড এবং আইডিরার রন হুইজেনগার সাথে চতুর বিকাশে ডেটা মডেলিংয়ের গুরুত্ব নিয়ে আলোচনা করেছেন।

আপনি বর্তমানে লগ ইন নেই Please ভিডিওটি দেখতে লগ ইন বা সাইন আপ করুন।

এরিক কাভানাঘ: ঠিক আছে, মহিলা এবং ভদ্রলোক। আবার ফিরে স্বাগতম। এটি বুধবার 4:00 EST এ। এর অর্থ হট টেকনোলজিসের সময় এসেছে। হ্যাঁ, সত্যিই। আমার নাম এরিক কাভানাঘ, আমি আপনার হোস্ট হব।

আজকের বিষয়টির জন্য, এটি পুরানো তবে একটি গুডি। এটি প্রতিদিন আরও উন্নত হচ্ছে কারণ এটি আমাদের ডেটা ম্যানেজমেন্ট জগতকে রূপ দেয়, "একটি চৌকস পরিবেশে ডেটা মডেলিং।" আপনার সম্পর্কে সত্যিকার অর্থে একটি স্লাইড রয়েছে, টুইটারে_আরিক_কাভানাঘে আমাকে আঘাত করুন। আমাদের সত্যই এটি স্লাইডে রাখা উচিত। আমি এটি পেতে হবে।

তাই বছরের গরম। ডেটা মডেলিং প্রায় চিরকাল ছিল। এটি সত্যই তথ্য ব্যবস্থাপনা ব্যবসায়ের হৃদয় এবং আত্মায় ছিল, ডেটা মডেলগুলি ডিজাইন করে, ব্যবসায়ের মডেলগুলি বোঝার চেষ্টা করে এবং আপনার ডেটা মডেলগুলিতে তাদের সারিবদ্ধ করে তোলে। সত্যিই আপনি যা করার চেষ্টা করছেন তাই না?

ডেটা মডেল ব্যবসায়কে একটি মৌলিক উপায়ে উপস্থাপন করে, তবে কীভাবে এই সমস্ত নতুন ডেটা উত্স গেমটি পরিবর্তন করছে? আমরা এটি সম্পর্কে সন্ধান করতে যাচ্ছি। আপনি কীভাবে চৌকস উপায়ে জিনিসগুলির শীর্ষে থাকতে পারেন তা আমরা খুঁজে বের করতে যাচ্ছি। এবং অবশ্যই, এটি বছরের শব্দ।

রবিন ব্লুর আমাদের সাথে রয়েছেন, আমাদের প্রধান বিশ্লেষক, সিডনি, অস্ট্রেলিয়া থেকে ডেজ ব্লাঞ্চফিল্ড এবং আইডেরার সিনিয়র প্রোডাক্ট ম্যানেজার রন হুইজেনগা - আমার দীর্ঘকালীন বন্ধু, এই জায়গাতে দুর্দান্ত বক্তা, তাঁর জিনিস জানেন, তাই লজ্জা পাবেন না, জিজ্ঞাসা করুন তাকে কঠিন প্রশ্ন, ভাবেন, কঠিন। এটি দিয়ে, আমি রবিনকে উপস্থাপক করে তুলব, এবং এটি নিয়ে যাব।

ডাঃ রবিন ব্লুর: ঠিক আছে। ওয়েল এর জন্য আপনাকে ধন্যবাদ, এরিক। আমার মনে হয় যে মডেলিংয়ের কথা আমি মনে করি, আমি আসলে এটি তৈরির আগে আইটি-র জগতে ছিলাম, সেই অর্থে যে আমি আমার যে বীমা সংস্থার জন্য কাজ করেছি তা মনে আছে, আমাদের একজন লোক এসেছিল এবং আমাদের সকলকে এক ধরণের উপহার দেয় কীভাবে ডেটা মডেল করবেন সে সম্পর্কে কর্মশালার সুতরাং আমরা প্রায় 30 বছর তাকিয়ে আছি, এটি 30 বছর? এর থেকেও দীর্ঘ হতে পারে, সম্ভবত 35 বছর আগে। একটি দীর্ঘ, দীর্ঘ সময়ের মডেলিং প্রকৃতপক্ষে শিল্পের একটি অংশ হয়ে দাঁড়িয়েছে এবং অবশ্যই এটি ক্যাটওয়াকের মহিলাদের সাথে কিছুই করার ছিল না।

আমি যে জিনিসটি বলতে চেয়েছিলাম, কারণ আমরা সাধারণত যা করি তা কি আমি এবং ডেজ বিভিন্ন বিষয়ে কথা বলি এবং আমি কেবল ভেবেছিলাম মডেলিংকে আমি সাধারণ ধারণা দেব, তবে এটির বাস্তবতা আছে, যা এখন স্পষ্ট হয়ে উঠছে।

আমাদের কাছে আছে, আপনি জানেন, বড় ডেটা রিয়েলিটি, আমাদের কাছে আরও ডেটা, আরও ডেটা উত্স রয়েছে, আমরা এমন ডেটা স্ট্রিম পেয়েছি যা গত তিন বা চার বছরে সমীকরণে প্রবেশ করেছে এবং এর একটি বড় অংশ পেতে শুরু করেছে, এবং ডেটা বোঝার আরও বেশি প্রয়োজন এবং পরিবর্তনের হারে বৃদ্ধি যা আরও বেশি ডেটা যুক্ত হচ্ছে এবং আরও ডেটা স্ট্রাকচার ব্যবহৃত হচ্ছে।

এটি একটি কঠিন বিশ্বের। এখানে এটির একটি চিত্র এখানে দেওয়া হয়েছে যা আমরা প্রায় তিন বছর আগে আঁকতে পেরেছিলাম তবে মূলত, একবার আপনি মিশ্রণটিতে স্ট্রিমিং অন্তর্ভুক্ত করেন এবং আপনি ডেটা রিফাইনারি, ডেটা হাব, ডেটা লিঙ্ক বা যাই হোক না কেন, আপনি দেখতে পাচ্ছেন যে সেখানে ডেটা আছে সত্যিকার অর্থে বিশ্রামে, এই অর্থে যে এটি খুব বেশি চলছে না। এবং তারপরে ডেটা আছে, স্ট্রিম রয়েছে এবং আপনার সমস্ত লেনদেনের অ্যাপ্লিকেশন পেয়েছে, আজকাল আপনি ইভেন্টগুলি পেয়েছেন, ইভেন্টের ডেটাফ্লোগুলি যা অ্যাপ্লিকেশনগুলিতে ঘটে থাকে এবং এটির প্রয়োজন হতে পারে এবং আজকাল ল্যাম্বডা আর্কিটেকচারের সাথে প্রত্যেকের কথা বলা হয়েছে, সত্যই কেবলমাত্র ডেটা পুরো ক্ষেত্রের উপর প্রভাব ফেলছে।

এবং আজকাল সেখানে একটি ডেটা স্তর থাকার শর্তে ভাবেন। ডেটা স্তরটি এক ধরণের ভার্চুয়াল উপায়ে বিদ্যমান, এই অর্থে যে এর একটি ভাল অংশ মেঘের মধ্যে থাকতে পারে এবং এটি ডেটা কেন্দ্রগুলিতে ছড়িয়ে যেতে পারে, এটি ওয়ার্কস্টেশনে থাকতে পারে। ডেটা স্তরটি হ'ল কিছু পরিমাণে, সর্বত্র এবং সেই অর্থে, সর্বত্র এমন প্রক্রিয়া রয়েছে যা ডেটা প্রক্রিয়া করার জন্য এবং উপাত্তগুলিকে সরিয়ে নেওয়ার জন্য একরকম বা অন্য কোনও উপায়ে চেষ্টা করছে। আপনি যখন এটিকে সচল করছেন তখন এটি কী তা জানাও বড় বিষয় big

যদি আমরা সর্বাধিক সাধারণ অর্থে ডেটা মডেলিংয়ের দিকে লক্ষ্য করি তবে এই ধরণের স্ট্যাকের নীচে আপনার কাছে ফাইল এবং ডাটাবেস রয়েছে। আপনার কাছে ডেটা উপাদান রয়েছে, যার কী, উপাদান সংজ্ঞা, উপকরণ, প্রতিশব্দ, নির্দিষ্ট শারীরিক ফর্ম্যাট এবং তারপরে আমাদের এই মেটাডেটা স্তর রয়েছে।

মেটাডেটা সম্পর্কে আকর্ষণীয় বিষয় হ'ল ডেটাটির অর্থ কীভাবে আসে তার পুরোপুরি মেটাডেটা। আপনার যদি আসলে মেটাডেটা না থাকে তবে সর্বোপরি আপনি ডেটাটির অর্থ অনুমান করতে পারেন তবে আপনাকে প্রচুর অসুবিধা হতে চলেছে। মেটাডেটা থাকা দরকার, তবে অর্থটির কাঠামো রয়েছে। আমি অর্থের দর্শনে যেতে চাই না, তবে আমরা উপাত্তকে যেভাবে মোকাবিলা করি তার মধ্যেও মানুষের চিন্তাভাবনা এবং মানব ভাষায় প্রচুর পরিশীলিততা রয়েছে, যা সহজেই ডেটাতে নিজেকে প্রকাশ করে না। এমনকি আমরা যে বিশ্বে আমরা প্রকৃতপক্ষে প্রক্রিয়া করি তার পরিপ্রেক্ষিতে মেটাডাটার অর্থ ও মেটাডেটার গঠন রয়েছে - অন্যটির সাথে এক টুকরো ডেটা এবং এর অর্থ কী হয় যখন তারা একত্রিত হয় এবং এর অর্থ কী যখন তারা ' অন্য ডেটার সাথে পুনরায় যোগদান করেছেন, আমরা এটির মডেল করার দাবি করি। জিনিসগুলিতে কেবল মেটাডেটা ট্যাগ রেকর্ড করার পক্ষে এটি যথেষ্ট ভাল নয়, আপনাকে প্রকৃত কাঠামোর প্রতি কাঠামোর অর্থ এবং কাঠামোর মধ্যে সম্পর্ক রেকর্ড করতে হবে।

তারপরে আমাদের শীর্ষ স্তরে রয়েছে ব্যবসায়ের সংজ্ঞা, যা সাধারণত একটি স্তর যা মেটাডেটার মধ্যে অর্থ স্থানান্তরিত করার চেষ্টা করে যা ডেটা সংজ্ঞায়নের একটি রূপ যা ডেটা কম্পিউটার এবং মানবীয় অর্থের সাথে সজ্জিত করে। সুতরাং আপনার ব্যবসায়ের পদ, সংজ্ঞা, সম্পর্ক, সত্তা-স্তরের ধারণাগুলি রয়েছে যা সেই স্তরে বিদ্যমান। এবং যদি আমরা এই স্তরগুলির মধ্যে কোনও অসঙ্গতি রাখতে চলেছি তবে আমাদের কাছে ডেটা মডেলিং করতে হবে। এটি আসলে alচ্ছিক নয়। এটি স্বয়ংক্রিয়করণের ক্ষেত্রে আপনি যত বেশি এটি করতে পারবেন তত ভাল। এটি অর্থ সহকারে করার কারণে, বিকল্পটি করা সত্যিই কঠিন। কোনও রেকর্ডের মধ্যে মেটাডেটা ধরা এবং এটি অর্থের একটি সিরিজ থেকে সক্ষম হওয়া যথেষ্ট সহজ তবে এটি আপনাকে রেকর্ডের কাঠামো বা রেকর্ডের অর্থ বা রেকর্ডের প্রসঙ্গ কী বলে তা বলে না।

সুতরাং, এটি আমার মতে ডেটা মডেলিং সম্পর্কে। লক্ষণীয় পয়েন্ট: ডেটা মহাবিশ্ব যত জটিল হয়ে উঠবে, ততই আপনাকে এটির মডেল করা দরকার। অন্য কথায়, এটি কিছুটা হ'ল আমরা বিশ্বে জিনিসগুলির আরও উদাহরণগুলি যুক্ত করছি না যা তথ্য রেকর্ডের সাথে মিল রাখে তবে আমরা আরও বেশি কিছুতে ডেটা ক্যাপচারের মাধ্যমে বিশ্বকে আরও অর্থ যোগ করছি। এটি আরও বেশি জটিল অনুভূতি হয়ে উঠছে যা আমাদের বুঝতে হবে।

তত্ত্বের মধ্যে একটি ডেটা ব্রহ্মাণ্ড রয়েছে এবং আমাদের এটির দৃষ্টিভঙ্গি দরকার। অনুশীলনে, প্রকৃত মেটাডেটা তথ্য মহাবিশ্বের অংশ। সুতরাং, এটি একটি সাধারণ পরিস্থিতি নয়। শুরু করার মডেলিং শীর্ষ-নীচে এবং নীচে আপ। আপনাকে উভয় দিক তৈরি করতে হবে এবং এর কারণটি হ'ল কম্পিউটার এবং প্রক্রিয়াটির সাথে ডেটাটির অর্থ রয়েছে, এটির প্রক্রিয়া করতে হবে, তবে এটির নিজস্ব অর্থ রয়েছে। সুতরাং, আপনার একটি ডাউন-আপ অর্থের প্রয়োজন, যা ডেটা অ্যাক্সেস করার জন্য প্রয়োজনীয় সফ্টওয়্যারটিকে সন্তুষ্ট করে এবং আপনার শীর্ষ-ডাউন অর্থ প্রয়োজন যাতে মানুষ এটি বুঝতে পারে। মেটাডাটা মডেলগুলির বিল্ডিং কোনও প্রকল্প নয় এবং কখনও হতে পারে না; এটি একটি চলমান ক্রিয়াকলাপ - তাদের বিদ্যমান প্রতিটি পরিবেশে একটি চলমান ক্রিয়াকলাপ হওয়া উচিত। ভাগ্যক্রমে, অনেকগুলি পরিবেশ রয়েছে, যেখানে আসলে এটি হয় না এবং জিনিসগুলি সেই অনুযায়ী নিয়ন্ত্রণের বাইরে চলে যায়।

প্রযুক্তি এগিয়ে যাওয়ার সাথে সাথে মডেলিং গুরুত্ব সহকারে বৃদ্ধি পায় increases এটা আমার মতামত. তবে আপনি যদি আইওটির দিকে নজর দেন তবে আমরা মোবাইলটি আমাদের আগের তুলনায় আরও বেশি বুঝতে পারি, যদিও এটি নতুন মাত্রা: মোবাইলের সাথে অবস্থানের মাত্রা প্রবর্তন করেছে। আপনি একবার আইওটি-তে পৌঁছে গেলে আমরা এমন অসাধারণ তথ্য সমস্যাগুলি দেখছি যা আমাদের আসলে আগে কখনই করতে হয়নি এবং আমাদের কী হয়েছে তা সঠিকভাবে বোঝার জন্য আমাদের এক উপায় বা অন্যভাবে প্রয়োজন, আমরা কীভাবে এটি একত্রিত করতে পারি, সমষ্টি থেকে অর্থ পাওয়ার ক্ষেত্রে আমরা কী করতে পারি এবং আমরা যখন এটি প্রক্রিয়া করি তখন অবশ্যই আমরা এটির সাথে কী করতে পারি।

আমি মনে করি এটি যথেষ্ট বলেছি। আমি দেজ ব্লাঞ্চফিল্ডে যাচ্ছি, যারা পুরোপুরি অন্য কিছু বলবে।

ডেজ ব্লাঞ্চফিল্ড: আপনাকে ধন্যবাদ। সর্বদা একটি কঠোর আইন অনুসরণ করা, তবে এটি এমন একটি বিষয় যা আমরা সম্মতি দিয়েছিলাম এবং প্রেজো ব্যানারে সংক্ষেপে এটি সম্পর্কে কথা বললাম এবং আপনি যদি প্রথম দিকে ডায়াল করেন তবে আপনি সম্ভবত পুরো রত্নগুলির এক গোছা ধরে ফেলবেন। টেকওয়েজের একজন, এবং আমি এই বিশেষটির গর্জনটি চুরি করতে চাই না, তবে আমাদের প্রেজো ব্যানার থেকে আমি যে শেয়ার করতে চাই সেগুলি থেকে একটি গ্রহণকারী, আপনি যদি এটি ধরেন না, তবে কেবল বিষয়টির চারপাশে ছিল ডেটা যাত্রা, এবং এটি আসলে আমার প্রজন্মের জীবদ্দশায় - বছর, মাস, সপ্তাহ, দিন, ঘন্টা, মিনিট, দ্বিতীয় - এবং ডেটাগুলির প্রসঙ্গে প্রাসঙ্গিক বিষয়গুলির বিভিন্ন প্রেক্ষাপটে ডেটা যে যাত্রা করে সে সম্পর্কে ভেবে এটি লিখতে আমার মর্মাহত হয়েছিল are যে প্রসঙ্গে অবস্থিত। আমি কোনও বিকাশকারী চলমান কোড কিনা, বা আমি কোনও ডেটা বিশেষজ্ঞ এবং আমি উপাদানগুলির প্রতিটিটির চারপাশে গঠন এবং ফর্ম্যাট এবং মেটাডেটা, বা সিস্টেম এবং ব্যবসায় এর সাথে কীভাবে যোগাযোগ করে সে সম্পর্কে চিন্তাভাবনা করি।

এটি কেবল একটি আকর্ষণীয় সামান্য গ্রহণযোগ্য বিষয়, তবে যাইহোক, আমাকে ডুবতে দাও particular বিশেষত ডেটা ডিজাইনটি এমন একটি বাক্য যা আমি সমস্ত জিনিসের ডেটা এবং বিশেষত অ্যাপ্লিকেশন বা ডেটাবেস অবকাঠামোগত বিকাশের জন্য কথা বলতে ব্যবহার করি। আমি মনে করি ডেটা ডিজাইন এমন একটি শব্দ যা কেবল এগুলি আমার মনে খুব ভালভাবে ক্যাপচার করে। এই দিনগুলিতে যখন আমরা ডেটা ডিজাইনের কথা বলি, আমরা আধুনিক চটপটে ডেটা ডিজাইনের কথা বলি এবং আমার দৃষ্টিভঙ্গি হ'ল এটি এত দিন আগে হয়নি যে বিকাশকারী এবং ডেটা বিশেষজ্ঞরা একা কাজ করেছিলেন; তারা তাদের নিজস্ব সিলোতে ছিল এবং নকশার টুকরোগুলি এক সিলো থেকে অন্য সিলোতে গিয়েছিল। তবে আমি আজকাল খুব বেশি দৃষ্টিভঙ্গি করছি, কেবল এটিই বদলেছে তা নয়, বদলে যেতে হবে; এটি একটি প্রয়োজনীয়তার ধরণ এবং এটি হ'ল অ্যাপ্লিকেশন - ডেভেলপাররা এবং ডেটা, ডিজাইনার যারা স্কিমাস এবং ক্ষেত্রের সম্পর্কিত নকশা উপাদানগুলি এবং অবস্থান এবং ডাটাবেস সিস্টেম এবং অবকাঠামো, মডেলিং এবং পুরো পরিচালনা সম্পর্কিত ডিলারগুলি নিয়ে কাজ করে development চারপাশে চ্যালেঞ্জ। এটি এখন একটি দল খেলাধুলা এবং সেই কারণে আকাশের মধ্য দিয়ে পড়ে থাকা মানুষের দৃশ্যমান আকর্ষণীয় চিত্রটি খেলতে আমার দল একটি বিমানের বিমান থেকে লাফিয়ে ঝাঁপিয়ে পড়ে একটি দল হিসাবে অভিনয় করছে picture

তৃতীয়ত, এটিকে আনতে কী ঘটেছিল? ভাল, 1986 সালে একটি নিবন্ধ ছিল কয়েকজন ভদ্রলোক যাদের নাম নিয়ে আমি ন্যায়বিচার করার জন্য মরিয়া চেষ্টা করেছিল, আমার মনে হয় হিরোতাকা তেকুচি এবং ইকুজিরো নোনাকা, এটি উচ্চারিত হয়েছে, একটি নিবন্ধ প্রকাশ করেছিল যে তারা "মুভিং দ্য স্ক্রাম ডাউনফিল্ড" শিরোনাম প্রকাশ করেছিল। এই স্ক্র্যাম ক্রিয়াকলাপ থেকে রাগবিয়ের একটি খেলা জয়ের পদ্ধতির এই ধারণাটি, যেখানে প্রত্যেকে এক জায়গায় যায় এবং দুটি দল মূলত একটি স্ক্র্যাম বলে কিছুকে নিয়ন্ত্রণ করে এবং বলটি নিয়ন্ত্রণ করতে এবং মাঠের নিচে খেলতে নামায় lock ট্রাই লাইনে উঠুন এবং বল দিয়ে মাটিতে স্পর্শ করুন এবং একটি বিন্দু পাবেন, যার নাম ট্রাইন, এবং আপনি এই প্রক্রিয়াটি পুনরাবৃত্তি করুন এবং আপনি দলের জন্য আরও পয়েন্ট পাবেন।

এই নিবন্ধটি 1986 সালে হার্ভার্ড বিজনেস রিভিউতে প্রকাশিত হয়েছিল এবং কৌতূহলবশত এটি আসলে অনেক মনোযোগ পেয়েছিল। এটি প্রচুর মনোযোগ পেয়েছে কারণ এটি আশ্চর্যজনক নতুন ধারণাগুলি প্রবর্তন করেছে এবং এটির সামনে একটি স্ক্রিনশট রয়েছে। সুতরাং তারা স্ক্র্যামের এই ধারণাটি গেমের রাগবি থেকে বের করে নিয়েছিল এবং তারা এটিকে ব্যবসায় এবং বিশেষত ডিজাইন এবং প্রকল্প বিতরণের গেমটিতে, বিশেষত প্রকল্প বিতরণে নিয়ে আসে।

স্ক্র্যাম কী করেছে তা আমাদের কাছে PRINCE2 বা PMBOK এর পছন্দগুলির তুলনায় একটি নতুন পদ্ধতি দেওয়া হয়েছিল যা আমরা জলপ্রপাত পদ্ধতিটি যা বলেছিলাম তার আগে আমরা ব্যবহার করেছি, আপনি জানেন, এই জিনিসটি এবং এই জিনিসটি করুন এবং এই জিনিসটি ক্রমানুসারে অনুসরণ করুন এবং সংযোগ করুন চারপাশের সমস্ত বিন্দু যা আপনার যা ছিল তার উপর নির্ভর করে, বা আপনি পার্ট টু না করা পর্যন্ত পার্ট টু করবেন না কারণ এটি একটি অংশের উপর নির্ভর করে। এটি আমাদের যা দিয়েছে তা হল কিছুটা চটজলদি হয়ে ওঠার একটি নতুন পদ্ধতি, যা শব্দটি এসেছে যেখানে আমরা কীভাবে জিনিস সরবরাহ করি এবং বিশেষত নকশা এবং উন্নয়ন তৃণমূল প্রকল্প সরবরাহের আশেপাশে।

কিছু মূল ভাড়াটিয়া - ঠিক তাই আমি এটির সাথে চালিয়ে যাচ্ছি - স্ক্রমের মূল ভাড়াটেদের কাছাকাছি। এটি অস্থিরতা তৈরির ধারণাটি চালু করেছিল, কার্যকরভাবে যদি আপনি বিশৃঙ্খলার ভয় নিয়ে চিন্তা করেন, বিশ্বে একটি বিশৃঙ্খলা সৃষ্টি হয় তবে গ্রহটি গঠিত হয়েছিল, যা আকর্ষণীয়, তাই অস্থিরতা বাড়ানো, সামান্য কিছুটা কাছাকাছি আসার ক্ষমতা এবং তবুও প্রকৃতপক্ষে জিনিসগুলি কাজ করে তোলা, স্ব-সংগঠিত প্রকল্প দলগুলি, খুব দায়বদ্ধ বিকাশের মাধ্যমে ওভারল্যাপিং পক্ষপাতী, প্রকল্পের সরবরাহের যাত্রার মাধ্যমে বিভিন্ন ধরণের শিখন এবং নিয়ন্ত্রণ, শিক্ষার সাংগঠনিক স্থানান্তর। সুতরাং আমরা কীভাবে ব্যবসায়ের এক অংশ থেকে তথ্য নেব এবং তাদের কাছে এমন ধারণা আছে এমন লোকদের কাছ থেকে অন্যটিতে স্থানান্তর করব যা কোড বিকাশ করে না বা ডেটাবেস এবং অবকাঠামোগত বিকাশ করে না, তবে সেই ব্যক্তিদের ডেটা করে? এবং নির্দিষ্টভাবে সময়-বাকী ফলাফল। অন্য কথায়, আসুন কিছু সময়ের জন্য এটি করা যাক হয় 24 ঘন্টা হিসাবে একদিন, বা এক সপ্তাহে বা কয়েক সপ্তাহ এবং আমরা কী করতে পারি তা দেখুন এবং তারপরে পিছনে গিয়ে এটি দেখুন।

এবং তাই, যদি আপনি শ্লেষকে ক্ষমা করেন, এটি প্রকল্প বিতরণে সত্যই একটি নতুন গেম এবং এটিতে তিনটি মূল উপাদান যা বুদ্ধিমান হয়ে উঠবে আমরা এখানে আরও কিছুটা এগিয়ে যেতে পেরেছি - পণ্যটি এখানে রয়েছে: এই সমস্ত লোকের ধারণা আছে এবং রয়েছে কিছু করার দরকার এবং এগুলি ঘিরে থাকা গল্প। বিকাশকারীরা তাদের গল্পগুলি পাওয়ার জন্য এবং প্রতিদিনের স্ট্যান্ডআপগুলির মাধ্যমে স্ক্র্যাম পদ্ধতি ব্যবহার করে এটি নিয়ে আলোচনা করে তাদের কী করা উচিত তা বোঝার জন্য চতুর মডেলটিতে কাজ করে এবং তারপরে কেবল এগিয়ে যান এবং এটি করেন। তারপরে লোকেরা, আমরা স্ক্রাম মাস্টারদের সম্পর্কে শুনেছি যারা এই পুরো বিষয়টির তদারকি করে এবং এটিকে চালিত করার জন্য পদ্ধতিটি ভালভাবে বুঝতে পারে। আমরা সকলেই এই চিত্রগুলি দেখেছি যা আমি এখানে ডানদিকে পেয়েছি দেয়াল এবং হোয়াইটবোর্ডের পরে পোস্ট-নোটের পূর্ণ নোট এবং সেগুলি কানবানের দেয়াল হিসাবে পরিবেশন করা হয়েছিল। কান্বন কে আপনি যদি না জানেন তবে আমি আপনাকে গুগলে আমন্ত্রণ জানাচ্ছি যে মিঃ কানবান কে ছিলেন এবং কেন আমরা আক্ষরিক অর্থে কিন্তু একটি প্রকল্পে জিনিসগুলিকে এক দিক থেকে অন্য দিকে নিয়ে যাচ্ছিলাম তাতে এটি পরিবর্তন হয়েছিল।

এক নজরে, স্ক্রাম ওয়ার্কফ্লো এটি করে: এটি একটি সংস্থা যা করতে চায় তার একটি তালিকা নেয়, আমরা স্প্রিন্টকে কল করে 24 ঘন্টা, মাসব্যাপী পিরিয়ডে বিভক্ত এমন একটি সিরিজের মাধ্যমে চালিত করি এবং আমরা আউটপুটগুলির এই বর্ধিত সিরিজটি পান। প্রকল্পগুলি সরবরাহ করার পথে এটি একটি গুরুত্বপূর্ণ পরিবর্তন, সেই পর্যায়ে পৌঁছেছিল কারণ সেই অংশটি মার্কিন সেনাবাহিনীর মতো প্রবাহিত হয়েছিল যার কাছে পিএমবিওকে নামে কিছু বিকাশের বিশাল অংশ ছিল, এই ধারণাটির মতো যা ট্যাঙ্কটিকে ক্ষেত্রের মধ্যে না নেয় like আপনি জিনিসগুলিতে বুলেট না দেওয়া পর্যন্ত যদি ক্ষেত্রের কোনও ট্যাঙ্কে বুলেট না থাকে তবে এটি অকেজো। সুতরাং এক ভাগ ট্যাঙ্কে বুলেট রাখা হয়, দ্বিতীয় অংশ ক্ষেত্রের মধ্যে ট্যাঙ্ক করা হয়। দুর্ভাগ্যক্রমে, যদিও, উন্নয়নের জগতে বিকাশকারীদের সাথে যা ঘটেছিল তা কোনওভাবে এই চতুর পদ্ধতিটি ধরেছিল এবং এটি স্পষ্টভাবে দৌড়েছে, যদি আপনি একটি স্প্রিন্টে শ্লেষ ক্ষমা করে দেন।

অবিচ্ছিন্নভাবে যা ঘটেছিল তা হ'ল, আমরা যখন চতুরতার কথা চিন্তা করি তখন আমরা সাধারণত বিকাশকারীদের কথা ভাবি এবং ডেটাবেসগুলি এবং ডেটাবেসগুলির জগতের সাথে কোনও সম্পর্ক রাখি না। এটি একটি দুর্ভাগ্যজনক পরিণতি ছিল কারণ বাস্তবতা হ'ল চতুরতা বিকাশকারীদের মধ্যে সীমাবদ্ধ নয়। আসলে, আমার দৃষ্টিতে চৌকস শব্দটি প্রায়শই ভুলভাবে সফ্টওয়্যার বিকাশকারীদের সাথে একচেটিয়াভাবে যুক্ত হয় ডেটাবেস ডিজাইনার এবং স্থপতিদের সাথে নয়। সফ্টওয়্যার এবং অ্যাপ্লিকেশন বিকাশে আপনি যে একই সমস্যার মুখোমুখি হচ্ছেন সেগুলি ডিজাইন, বিকাশ, পরিচালনা এবং রক্ষণাবেক্ষণ এবং তাই ডেটা অবকাঠামো এবং বিশেষত ডাটাবেসগুলির ক্ষেত্রে যা করতে হয় তা সব ক্ষেত্রেই সম্মুখীন হয়। এই নির্দিষ্ট ডেটা কাস্টের অভিনেতাদের মধ্যে রয়েছে ডাটা আর্কিটেক্টস, মোল্ডারস, অ্যাডমিনিস্ট্রেটররা, ডাটাবেস অবকাঠামোগুলিগুলির পরিচালক এবং প্রকৃত ডাটাবেসগুলি ব্যবসায় এবং সিস্টেম বিশ্লেষক এবং স্থপতিদের, সমস্ত লোকেরা বসে বসে সিস্টেমগুলি কীভাবে চিন্তা করে এবং ব্যবসা পরিচালনা করে এবং আমরা কীভাবে এর মাধ্যমে ডেটা প্রবাহিত করতে পারি।

এটি এমন একটি বিষয় যা আমি নিয়মিতভাবে সামনে নিয়ে আসি কারণ এটি আমার এক ধ্রুব হতাশার কারণ হিসাবে আমি যে ভিউটি বিশেষজ্ঞদের অবশ্যই দেখাতে পারি - তা করা উচিত নয় - এখন অবশ্যই প্রকল্পের সরবরাহের প্রতিটি অংশে নিবিড়ভাবে জড়িত হওয়া উচিত, সত্যই, বিশেষত বিকাশ। আমাদের না করার জন্য, তবে আমরা সত্যিই একটি ভাল ফলাফলের জন্য সেরা সুযোগ দিচ্ছি না। আমাদের প্রায়শই পিছনে ঘুরতে হয় এবং এই বিষয়গুলি সম্পর্কে আরও একবার চিন্তাভাবনা করতে হয় কারণ একটি পরিস্থিতি বিদ্যমান রয়েছে, আমরা একটি অ্যাপ্লিকেশন তৈরি হচ্ছে এবং এটি আবিষ্কার করি যে বিকাশকারীরা সর্বদা ডেটা বিশেষজ্ঞ হয় না। ডাটাবেসগুলির সাথে কাজ করার জন্য খুব বিশেষ দক্ষতার প্রয়োজন হয়, বিশেষত ডেটা চারপাশে এবং একটি অভিজ্ঞতা তৈরি করে। আপনি কেবল তাত্ক্ষণিকভাবে একটি রাতারাতি ডাটাবেস গুরু বা ডেটা জ্ঞান বিশেষজ্ঞ হয়ে উঠবেন না; এটি প্রায়শই এমন কিছু যা আজীবন অভিজ্ঞতা থেকে আসে এবং অবশ্যই কোড টুডে ডাঃ রবিন ব্লুরের মতো, যিনি বইটি বেশ সচ্ছলভাবে লিখেছিলেন।

অনেক ক্ষেত্রে - এবং এটি দুর্ভাগ্যজনক তবে এটি একটি বাস্তবতা - যে এই মুদ্রার দুটি অংশ রয়েছে, এটি হ'ল সফ্টওয়্যার বিকাশকারীদের ডাটাবেস বিশেষজ্ঞ হিসাবে তাদের নিজস্ব একটি ব্ল্যাকআউট থাকে এবং ডেটাবেস ডিজাইনের মডেলিংয়ে আপনার প্রয়োজনীয় দক্ষতা তৈরি করেছেন, মডেল বিকাশ কেবলমাত্র কীভাবে ডেটা আসে এবং কীভাবে যাত্রা সংগঠনটি গ্রহণ করে এবং এটি কীভাবে দেখা উচিত বা হওয়া উচিত নয়, বা নিঃসন্দেহে এটি আটকানো এবং বোঝা যায় যে এটি সাধারণত সফ্টওয়্যার বিকাশকারীদের জন্য নির্ধারিত দেশীয় দক্ষতা অর্জন করে। এবং আমরা যে সাধারণ চ্যালেঞ্জের মুখোমুখি হই, কেবলমাত্র তা প্রসঙ্গে, মূল ডাটাবেস ডিজাইন নিজেই সংরক্ষণ এবং বজায় রাখা এবং পরিচালনা, ডেটা এবং ডাটাবেস অবকাঠামো নথিভুক্ত করা এবং তারপরে সেই ডেটা সম্পদ, স্কিমা ডিজাইন, স্কিমা প্রজন্ম, স্কিমার পরিচালনা ও রক্ষণাবেক্ষণ এবং সেগুলির ব্যবহার, এই স্কিমাটি কোনও নির্দিষ্ট উপায়ে কেন ডিজাইন করা হয়েছে এবং সময়ের সাথে সাথে ডেটা পরিবর্তনের কারণ, ডেটা মডেলিং এবং প্রকারভেদে যে শক্তি ও দুর্বলতা আসে তার চারপাশে জ্ঞান ভাগ করে নেওয়া আমরা তাদের মাধ্যমে প্রবাহিত সিস্টেম এবং ডেটাগুলিতে মডেলগুলির প্রয়োগ করি। ডেটাবেস কোড জেনারেশন এবং এটি তাদের চারপাশে ডেটা মডেল করা এবং তারপরে আরও দ্রুত ডেটা আশেপাশে সুরক্ষা নিয়ন্ত্রণ করতে অ্যাক্সেস, ডেটার অখণ্ডতা আমরা যখন ডেটা এর অখণ্ডতা বজায় রাখি তখন চারপাশে যথেষ্ট মেটাডেটা থাকে? এটি, বিক্রয় কি টেবিলের সমস্ত রেকর্ড দেখতে হবে বা তারা কেবল ঠিকানা, প্রথম নাম, পদবি যা আপনাকে পোস্টে স্টাফ প্রেরণ করে তা দেখতে পাওয়া উচিত? এবং তারপরে অবশ্যই সবার বড় চ্যালেঞ্জ হ'ল মডেলিং ডাটাবেস প্ল্যাটফর্ম যা পুরোপুরি নিজের মধ্যে একটি আলাদা কথোপকথন।

আমি এই দৃষ্টিভঙ্গির অনেকটাই যে এই যে কোনও একটি নির্বানকে সম্ভব করে নিলে এটি সম্পূর্ণ সমালোচিত যে ডেটা বিশেষজ্ঞ এবং বিকাশকারী উভয়েরই উপযুক্ত সরঞ্জাম রয়েছে এবং সেই সরঞ্জামগুলি টিম-কেন্দ্রিক প্রকল্প বিতরণে সক্ষম হতে পারে, ডিজাইন, উন্নয়ন এবং চলমান অপারেশনাল রক্ষণাবেক্ষণ। আপনি কি জানেন যে ডেটা বিশেষজ্ঞ এবং সফ্টওয়্যার বিকাশকারীদের মধ্যে প্রকল্পগুলি জুড়ে সহযোগিতা করা, নিজেরাই ডাটাবেসগুলির ডকুমেন্টেশনের চারপাশের সমস্ত কিছুর জন্য সত্যের একক পয়েন্ট বা সত্যের একক উত্স, ডেটা, স্কিমা, যেখানে রেকর্ড আসে, সেই রেকর্ডগুলির মালিক । আমি মনে করি এই দিন এবং যুগে এটি একেবারে সমালোচিত, আমরা তথ্য হিসাবে রাজা হওয়ার এই নির্বানটি পেতে যাচ্ছি, সঠিক সরঞ্জামগুলি অবশ্যই স্থানটিতে থাকতে হবে কারণ এখন ম্যানুয়ালি করার জন্য আমাদের পক্ষে চ্যালেঞ্জ এখন অনেক বড়, এবং মানুষ যদি একটি সংস্থার ভিতরে এবং বাইরে চলে যাওয়া, আমাদের পক্ষে একই প্রক্রিয়া বা পদ্ধতিটি অনুসরণ না করা খুব সহজ যে কোনও ব্যক্তি যেটি ভাল সেট করে এবং প্রয়োজনীয় দক্ষতা এবং সামর্থ্যগুলি এগিয়ে যাওয়ার তা স্থানান্তর না করে।

এই বিষয়টি মনে রেখে, আমি আইডিআরএতে আমাদের ভাল বন্ধুর কাছে যাব এবং সেই সরঞ্জামটি এবং কীভাবে এটি এই বিষয়গুলিকে সম্বোধন করবে সে সম্পর্কে শুনব।

রন হুইজেনগা: সত্যিই মঞ্চটি ঠিকঠাক করে দেওয়ার জন্য রবিন এবং ডেজ উভয়ের জন্য আপনাকে অনেক ধন্যবাদ এবং আপনি যে কয়েকটি বিষয় নিয়ে কথা বলেছিলেন তাতে আপনি কিছুটা ওভারল্যাপ দেখতে যাচ্ছেন। তবে তারা সত্যিই কিছু ধারণার জন্য একটি খুব শক্ত ভিত্তি স্থাপন করেছে যা আমি ডেটা মডেলিং দৃষ্টিকোণ থেকে কথা বলব। দলগুলির পাশাপাশি আমি যখন তথ্য মডেলিং এবং ডেটা আর্কিটেকচারে কাজ করার পরামর্শদাতা ছিলাম তখন তারা যা বলেছিল তার অনেক কিছুই আমার নিজের অভিজ্ঞতার প্রতিধ্বনিত করে - প্রথম দিকে জলপ্রপাত এবং প্রকল্পগুলি যেখানে আমরা চটপটে ব্যবহার করছিলাম সেখানে আরও আধুনিক পণ্যগুলিতে বিকশিত হয়েছিল সমাধান সরবরাহ করার পদ্ধতি।

তাই আমি আজ যে বিষয়ে কথা বলতে যাচ্ছি সেগুলি সেই অভিজ্ঞতার পাশাপাশি সরঞ্জামগুলির একটি দৃষ্টিভঙ্গি এবং সেই যাত্রায় আমাদের সহায়তা করার জন্য আমরা যে সরঞ্জামগুলি ব্যবহার করি সেগুলির উপর ভিত্তি করে। আমি খুব সংক্ষেপে যা কভার করতে চলেছি তা হ'ল, আমি প্রচুর বিবরণে স্ক্রমে যাব না; আমরা এটি আসলে কি একটি সত্যিই ভাল ওভারভিউ ছিল। আমি এটি সম্পর্কে শর্তে কথা বলতে যাচ্ছি, একটি ডেটা মডেল কি এবং এটি আমাদের কাছে আসলে কী বোঝায়? এবং আমরা কীভাবে আমাদের সংস্থাগুলিতে চতুর ডেটা মডেলারের ধারণাটি সক্ষম করি, এর পরিপ্রেক্ষিতে, আমরা কীভাবে ডেটা মডেলারদের জড়িত করব, স্প্রিন্ট চলাকালীন মডেলার এবং স্থপতিদের কী অংশগ্রহন করব, কী ধরনের ক্রিয়াকলাপে তাদের নিযুক্ত থাকতে হবে?, এবং, এর পটভূমি হিসাবে, সেই কাজটি আরও সহজ করার জন্য আমরা কীভাবে ব্যবহার করি গুরুত্বপূর্ণ মডেলিং সরঞ্জামের ক্ষমতাগুলি? তারপরে আমি কিছুটা মোড়ানো সম্পর্কে যাচ্ছি এবং কিছু ব্যবসায়ের মূল্যবোধ এবং ডেটা মডেলারের সাথে জড়িত থাকার সুবিধাগুলি সম্পর্কে বা আমি যেভাবে গল্পটি বলতে চলেছি সে সম্পর্কে কিছুটা আলোচনা করব, ডেটা মডেলার প্রকল্পগুলিতে সম্পূর্ণভাবে জড়িত না থাকার সমস্যা এবং আমি আপনাকে অভিজ্ঞতার ভিত্তিতে এবং বহু বছর আগে জড়িত এমন একটি বাস্তব প্রকল্পের চিত্রের আগে এবং পরে একটি ত্রুটিযুক্ত চার্ট দেখিয়ে দেব। এবং তারপরে আমরা আরও কয়েকটি পয়েন্ট সংক্ষিপ্ত করব এবং তারপরে এগুলি ছাড়াও প্রশ্ন ও উত্তর থাকবে।

খুব সংক্ষেপে, ইআর স্টুডিও একটি খুব শক্তিশালী স্যুট যা এর সাথে বিভিন্ন উপাদান রয়েছে। ডেটা আর্কিটেক্ট, যেখানে ডেটা মডেলার এবং স্থপতিরা তাদের বেশিরভাগ সময় তাদের ডেটা মডেলিং করতে ব্যয় করে। এছাড়াও অন্যান্য উপাদান রয়েছে যে আমরা আজকের দিনে কিছু বলতে যাচ্ছি না যেমন ব্যবসায় আর্কিটেক্ট, যেখানে আমরা ইউএমএল মডেলিংয়ের জন্য প্রসেস মডেলিং এবং সফটওয়্যার আর্কিটেক্ট করি। তারপরে রিপোজিটরিটি রয়েছে, যেখানে আমরা চেক ইন করি এবং আমরা মডেলগুলি ভাগ করি এবং আমরা দলগুলিকে সেগুলির সাথে সহযোগিতা করতে এবং এটি টিম সার্ভারে প্রকাশ করার অনুমতি দেয় যাতে প্রকল্পে নিযুক্ত একাধিক স্টেকহোল্ডার শ্রোতারা আসলে নিদর্শনগুলি দেখতে পারে ডেটা দৃষ্টিকোণ থেকে তৈরি করা এবং সেই সাথে অন্যান্য প্রকল্পগুলি যা আমরা নিজেই প্রকল্পের বিতরণে করছি।

আজ আমি যে বিষয়টিতে ফোকাস করতে যাচ্ছি তা হ'ল কয়েকটি জিনিস যা আমরা ডেটা আর্কিটেক্টের বাইরে দেখতে যাচ্ছি এবং কারণ এটির জন্য আমাদের অবশ্যই সংগ্রহস্থল-ভিত্তিক দিকগুলির সহযোগিতা থাকা জরুরি। বিশেষত যখন আমরা পরিবর্তন ব্যবস্থাপনার মত ধারণাগুলি সম্পর্কে কথা বলতে শুরু করি যা কেবল চৌকস উন্নয়ন প্রকল্প নয়, যে কোনও ধরণের উন্নয়ন এগিয়ে চলেছে।

সুতরাং আসুন এক মুহুর্তের জন্য Agile ডেটা মডেলারের কথা বলি। যেমনটি আমরা উপস্থাপনার পূর্বের দিকে ইঙ্গিত করেছি, তা হ'ল আমাদের কাছে ডেটা মডেলার এবং / অথবা স্থপতি পুরোপুরি চতুর বিকাশ প্রক্রিয়াতে নিযুক্ত থাকা জরুরী। এখন, historতিহাসিকভাবে যা ঘটেছে তা হ্যাঁ, আমরা বিকাশের দৃষ্টিভঙ্গি থেকে চূড়ান্ত সম্পর্কে সত্যই চিন্তাভাবনা করেছি এবং এর মধ্যে বেশ কয়েকটি জিনিস ঘটেছে যা সত্যই ঘটেছে। এর অংশটি কেবলমাত্র প্রকৃতির প্রকৃতির কারণে ঘটেছিল যেভাবে বিকাশ ঘটেছিল। চতুর বিকাশ শুরু হওয়ার সাথে সাথে আমরা স্ব-সংগঠিত দলগুলির এই ধারণাটি দিয়ে শুরু করি, আপনি যদি কুল-এইড খানিকটা খাঁটি পান করেন এবং আপনি যদি চূড়ান্ত প্রোগ্রামিংয়ের দিকে থাকেন, তবে এখানে জিনিসগুলির খুব আক্ষরিক ব্যাখ্যা ছিল স্ব-সংগঠিত দলসমূহ, যার অর্থ প্রচুর লোক ব্যাখ্যা করেছিল, আমাদের কেবলমাত্র বিকাশকারীদের একটি গোষ্ঠী যা একটি সম্পূর্ণ সমাধান তৈরি করতে পারে। এর অর্থ কোড, ডেটাবেসগুলি বা এর পিছনে ডেটাস্টোরগুলি বিকাশকারী এবং সবকিছু বিকাশকারীদের কাছে ছেড়ে দেওয়া হয়েছিল। তবে এর সাথে যা ঘটে তা হ'ল আপনি যে বিশেষ ক্ষমতা অর্জন করেন তা হারাবেন। আমি খুঁজে পেয়েছি যে সব থেকে শক্তিশালী দলগুলি হ'ল বিভিন্ন ব্যাকগ্রাউন্ডের লোকেরা। যেমন একটি শক্তিশালী সফ্টওয়্যার বিকাশকারী, ডেটা আর্কিটেক্টস, ডেটা মডেলার, ব্যবসায় বিশ্লেষক এবং ব্যবসায়িক স্টেকহোল্ডারদের সমন্বয়, সমস্তগুলি সমাপ্তির সমাধানের জন্য একত্রে সহযোগিতা করে।

আমি আজকের বিষয়ে যা বলছি তা হ'ল, আমি এটি একটি উন্নয়ন প্রকল্পের প্রসঙ্গে করতে যাচ্ছি যেখানে আমরা একটি অ্যাপ্লিকেশন বিকাশ করছি যা স্পষ্টতই এর সাথে যুক্ত থাকে ডেটা উপাদানও। যদিও আমরা এটি করার আগে আমাদের পিছনে একটি পদক্ষেপ গ্রহণ করা দরকার, কারণ আমাদের বুঝতে হবে যে সেখানে খুব কম গ্রিনফিল্ড উন্নয়ন প্রকল্প রয়েছে যেখানে আমাদের কেবলমাত্র সেই উন্নয়ন প্রকল্পের মধ্যেই সীমাবদ্ধ যে ডেটা তৈরি এবং ডেটা ব্যবহারের উপর সম্পূর্ণ ফোকাস রয়েছে where । আমাদের একটি পদক্ষেপ পিছন দিকে নেওয়া এবং সামগ্রিক সাংগঠনিক দৃষ্টিভঙ্গি ডেটা দৃষ্টিকোণ এবং প্রক্রিয়া দৃষ্টিকোণ থেকে দেখতে হবে need কারণ আমরা যা সন্ধান করি তা হ'ল আমরা যে তথ্যটি ব্যবহার করছি তা সংস্থাগুলিতে ইতিমধ্যে কোথাও উপস্থিত থাকতে পারে। মডেলার এবং আর্কিটেক্ট হিসাবে আমরা এটি আলোকিত করে আনি তাই আমরা জানি যে প্রকল্পগুলি থেকে সেই তথ্যটি কোথায় উত্সিত করা যায়। আমরা জড়িত এমন ডেটা স্ট্রাকচারগুলিও জানি কারণ আমাদের বিকাশকারীদের কোডের জন্য নকশার নকশার মতো নকশাগুলি রয়েছে। এবং আমাদের সেই সামগ্রিক সাংগঠনিক দৃষ্টিকোণও নেওয়া উচিত। আমরা যে অ্যাপ্লিকেশনটি তৈরি করছি তার প্রসঙ্গে আমরা কেবলমাত্র ডেটা দেখতে পারি না। আমাদের ডেটা মডেল করতে হবে এবং তা নিশ্চিত করা দরকার যে আমরা এটি নথিভুক্ত করেছি কারণ এটি নিজেরাই অ্যাপ্লিকেশনগুলির বাইরে দীর্ঘস্থায়ী। এই অ্যাপ্লিকেশনগুলি আসে এবং যায়, তবে আমাদের কেবলমাত্র প্রয়োগের জন্যই নয়, এমন সিদ্ধান্তের জন্যও যে তথ্যগুলি শক্তিশালী এবং সু-কাঠামোগত রয়েছে তা নিশ্চিত করার জন্য আমাদের প্রয়োজনীয় সক্ষম হওয়া প্রয়োজন, বিআই রিপোর্টিং এবং অন্যান্য অ্যাপ্লিকেশনগুলিতে সংহতকরণ, অভ্যন্তরীণ এবং আমাদের সংস্থাগুলিতেও বাহ্যিক। সুতরাং আমাদের তথ্যের পুরো বড় চিত্রটি এবং সেই ডেটাটির জীবনচক্রটি কী তা দেখতে হবে এবং সংগঠন জুড়ে ক্র্যাডল থেকে কবর পর্যন্ত পুরো টুকরো টুকরো যাত্রা বুঝতে হবে।

এখন আসল দলগুলিতে ফিরে আসুন এবং আমাদের কীভাবে বাস্তবে কাজ করা দরকার তা জলপ্রপাতের পদ্ধতিটি ফলাফল সরবরাহ করতে খুব ধীর বলে মনে হয়েছিল। কারণ, ট্যাঙ্কের উদাহরণ হিসাবে উল্লেখ করা হয়েছে, এটি একের পর এক ধাপ ছিল এবং এটি প্রায়শই একটি কার্যক্ষম ফলাফল শেষ করতে খুব বেশি সময় নেয়। আমরা এখন যা করি তা হ'ল আমাদের একটি পুনরাবৃত্ত কাজের শৈলী থাকা দরকার যেখানে আমরা ক্রমবর্ধমানভাবে এর উপাদানগুলি বিকাশ করি এবং এটি সময়কালের মধ্য দিয়ে ব্যাখ্যা করি যেখানে আমরা ব্যবহারযোগ্য কোড বা ব্যবহারযোগ্য শিল্পকর্ম তৈরি করছি, আমি প্রতিটি স্প্রিন্টের জন্য বলতে যাচ্ছি। গুরুত্বপূর্ণ বিষয় হ'ল টিমের প্রযুক্তিগত স্টেকহোল্ডার এবং ব্যবসায়িক অংশীদারদের মধ্যে সহযোগিতা কারণ আমরা সেই ব্যবহারকারী গল্পগুলিকে কোডের একটি বাস্তবায়িত দৃষ্টি এবং সেই কোডটিকে সমর্থন করে এমন ডেটা কার্যকর করার জন্য সহযোগিতা করছি ting এবং এগ্রিল ডেটা মডেলার নিজেই প্রায়শই দেখতে পাবেন যে আমাদের সংস্থায় পর্যাপ্ত মডেলার নেই তাই একটি ডেটা মডেলার বা আর্কিটেক্ট একই সাথে একাধিক দলকে সমর্থন করতে পারে।

এবং এর অন্য দিকটি হ'ল, যদিও আমাদের কাছে একাধিক মডেলার রয়েছে, আমাদের তা নিশ্চিত করতে হবে যে আমাদের একটি সরঞ্জাম সেট রয়েছে যা আমরা ব্যবহার করছি যা একই সাথে বিমানের একাধিক প্রকল্পের সহযোগিতা এবং সেগুলির ভাগ করে নেওয়ার সুযোগ দেয় ডেটা আর্টিক্টস এবং চেক-ইন এবং চেক-আউট ক্ষমতা। আমি এটি খুব দ্রুত অতিক্রম করতে যাচ্ছি কারণ আমরা ইতিমধ্যে এটি পূর্ববর্তী বিভাগে coveredেকে রেখেছি। চতুর আসল ভিত্তিটি হ'ল আপনি ব্যাকলগ, গল্প বা প্রয়োজনীয়তার বাইরে বিষয়গুলি ভিত্তি স্থাপন করছেন। পুনরাবৃত্তির মধ্যে আমরা একটি গোষ্ঠী হিসাবে সহযোগিতা করছি। সাধারণত সংগঠনের উপর নির্ভর করে দুই সপ্তাহ বা এক মাসের স্প্রিন্ট খুব সাধারণ। এবং প্রতিদিনের পর্যালোচনা এবং স্ট্যান্ডআপ মিটিং যাতে আমরা ব্লকারদের নির্মূল করি এবং নিশ্চিত হয়ে থাকি যে আমরা যেভাবে এগিয়ে যাচ্ছি বিভিন্ন ক্ষেত্রে থেমে না গিয়ে আমরা সমস্ত দিক এগিয়ে নিয়ে যাচ্ছি। এবং এই স্প্রিন্টগুলিতে আমরা নিশ্চিত করতে চাই যে আমরা প্রতিটি স্প্রিন্টের অংশ হিসাবে ব্যবহারযোগ্য ডেলিভারিবলস উত্পাদন করছি।

কিছুটা আলাদা, এটি আরও প্রসারিত করা, স্ক্র্যাম হল এমন পদ্ধতি যা আমি এখানে আরও বিশেষভাবে সম্পর্কে কথা বলতে যাচ্ছি এবং আমরা কেবল পূর্বের ছবিটিকে কয়েকটি অন্যান্য দিক দিয়ে বাড়িয়েছি। সাধারণত একটি পণ্য ব্যাকলগ থাকে এবং তারপরে একটি স্প্রিন্ট ব্যাকলগ থাকে। সুতরাং আমাদের সামগ্রিক ব্যাকলগ রয়েছে যে, প্রতিটি স্প্রিন্ট পুনর্বিবেচনার শুরুতে, আমরা কথায় কথায় এই কথা বলতে পারি যে, "আমরা এই স্প্রিন্টটি কীভাবে তৈরি করব?" এবং এটি একটি স্প্রিন্ট পরিকল্পনার মিটিংয়ে সম্পন্ন হয়েছিল। তারপরে আমরা এর সাথে সম্পর্কিত কাজগুলি ভাঙ্গি এবং আমরা সেই দৈনিক পর্যালোচনাগুলির সাথে সেই এক থেকে চার সপ্তাহের স্প্রিন্টে কার্যকর করি। আমরা যেমন করছি যে আমরা বার্ন-আপ চার্টগুলির মাধ্যমে আমাদের অগ্রগতি ট্র্যাক করছি এবং বার্ন-ডাউন চার্টগুলি মূলত যা আমাদের বিকাশের গতিবেগের মতো জিনিসগুলি প্রতিষ্ঠা করতে যা বিল্ডিং তৈরি করা হচ্ছে তা নির্ধারণ করতে আমরা কী তৈরি করতে যাচ্ছি, তা আমরা আমাদের তৈরি করতে যাচ্ছি সময়সূচী, সমস্ত ধরণের জিনিস। এগুলি সমস্ত কয়েক মাস রাস্তায় নেমে যাওয়ার পরিবর্তে স্প্রিন্টের সময় অবিচ্ছিন্নভাবে বিশদভাবে ব্যাখ্যা করা হয় যে আপনি সংক্ষেপে আসতে চলেছেন এবং আপনাকে প্রকল্পের সময়সূচি প্রসারিত করতে হবে। এবং খুব গুরুত্বপূর্ণ, এর অংশ হিসাবে, পুরো দলগুলি, শেষে একটি স্প্রিন্ট পর্যালোচনা এবং একটি স্প্রিন্ট রিট্রোস্পেক্টিভ রয়েছে, যাতে আপনি পরবর্তী পুনরাবৃত্তিটি শুরু করার আগে আপনি যা করেছিলেন তা পর্যালোচনা করছেন এবং আপনি যে উপায়গুলি করতে পারেন তার সন্ধান করছেন মাধ্যমে পরবর্তী সময় উন্নতি।

ডেলিভারেবলের ক্ষেত্রে, এটি মূলত একটি স্লাইড যা স্প্রিন্টে চলতে থাকা সাধারণ ধরণের জিনিসগুলির সংক্ষিপ্তসার করে। এবং এটি খুব উন্নয়নকেন্দ্রিক, তাই এখানে আমরা প্রচুর পরিমাণে দেখতে পাই যেমন কার্যকরী নকশাগুলি এবং ব্যবহারের মামলাগুলি, ডিজাইন কোড পরীক্ষা করা, যখন আমরা এখানে এই বাক্সগুলি দেখি, এবং আমি সেগুলি দিয়ে যাব না যে কোনও স্তরের বিশদে তারা এগুলি অত্যন্ত উন্নয়নমুখী। এবং এখানে নীচে সমাহিত করা হল আমাদের এই প্রচেষ্টাটি সমর্থন করার জন্য এটির সাথে একসাথে চলে যাওয়া সেই ডেটা বিতরণও হওয়া দরকার। সুতরাং প্রতিবার আমরা যখন ব্যাকলগগুলি, প্রয়োজনীয়তাগুলি এবং ব্যবহারকারীর গল্পগুলির মতো জিনিসগুলি দেখি তখন আমাদের কী কী বিকাশের টুকরোগুলি করতে হবে তা বিশ্লেষণের টুকরোগুলি কী কী তা আমাদের কীভাবে করা উচিত তা খতিয়ে দেখা উচিত ডেটা ডিজাইন বা ডেটা মডেল, ব্যবসায়ের গ্লোসারিগুলির মতো জিনিসের কী তাই আমরা যে শিল্পকর্মগুলি তৈরি করছি তার সাথে ব্যবসায়ের অর্থ যুক্ত করতে পারি? কারণ আমাদের প্রতিটি স্প্রিন্টে সেইগুলি ব্যবহারযোগ্য ডেলিভারেবল উত্পাদন করা দরকার।

কিছু লোক বলবেন যে প্রতিটি স্প্রিন্টের শেষে আমাদের ব্যবহারযোগ্য কোড তৈরি করতে হবে। এটি অগত্যা ক্ষেত্রে নয়, এটি খাঁটি বিকাশের দৃষ্টিকোণে, তবে বেশিরভাগ ক্ষেত্রে - বিশেষত শুরুতে - আমাদের স্প্রিন্ট শূন্যের মতো কিছু থাকতে পারে যেখানে আমরা খাঁটি হয়ে দাঁড়ানোর দিকে মনোনিবেশ করি, আমাদের পরীক্ষার কৌশলগুলি অর্জনের মতো জিনিসগুলি করি জায়গা। আমাদের বিশদটি পূরণ করা শুরু করার আগে এবং অন্য শ্রোতাদের জড়িত করার আগে আমাদের শুরু করার গল্প বা প্রয়োজনীয়তাগুলির একটি পরিষ্কার সেট রয়েছে তা নিশ্চিত করার আগে এটি শুরু করার জন্য একটি উচ্চ-স্তরের নকশা এবং তারপরে আমরা এগিয়ে যাওয়ার সাথে সাথে একটি দল হিসাবে এগিয়ে চলেছি। সবসময় প্রস্তুতি সময় সামান্য থাকে, তাই প্রায়শই প্রায়শই আমাদের একটি স্প্রিন্ট শূন্য বা এমনকি স্প্রিন্ট শূন্য এবং একটি থাকবে। সমাধান দেওয়ার ক্ষেত্রে আমরা পুরো ফ্লাইটটি আঘাতের আগে কিছুটা স্টার্টআপ পর্ব হতে পারে।

এর প্রসঙ্গে ডেটা মডেলগুলি সম্পর্কে খুব সংক্ষেপে কথা বলা যাক। লোকেরা যখন ডেটা মডেলগুলির কথা চিন্তা করে, তারা প্রায়শই কোনও তথ্য মডেলকে বিভিন্ন ধরণের তথ্যের টুকরো কীভাবে একত্রে বাঁধে তার চিত্র বলে মনে করে - এটি হ'ল আইসবার্গের মূল অংশ। আপনি কীভাবে ডেটা মডেলিংয়ের কাছে যেতে চান - এই চতুর বিকাশ এবং অন্যান্য বিষয়গুলি - কীভাবে আপনি সত্যই বুঝতে চান তা পুরোপুরি মূর্ত করে তোলার জন্য আপনার কি বুঝতে হবে যে ডেটা মডেলটি সঠিকভাবে করা গেলে, সেই সংস্থায় ডেটা কী বোঝায় এবং তার জন্য আপনার সম্পূর্ণ স্পেসিফিকেশন হয়ে যায় এটি কীভাবে ব্যাক-এন্ড ডাটাবেসে স্থাপন করা হয়। আমি যখন ডেটাবেস বলি, আমি বোঝাতে চাইছি যে কেবলমাত্র আমরা ব্যবহার করতে পারি সেই সম্পর্কিত ডেটাবেসই নয়, আজকের স্থাপত্যগুলিতে যেখানে আমাদের কাছে বড় ডেটা বা নোএসকিউএল প্ল্যাটফর্ম রয়েছে, আমি তাদের কল করতে পছন্দ করি। এছাড়াও এই বড় ডেটা স্টোরগুলি কারণ আমরা তথ্য গ্রহণের ক্ষেত্রে এবং এটি আমাদের সমাধানগুলিতে আনার পাশাপাশি আমরা কীভাবে আমাদের তথ্য থেকে বেরিয়ে আসছি বা সেই তথ্যটি সংরক্ষণ করি সে সম্পর্কে আমাদের তথ্য প্রচুর পরিমাণে বিভিন্ন ডেটা স্টোর সংমিশ্রণ করা হতে পারে।

আমরা প্রদত্ত অ্যাপ্লিকেশনটির প্রসঙ্গে একসাথে একাধিক ডাটাবেস বা ডেটা উত্সের সাথে কাজ করতে পারি। যা খুব গুরুত্বপূর্ণ তা হল আমরা একটি সম্পূর্ণ স্পেসিফিকেশন রাখতে সক্ষম হতে চাই, সুতরাং এটি একটি স্প্রিন্ট সাংগঠনিক দৃষ্টিভঙ্গির কী বোঝায় তার যৌক্তিক স্পেসিফিকেশন, শারীরিক গঠনগুলি কীভাবে আমরা তথ্যকে প্রকৃতপক্ষে সংজ্ঞায়িত করি, এর মধ্যে সম্পর্কগুলি কী আপনার ডাটাবেসগুলি, আপনার রেফারেন্সিয়াল অখণ্ডতার সীমাবদ্ধতাগুলি, চেক সীমাবদ্ধতাগুলি, আপনি যে সমস্ত বৈধতা টুকরা সম্পর্কে সাধারণত ভাবেন of বর্ণনামূলক মেটাডেটা অত্যন্ত গুরুত্বপূর্ণ। আপনার অ্যাপ্লিকেশনগুলিতে ডেটা কীভাবে ব্যবহার করতে হয় তা আপনি কীভাবে জানেন? আপনি যদি এটি সংজ্ঞায়িত না করতে পারেন এবং এটির অর্থ কী তা আপনি জানেন না বা এই অ্যাপ্লিকেশনগুলিতে আপনি সঠিক ডেটা ব্যবহার করছেন তা নিশ্চিত করার জন্য এটি কোথা থেকে এসেছিল - নিশ্চিত হয়ে নিন যে আমাদের সঠিক নামকরণের কনভেনশন রয়েছে, সম্পূর্ণ সংজ্ঞা রয়েছে, যার অর্থ কেবলমাত্র একটি সম্পূর্ণ ডেটা অভিধান নয় এই টেবিলগুলির সাথে টেবিলগুলি রয়েছে এমন কলামগুলি এবং কলামগুলি - আমরা কীভাবে এটি ব্যবহার করব তা সম্পর্কে বিশদ বিবরণী নোট কারণ আমাদের এই জ্ঞান ভিত্তিটি তৈরি করতে হবে কারণ এই অ্যাপ্লিকেশনটি সম্পন্ন হওয়ার পরেও এই তথ্যটি অন্যান্য উদ্যোগের জন্য ব্যবহৃত হবে তাই আমাদের নিশ্চিত হওয়া দরকার ভবিষ্যতের বাস্তবায়নের জন্য আমাদের যে সমস্ত নথি রয়েছে।

আবার, আমরা ডেটা প্রকার, কী, সূচকগুলির মতো জিনিসগুলিতে নেমে যাই, ডেটা মডেল নিজেই প্রচুর পরিমাণে ব্যবসায়ের নিয়ম খেলায় আসে। সম্পর্কগুলি কেবল বিভিন্ন টেবিলের মধ্যে সীমাবদ্ধতা নয়; তারা প্রায়শই সেই ডেটা কীভাবে আচরণ করে এবং কীভাবে এটি একত্রিত ইউনিট হিসাবে একসাথে কাজ করে তার আশেপাশে সত্যিকারের ব্যবসায়ের বিধিগুলি কী তা বর্ণনা করতে আমাদের সহায়তা করে। এবং অবশ্যই, মান সীমাবদ্ধতা খুব গুরুত্বপূর্ণ। এখন অবশ্যই, আমরা নিয়মিত যে জিনিসগুলির সাথে লেনদেন করছি তার মধ্যে একটি এবং এটি ক্রমশ প্রচলিত হয়ে উঠছে তা হ'ল ডেটা প্রশাসনের মতো জিনিস। সুতরাং একটি ডেটা গভর্নেন্স দৃষ্টিকোণ থেকে, আমাদেরও তাকান হওয়া প্রয়োজন, আমরা এখানে কী সংজ্ঞা দিচ্ছি? আমরা সুরক্ষা শ্রেণিবদ্ধকরণের মতো জিনিসগুলি সংজ্ঞায়িত করতে চাই। আমরা কোন ধরণের ডেটা নিয়ে কাজ করছি? মাস্টার ডেটা ম্যানেজমেন্ট হিসাবে বিবেচনা করা যাচ্ছে কি? আমরা যে লেনদেনের স্টোরগুলি তৈরি করছি সেগুলি কী কী? এই অ্যাপ্লিকেশনগুলিতে আমরা কোন রেফারেন্স ডেটা ব্যবহার করছি? আমাদের মডেলগুলিতে এটি সঠিকভাবে ক্যাপচার হয়েছে তা আমাদের নিশ্চিত করা দরকার। এবং এছাড়াও ডেটা মানের বিবেচনা, তথ্যের কিছু অংশ আছে যা অন্যের তুলনায় একটি সংস্থার পক্ষে বেশি গুরুত্বপূর্ণ।

আমি এমন প্রকল্পগুলিতে জড়িত হয়েছি যেখানে আমরা এক ডজনেরও বেশি উত্তরাধিকার ব্যবস্থাটি নতুন ব্যবসায়িক প্রক্রিয়াগুলির সাথে প্রতিস্থাপন করছিলাম এবং সেগুলি প্রতিস্থাপনের জন্য নতুন অ্যাপ্লিকেশন এবং ডেটা স্টোর ডিজাইন করেছি। আমাদের কোথা থেকে তথ্যটি আসছিল তা আমাদের জানতে হবে। ব্যবসায়ের দৃষ্টিকোণ থেকে, যা তথ্যের সর্বাধিক গুরুত্বপূর্ণ অংশগুলির জন্য, যদি আপনি এখানে পেয়েছি এমন নির্দিষ্ট ডেটা মডেল স্লাইডটি দেখুন, আপনি দেখতে পাবেন যে এই নির্দিষ্ট সত্তার নীচের বাক্সগুলি, যা কেবল একটি ছোট উপসেট, আমি 'প্রকৃতপক্ষে ব্যবসায়িক মূল্য ক্যাপচার করতে সক্ষম হয়েছে। প্রতিষ্ঠানের মধ্যে এই বিভিন্ন নির্মাণের জন্য এই ধরণের জিনিসগুলির জন্য উচ্চ, মাঝারি বা কম হোক low এবং আমি মাস্টার ডেটা ক্লাসের মতো জিনিসগুলিও ক্যাপচার করেছি, তারা মাস্টার সারণী কিনা, সেগুলি রেফারেন্স কিনা, যদি তারা লেনদেন হয়। সুতরাং আমরা আমাদের মডেলগুলিতে আমাদের মেটাডেটা প্রসারিত করতে পারি যা আমাদের নিজেরাই তথ্যের বাইরে অন্যান্য অনেক বৈশিষ্ট্য দেয় যা সত্যিকার অর্থে মূল প্রকল্পগুলির বাইরের অন্যান্য উদ্যোগে আমাদের সহায়তা করেছিল এবং এটি এগিয়ে নিয়ে যেতে। এখন এটি একটি স্লাইডে অনেক ছিল, আমি মোটামুটি দ্রুত এই বাকিগুলি দিয়ে যাচ্ছি।

আমি এখন খুব দ্রুত কথা বলতে যাচ্ছি যে আমরা এই বিভিন্ন স্প্রিন্টগুলির মধ্য দিয়ে যাচ্ছি বলে কোনও ডেটা মডেলার কী করে। প্রথমত, স্প্রিন্ট পরিকল্পনা সেশনে একটি সম্পূর্ণ অংশগ্রহণকারী, যেখানে আমরা ব্যবহারকারীর গল্প গ্রহণ করছি, সেই স্প্রিন্টে আমরা কী বিতরণ করতে যাচ্ছি তার প্রতিশ্রুতিবদ্ধ করছি এবং কীভাবে আমরা এটির কাঠামো তৈরি করতে এবং এটি সরবরাহ করতে চলেছি তা নির্ধারণ করে। ডেটা মডেলার হিসাবে আমি যা করছি তা হ'ল আমি জানি আমি বিভিন্ন বিকাশকারী বা বিভিন্ন ব্যক্তির সাথে পৃথক এলাকায় কাজ করতে যাচ্ছি। সুতরাং আমাদের কাছে থাকা গুরুত্বপূর্ণ বৈশিষ্ট্যগুলির মধ্যে একটি হ'ল আমরা যখন কোনও ডেটা মডেল করি, আমরা সেই ডেটা মডেলটিকে বিভিন্ন দৃষ্টিভঙ্গিতে ভাগ করতে পারি, আপনি তাদের বিষয়ভিত্তিক অঞ্চল বা উপ-মডেল বলুন না কেন তা আমাদের পরিভাষা। আমরা যেমন মডেলটি তৈরি করছি আমরা এগুলিকে এই বিভিন্ন উপ-মডেল দৃষ্টিকোণগুলিতেও প্রদর্শন করছি যাতে বিভিন্ন শ্রোতারা কেবল তাদের প্রাসঙ্গিক কী তা দেখতে পান যাতে তারা কী বিকাশ করছে এবং এগিয়ে রাখছে তাতে মনোনিবেশ করতে পারে। সুতরাং আমি হয়ত কারও কারও কাছে একটি অ্যাপ্লিকেশনের সময় নির্ধারণের অংশে কাজ করতে পারি, আমার অন্য কেউ অর্ডার এন্ট্রি নিয়ে কাজ করতে পারে যেখানে আমরা এই সমস্ত জিনিস একক স্প্রিন্টে করছি তবে আমি সেগুলি উপ-মডেলের মাধ্যমে তাদের দৃষ্টিভঙ্গি দিতে পারি যা কেবলমাত্র তারা যে অঞ্চলে কাজ করছে সে ক্ষেত্রে প্রয়োগ করুন। এবং তারপরে যারা সামগ্রিক মডেল এবং উপ-মডেলগুলির পুরো কাঠামো পর্যন্ত রোল আপ করেন তাদের বিভিন্ন দর্শকদের কী দেখার প্রয়োজন তার মতামত দেয়।

আমরা যে ডেটা মডেলিং দৃষ্টিকোণ থেকে পেতে চাই তা হ'ল, সর্বদা একটি বেসলাইন থাকে যা আমরা ফিরে যেতে পারি কারণ আমাদের যা করতে সক্ষম হতে হবে তার মধ্যে একটি হ'ল তা কোনও স্প্রিন্টের শেষে বা শেষে থাকুক না কেন বেশ কয়েকটি স্প্রিন্টের মধ্যে আমরা জানতে চাই যে আমরা কোথায় শুরু করেছি এবং সর্বদা একটি বেললাইন রয়েছে তা জানার জন্য ব-দ্বীপটি কী ছিল বা আমরা একটি প্রদত্ত স্প্রিন্টে কী উত্পাদিত হয়েছিল তার পার্থক্য। আমাদের তাও নিশ্চিত করতে হবে যে আমাদের দ্রুত পাল্টে যেতে পারে। আপনি যদি এটিতে ডেটা মডেলার হিসাবে উপস্থিত হন তবে "না, না, আপনি এটি করতে পারবেন না, আমাদের প্রথমে এই সমস্ত জিনিসটি করতে হবে, " বলার প্রচলিত দারোয়ানের ভূমিকায় আপনি যখন প্রয়োজন তখনই আপনাকে দল থেকে বাদ দেওয়া হবে এই সমস্ত চৌকস উন্নয়ন দলে সক্রিয় অংশগ্রহণকারী হতে। তার মানে কিছু জিনিস একটি প্রদত্ত স্প্রিন্ট করে ওয়াগন থেকে পড়ে এবং আপনি সেগুলি পরবর্তী স্প্রিন্টে তুলবেন।

উদাহরণস্বরূপ, আপনি ডেটা স্ট্রাকচারগুলিতে মনোনিবেশ করতে পারেন কেবলমাত্র এই বিকাশটি বলার জন্য, সেই অর্ডার এন্ট্রি টুকরা যা আমি বলছিলাম। পরবর্তী স্প্রিন্টে, আপনি ফিরে এসে আপনার তৈরি করা শৈল্পিকাগুলির কয়েকটি ডেটা অভিধানের জন্য কিছু ডকুমেন্টেশনের মতো ডেটা পূরণ করতে পারেন। আপনি সমস্ত সংজ্ঞা একটি স্প্রিন্টে সম্পূর্ণ করতে যাচ্ছেন না; আপনি আপনার ডেলিভারেবলগুলি ক্রমবর্ধমানভাবে চালিয়ে যাবেন কারণ বিকাশকারীরা যখন ডেটা স্টোরগুলির আশেপাশে অ্যাপ্লিকেশনগুলি এবং অধ্যবসায় তৈরি করতে ব্যস্ত থাকে তখন আপনি ব্যবসায় বিশ্লেষকদের সাথে কাজ করে সেই তথ্যটি পূরণ করতে পারবেন। আপনি সুবিধার্থ করতে চান এবং বাধা নয়। আমরা বিকাশকারীদের সাথে বিভিন্নভাবে কাজ করি। কিছু জিনিসের জন্য আমাদের নকশার নিদর্শন রয়েছে যাতে আমরা সম্পূর্ণ অংশগ্রহীতা করে এগিয়ে থাকি, সুতরাং আমাদের একটি নকশার প্যাটার্ন থাকতে পারে যেখানে আমরা বলব যে আমরা এটি মডেলটিতে রাখব, আমরা এটি বিকাশকারীদের স্যান্ডবক্স ডেটাবেসগুলিতে সরিয়ে দেব এবং তারপরে তারা পারে এটি দিয়ে কাজ শুরু করুন এবং এটিতে পরিবর্তনের জন্য অনুরোধ করুন।

অন্যান্য ক্ষেত্রগুলি থাকতে পারে যেগুলি বিকাশকারীরা কাজ করছে, তারা কিছু কাজ করেছে যা তারা পেয়েছে এবং তারা কিছু জিনিস প্রোটোটাইপ করছে যাতে তারা নিজের বিকাশের পরিবেশে কিছু জিনিস চেষ্টা করে। আমরা যে ডেটাবেসটি নিয়ে কাজ করেছিলাম তা নিয়ে যাই, এটি আমাদের মডেলিং সরঞ্জামের মধ্যে নিয়ে আসি, আমাদের যে মডেলগুলি রয়েছে তার সাথে তুলনা করি এবং তারপরে পরিবর্তনগুলি আবার সমাধান করে তা ধাক্কা দেয় যাতে তারা তাদের কোডগুলি রিফেক্টর করতে পারে যাতে তারা সঠিক ডেটা কাঠামো অনুসরণ করে যে আমাদের প্রয়োজন। কারণ তারা হয়ত এমন কিছু জিনিস তৈরি করেছে যা আমাদের কাছে অন্য কোথাও ছিল, তাই আমরা নিশ্চিত করে নিই যে তারা সঠিক ডেটা উত্স নিয়ে কাজ করছে। আমরা কেবল আমাদের স্প্রিন্টের মধ্যে দিয়ে সমস্ত পথটি পুনরাবৃত্তি করে চলি যাতে আমরা সম্পূর্ণ ডেটা ডেলিভারিবেলস, সম্পূর্ণ ডকুমেন্টেশন এবং সেই সমস্ত ডেটা স্ট্রাকচারের সংজ্ঞা পাই যা আমরা উত্পাদন করি।

আমি খুব ভাল প্রসারণের ক্ষেত্রে যে সবচেয়ে সফল চতুর প্রকল্পের সাথে জড়িত ছিল তা হ'ল, আমাদের একটি দর্শন ছিল, পুরো শারীরিক ডাটাবেসের স্পেসিফিকেশনের সমস্ত পরিবর্তনকে মডেল করে তোলেন। সংক্ষেপে, ডেটা মডেলটি এমন মোতায়েন করা ডাটাবেস হয়ে যায় যা আপনি তৈরি করছেন এমন নতুন কোনও কিছুর জন্য আপনি কাজ করছেন এবং যদি আমরা বাইরের অন্যান্য ডাটাবেসগুলি থেকে গ্রহন করি তবে অন্যান্য ডেটা স্টোরের পুরো রেফারেন্স রয়েছে। এর অংশ হিসাবে আমরা প্রতিবার একটি সম্পূর্ণ প্রজন্মের তুলনায় বর্ধিত স্ক্রিপ্টগুলি উত্পাদন করছি। এবং আমরা আমাদের ডিজাইন নিদর্শনগুলি ব্যবহার করে যাচ্ছি যার সাথে আমরা কাজ করছি বিভিন্ন বিকাশকারী দলগুলির সাথে স্প্রিন্টে জিনিসগুলি পাওয়ার জন্য সেই দ্রুত উত্তোলন।

স্প্রিন্টের ক্রিয়াকলাপগুলিতেও আবার তুলনা / সংযুক্তির জন্য এটি বেসলাইন, তাই আসুন আমরা প্রতিটি পরিবর্তনের মডেলিংয়ের ধারণাটি গ্রহণ করি। যতবার আমরা একটি পরিবর্তন করি, আমরা যা করতে চাই তা হ'ল আমরা কী পরিবর্তনটি মডেল করতে চাই এবং কী খুব গুরুত্বপূর্ণ, ডেটা মডেলিং থেকে যা পাওয়া গেছে তা অবধি, বাস্তবে, আমরা এটির পুনঃপ্রবর্তন না করা পর্যন্ত মডেলিংয়ের সাথে যুক্ত করার ক্ষমতা ব্যবহারকারীর গল্প এবং কার্যগুলির সাথে আপনার বিতরণযোগ্য জিনিসগুলি যা আসলে সেই পরিবর্তনগুলি ঘটায়। আমরা আমাদের মডেল পরিবর্তনগুলি যাচাই করতে সক্ষম হতে চাই, ঠিক একইভাবে বিকাশকারীরা তাদের কোডগুলিতে চেক করে আমাদের ব্যবহারকারীর গল্পগুলিকে উল্লেখ করে যাতে আমরা জানতে পারি যে আমরা কেন প্রথম স্থানে পরিবর্তন আনি, এটি আমরা করি। যখন আমরা এটি করি, আমরা আমাদের ইনক্রিমেন্টাল ডিডিএল স্ক্রিপ্টগুলি তৈরি করি এবং সেগুলি পোস্ট করি যাতে সেগুলি অন্যান্য বিকাশের সরবরাহযোগ্যগুলির সাথে বাছাই করতে পারে এবং আমাদের বিল্ড সলিউশনটিতে পরীক্ষা করতে পারে। আবার, আমাদের একটি মডেল থাকতে পারে বা একাধিক টিমের সাথে কাজ করতে পারে। এবং আমি যেমন কথা বলেছি, কিছু জিনিস ডেটা মডেলারের দ্বারা উদ্ভূত হয়েছে, অন্যান্য জিনিসগুলি বিকাশকারীদের দ্বারা উদ্ভূত হয় এবং আমরা সামগ্রিক সেরা নকশাটি সামনে এনে সামনে এগিয়ে যায় এবং নিশ্চিত করে তোলে যে এটি আমাদের মধ্যে সঠিকভাবে ডিজাইন করা হয়েছে make সামগ্রিক ডেটা স্ট্রাকচার। নাল এবং নাল মান নয়, রেফারেন্সিয়াল সীমাবদ্ধতা, মূলত সীমাবদ্ধতা যাচাই বাছাই করা বিষয়গুলি সহ আমরা অবশ্যই আমাদের ডেটা মডেলটিতে যথাযথ কনস্ট্রাকশন রয়েছে তা নিশ্চিত করার শৃঙ্খলা বজায় রাখতে হবে, আমরা সাধারণত যে বিষয়গুলি সম্পর্কে ভাবব ।

আসুন আমরা এখন এমন কয়েকটি সরঞ্জামের স্ক্রিনশট সম্পর্কে আলোচনা করব যা এটি করতে আমাদের সহায়তা করে। আমি যেটাকে গুরুত্বপূর্ণ বলে মনে করি তা হল সেই সহযোগী ভাণ্ডার থাকা, সুতরাং আমরা ডেটা মডেলার হিসাবে কী করতে পারি - এবং এটি ব্যাকগ্রাউন্ডের একটি ডেটা মডেলের অংশের স্নিপেট - এটি যখন আমরা এমন জিনিসগুলিতে কাজ করি যা আমরা নিশ্চিত করতে পারি যে আমরা নিশ্চিত করতে পারি আমরা যে জিনিসগুলিতে পরিবর্তন করতে পারি, পরিবর্তন করতে পারি, আমাদের ডিডিএল স্ক্রিপ্টগুলি যে পরিবর্তনগুলি আমরা ফিরে এসেছি সেগুলি পরীক্ষা করে যাবার জন্য আমাদের তৈরি করতে সক্ষম হওয়া দরকার তাই আমরা কাজ করতে পারি, ইআর স্টুডিওতে একটি উদাহরণ, আমরা কাজ করতে অবজেক্টস বা অবজেক্টের গ্রুপগুলি পরীক্ষা করতে পারি, আমাদের একটি সম্পূর্ণ মডেল বা উপ-মডেল চেক করতে হবে না, আমরা কেবল আমাদের আগ্রহের বিষয়গুলি পরীক্ষা করতে পারি। এর পরে আমরা যা চাই তা হয় হয় চেক-আউট বা চেক-ইন সময় - আমরা এটি উভয়ভাবেই করি কারণ বিভিন্ন উন্নয়ন দল বিভিন্ন উপায়ে কাজ করে। আমরা নিশ্চিত করতে চাই যে আমরা এটির সাথে প্রয়োজনীয় গল্পগুলি চালিত ব্যবহারকারীর গল্প বা টাস্কের সাথে সংযুক্ত করছি এবং এটি একই ব্যবহারকারীর গল্প বা কাজ হবে যা বিকাশকারীরা তাদের কোডটি বিকাশ করবে এবং তার কোডটি যাচাই করবে।

সুতরাং এখানে আমাদের এক পরিবর্তন ম্যানেজমেন্ট সেন্টারের কয়েকটি স্ক্রিনের খুব দ্রুত স্নিপেট। এটি কী করে, আমি এখানে খুব বিস্তারিতভাবে যাচ্ছি না, তবে আপনি যা যা দেখছেন তা হ'ল ব্যবহারকারীর কাহিনী বা কাজ এবং আপনি প্রকৃত পরিবর্তনের রেকর্ডগুলি প্রত্যেকে যা দেখছেন তাদের প্রত্যেকের নীচে ইন্টেন্টেড - আমরা যখন একটি স্বয়ংক্রিয় পরিবর্তন রেকর্ড তৈরি করেছি আমরা চেক-ইন করি এবং চেক-আউট করি এবং আমরা সেই পরিবর্তন রেকর্ডে আরও বিবরণ রাখতে পারি। এটি টাস্কের সাথে সম্পর্কিত, আমাদের প্রত্যাশা মতো আমরা প্রতি টাস্কে একাধিক পরিবর্তন করতে পারি। এবং যখন আমরা সেই পরিবর্তন রেকর্ডে যাই তখন আমরা এটির দিকে নজর দিতে পারি এবং আরও গুরুত্বপূর্ণভাবে দেখা যায় যে আমরা আসলে কী পরিবর্তন করেছি? এই বিশেষটির জন্য, সেখানে হাইলাইট করা গল্পটিতে আমার এক ধরণের পরিবর্তন হয়েছে যা আমি তৈরি হয়েছিল এবং যখন আমি প্রকৃত পরিবর্তন রেকর্ডের দিকে তাকাই তখন এটি মডেলটির পৃথক টুকরা চিহ্নিত করেছে যা পরিবর্তিত হয়েছে। আমি এখানে বেশ কয়েকটি বৈশিষ্ট্য পরিবর্তন করেছি, তাদের সাথে সাদৃশ্য রেখেছি এবং এটি এমনভাবে দেখাতে পেরেছিল যে পরিবর্তনের প্রয়োজন এমন দৃষ্টিভঙ্গি যা তাদের উপর নির্ভরশীল ছিল যাতে তারা বর্ধনশীল ডিএলএলে উত্পন্ন হয়। এটি কেবল বেস অবজেক্টগুলিতে মডেলিংই নয়, এর মতো একটি উচ্চ-শক্তিযুক্ত মডেলিংয়ের সরঞ্জামটি ডাটাবেস বা ডেটা মডেলের পাশাপাশি নির্ভরযোগ্য বস্তুর মাধ্যমেও পরিবর্তনগুলি চিহ্নিত করতে পারে।

যদি আমরা বিকাশকারীদের সাথে কাজ করি এবং আমরা এটি কয়েকটি ভিন্ন ভিন্ন কাজ করে যা তাদের স্যান্ডবক্সে কিছু করছে এবং আমরা পার্থক্য কোথায় তা তুলনা করতে এবং দেখতে চাই, আমরা ডানদিকে এবং বামদিকে যেখানে তুলনা / মার্জ ক্ষমতা ব্যবহার করি পাশ। আমরা বলতে পারি, "এখানে বাম দিকে আমাদের মডেলটি রয়েছে, এখানে ডানদিকে তাদের ডাটাবেস রয়েছে, আমাকে পার্থক্যগুলি দেখান।" তারপরে আমরা কীভাবে এই পার্থক্যগুলি সমাধান করব তা বেছে নিতে পারি, আমরা তথ্যগুলিকে ডাটাবেসে ঠেলে থাকি বা না ডাটাবেসে তাদের কিছু জিনিস রয়েছে যা আমরা মডেলটিতে ফিরিয়ে আনি। আমরা দ্বি-নির্দেশমূলক যেতে পারি তাই আমরা উভয় দিক একই সাথে উত্স এবং লক্ষ্য উভয়কে আপডেট করতে পারি এবং তারপরে ডাটাবেস পরিবেশে সেই পরিবর্তনগুলি স্থাপন করতে বর্ধিত ডিডিএল স্ক্রিপ্ট তৈরি করতে পারি, যা অত্যন্ত গুরুত্বপূর্ণ। আমরা যা করতে পারি তা হ'ল আমরা এই তুলনাটি এবং যেকোন সময় নির্ধারিত ক্ষমতাটি মার্জ করতে পারি, আমরা যদি কোনও পথে স্ন্যাপশট নিই, আমরা সবসময় একটি স্প্রিন্টের শুরুতে অন্য স্প্রিন্টের শুরু বা শেষের সাথে তুলনা করতে পারি যাতে আমরা দেখতে পারি প্রদত্ত বিকাশ স্প্রিন্টে বা একাধিক স্প্রিন্টে যা করা হয়েছিল তার পূর্ণ বর্ধিত পরিবর্তন।

এটি একটি পরিবর্তিত স্ক্রিপ্টের খুব দ্রুত উদাহরণ, আপনার মধ্যে যে কেউ ডাটাবেসের সাথে কাজ করে যাবেন তারা এই ধরণের জিনিসটি দেখতে পাবেন, এটিই আমরা কোডটিকে একটি পরিবর্তিত স্ক্রিপ্ট হিসাবে ধাক্কা দিতে পারি যাতে আমরা নিশ্চিত হয়ে থাকি যে আমরা এখানে জিনিস রাখা। আমি এখান থেকে যা টেনেছি, কেবল বিশৃঙ্খলা হ্রাস করার জন্য, আমরা এই পরিবর্তনকারী স্ক্রিপ্টগুলি দিয়ে যা করি তা হ'ল আমরা ধরে নিই যে সেই টেবিলগুলিতেও ডেটা রয়েছে, তাই আমরা ডিএমএলও তৈরি করব যা অস্থায়ী টেবিলগুলির তথ্য টানবে এবং এটিকে আবারও নতুন ডেটা স্ট্রাকচারের দিকে ঠেলাও যাতে আমরা কেবল স্ট্রাকচারগুলিকেই নয় বরং ইতিমধ্যে সেই স্ট্রাকচারগুলিতে থাকা ডেটাও দেখছি।

অটোমেটেড বিল্ড সিস্টেমগুলি সম্পর্কে খুব দ্রুত কথা বলতে যাচ্ছি কারণ আমরা যখন প্রায়শই একটি চতুর প্রকল্প করি তখন আমরা স্বয়ংক্রিয় বিল্ড সিস্টেমের সাথে কাজ করি যেখানে আমাদের বিল্ডগুলি না ভেঙে না তা নিশ্চিত করার জন্য আমাদের একসাথে বিভিন্ন বিতরণযোগ্যগুলি পরীক্ষা করা দরকার। এর অর্থ কী আমরা ডেলিভারিবেলগুলি সিঙ্ক্রোনাইজ করি, আমি পরিবর্তিত স্ক্রিপ্টগুলি যে বিষয়ে আমি ডিডিএল স্ক্রিপ্টের সাথে কথা বলেছি তা পরীক্ষা করে নেওয়া দরকার, সংশ্লিষ্ট অ্যাপ্লিকেশন কোডটি একই সাথে পরীক্ষা করা দরকার এবং এখন অনেকগুলি বিকাশকারীদের বিকাশ অবশ্যই হয় নি ডাটাবেসগুলির বিরুদ্ধে সরাসরি এসকিউএল এবং সেই ধরণের জিনিস দিয়ে কাজ করা হচ্ছে। বেশিরভাগ সময় আমরা অধ্যবসায় কাঠামো ব্যবহার করি বা ডেটা পরিষেবা বিল্ডিং করি। আমাদের নিশ্চিত করতে হবে যে সেই ফ্রেমওয়ার্ক বা পরিষেবাদিগুলির জন্য পরিবর্তনগুলি একই সময়ে চেক ইন করা হয়েছে। তারা কিছু সংস্থায় একটি অটোমেটেড বিল্ড সিস্টেমে চলে যায় এবং যদি বিল্ডটি ভেঙে যায়, একটি চৌকস পদ্ধতিতে, ডেক ফিক্সিংয়ের ক্ষেত্রে এটি সমস্ত হাত আমাদের এগিয়ে যাওয়ার আগে তৈরি হয় যাতে আমরা জানতে পারি যে আরও এগিয়ে যাওয়ার আগে আমাদের একটি কার্যনির্বাহী সমাধান রয়েছে। এবং আমি যে প্রকল্পগুলির সাথে জড়িত ছিল তার মধ্যে একটি, আমরা এটিকে চূড়ান্তভাবে নিয়েছিলাম - যদি বিল্ডটি ভেঙে যায় তবে আমরা আমাদের অঞ্চলে যেখানে আমরা ব্যবসায়ীদের সাথে একত্রিত হয়েছিল সেখানে প্রচুর কম্পিউটারের সাথে সংযুক্ত হয়েছি, আমাদের কেবল লাল ঝলকানি লাইট ছিল পুলিশ গাড়ির শীর্ষ মত। এবং যদি বিল্ডটি ভেঙে যায়, তবে সেই লাল ফ্ল্যাশিং লাইটগুলি বন্ধ হয়ে যেতে শুরু করেছিল এবং আমরা জানতাম যে এটি সমস্তই ডেকের উপরে রয়েছে: বিল্ডটি ঠিক করুন এবং তারপরে আমরা যা করছি তা নিয়ে এগিয়ে যান।

আমি অন্যান্য বিষয় সম্পর্কে কথা বলতে চাই, এবং এটি ইআর স্টুডিওর একটি অনন্য ক্ষমতা, এটি সত্যই সহায়তা করে যখন আমরা এই অধ্যবসায়ের গণ্ডির জন্য বিকাশকারী হিসাবে এই শৈল্পিকাগুলি তৈরি করার চেষ্টা করছি, আমাদের কাছে ব্যবসায়িক ডেটা অবজেক্ট নামে একটি ধারণা আছে এবং এটি আমাদের কী অনুমতি দেয় আপনি যদি উদাহরণ হিসাবে এটি খুব সরল তথ্য মডেলটি দেখেন তবে এটি আমাদের সত্তা বা সত্তার সত্তাগুলি যেখানে অধ্যবসায়ের গণ্ডি রয়েছে সেগুলি সজ্জিত করতে দেয়। যেখানে আমরা একজন ডেটা মডেলার হিসাবে ক্রয়ের অর্ডার শিরোনাম এবং অর্ডার সারিবদ্ধ এবং অন্যান্য বিশদ সারণীগুলির মতো এমন কিছু সম্পর্কে ভাবতে পারি যা এটি তৈরির উপায়ে তৈরি করে দেয় এবং আমাদের ডেটা পরিষেবাদি বিকাশকারীদের কীভাবে কীভাবে different বিভিন্ন ডেটাতে টিকে থাকে তা জানতে হবে স্ট্রাকচার। আমাদের বিকাশকারীরা সামগ্রিকভাবে একটি বস্তু হিসাবে ক্রয়ের আদেশের মতো জিনিসগুলি সম্পর্কে চিন্তাভাবনা করছে এবং কীভাবে তারা এই নির্দিষ্ট বিষয়গুলি তৈরি করে তার সাথে তাদের চুক্তি কী। আমরা সেই প্রযুক্তিগত বিশদটি উন্মোচন করতে পারি যাতে ডেটা সার্ভার তৈরির লোকেরা তার নীচে কী তা দেখতে পারে এবং অন্যান্য শৃঙ্খলাবদ্ধতাগুলি জটিলতা থেকে রক্ষা করতে পারি যাতে তারা কেবলমাত্র বিভিন্ন উচ্চ-স্তরের অবজেক্ট দেখতে পায় যা ব্যবসায়ের সাথে যোগাযোগের জন্যও খুব ভাল কাজ করে বিশ্লেষক এবং ব্যবসায়ের অংশীদারগণ যখন আমরা বিভিন্ন ব্যবসায়িক ধারণার সাথে ইন্টারঅ্যাকশন সম্পর্কেও কথা বলি।

সে সম্পর্কে খুব সুন্দর বিষয়টি হ'ল আমরা গঠনমূলকভাবে এগুলি প্রসারিত এবং সঙ্কুচিত করি যাতে উচ্চতর অর্ডার অবজেক্টগুলির মধ্যে সম্পর্কগুলি বজায় রাখতে পারি যদিও সেগুলি business ব্যবসায়িক ডেটা অবজেক্টগুলির মধ্যে থাকা কনস্ট্রাক্টগুলির উত্পন্ন হয়। একজন মডেলার হিসাবে, স্প্রিন্টের শেষে পৌঁছুন, স্প্রিন্টের মোড়কের শেষে, আমার অনেক কিছু করা দরকার যা আমি পরবর্তী স্প্রিন্টের জন্য আমার গৃহকর্মকে কল করি। প্রতিটি স্প্রিন্ট আমি তৈরি করি যা আমি নামযুক্ত রিলিজ বলি - যা রিলিজের শেষে আমার কাছে এখন আমার বেসলাইন দেয়। সুতরাং এর অর্থ এই যে আমার বেসলাইনটি এগিয়ে চলছে, এই সমস্ত বেসলাইনগুলি বা নামযুক্ত প্রকাশগুলি যা আমি আমার সংগ্রহস্থলে তৈরি করেছি এবং সংরক্ষণ করি আমি একটি তুলনা / সংহত করতে ব্যবহার করতে পারি তাই আমি অন্য যে কোনও স্প্রিন্টের স্প্রিন্টের যে কোনও প্রান্তের সাথে সর্বদা তুলনা করতে পারি which ভ্রমণের পথে আপনার ডেটা মডেলটিতে আপনার পরিবর্তনগুলি কী ছিল তা জানা খুব গুরুত্বপূর্ণ।

আমি স্প্রিন্টের শুরু থেকে শেষ পর্যন্ত আবার তুলনা / মার্জ ব্যবহার করে একটি ডেল্টা ডিডিএল স্ক্রিপ্টও তৈরি করি। আমি সম্ভবত বর্ধিত স্ক্রিপ্টের পুরো গুচ্ছটি পরীক্ষা করে দেখেছি, তবে আমার যদি এটির প্রয়োজন হয় তবে এখন আমার কাছে একটি স্ক্রিপ্ট রয়েছে যা আমি অন্যান্য স্যান্ডবক্সগুলি দাঁড় করানোর জন্য স্থাপন করতে পারি তাই আমি কেবল এটি বলতে পারি যে এটি আমাদের স্প্রিন্টের শুরুতে ছিল, ধাক্কা এটির মাধ্যমে, পরবর্তী স্প্রিন্টের সাথে শুরু করার জন্য একটি স্যান্ডবক্স হিসাবে একটি ডাটাবেস তৈরি করুন এবং আমরা স্ট্যান্ডআপ কিউএ উদাহরণগুলির মতো জিনিসগুলি ব্যবহার করতে পারি এবং শেষ পর্যন্ত অবশ্যই আমরা আমাদের পরিবর্তনগুলিকে উত্পাদনের দিকে ঠেলে দিতে চাই যাতে আমাদের একাধিক জিনিস চলছে একই সাথে আবার, আমরা স্প্রিন্ট পরিকল্পনা এবং পূর্ববর্তী ক্ষেত্রে পুরোপুরি অংশ নিই, প্রত্যক্ষদর্শীরা সত্যই শেখা পাঠ এবং এটি অত্যন্ত গুরুত্বপূর্ণ, কারণ আপনি চতুরতার সময় খুব দ্রুত যেতে পারেন, আপনার এখনকার মতো সাফল্যগুলি থামানো এবং উদযাপন করা দরকার। কী ভুল তা চিত্রিত করুন, পরের বারের দিকে আরও ভাল করুন, তবে ঠিক যে জিনিসগুলি গেছে সেগুলি উদযাপন করুন এবং আপনি পরবর্তী স্প্রিন্টগুলিতে এগিয়ে যেতে থাকায় সেগুলি তৈরি করুন।

আমি এখন খুব দ্রুত ব্যবসায়ের মান সম্পর্কে কথা বলতে যাচ্ছি। এমন একটি প্রকল্প ছিল যা আমি বহু বছর আগে জড়িত হয়েছি এটি একটি চতুর প্রকল্প হিসাবে শুরু হয়েছিল, এবং এটি একটি চূড়ান্ত প্রকল্প ছিল, সুতরাং এটি একটি খাঁটি স্ব-সংগঠিত দল ছিল যেখানে এটি কেবল বিকাশকারীরা যা কিছু করছিল। দীর্ঘ গল্প সংক্ষিপ্ত করার জন্য, এই প্রকল্পটি স্থবির ছিল এবং তারা খুঁজে পেয়েছিল যে তারা আরও কার্যকারিতা চালিয়ে যাওয়ার চেয়ে চিহ্নিত হওয়া ত্রুটিগুলি প্রতিকার করতে এবং ঠিক করার জন্য আরও বেশি সময় ব্যয় করছে এবং বাস্তবে তারা যখন এটি ভিত্তিক দিকে তাকিয়েছিল বার্ন-ডাউন চার্টগুলিতে তারা প্রকল্পটি একটি বিশাল ব্যয়ে ছয় মাস বাড়িয়ে দিতে হবে। এবং যখন আমরা এটির দিকে তাকালাম, সমস্যাটি পুনরুদ্ধারের উপায় হ'ল এই প্রকল্পের সাথে জড়িত দক্ষ ডেটা মডেলারের সাথে একটি সঠিক ডেটা মডেলিংয়ের সরঞ্জামটি ব্যবহার করা।

আপনি যদি এই নির্দিষ্ট চার্টের এই উল্লম্ব বারটির দিকে নজর রাখেন তবে এটি संचयी ত্রুটিগুলি বনাম संचयी বস্তুগুলি দেখায়, এবং আমি ডেটা অবজেক্ট বা কনস্ট্রাক্টের কথা বলছি যা সীমাবদ্ধতার সাথে সারণী এবং সেই ধরণের জিনিসগুলির মতো তৈরি করা হয়েছিল, আপনি যদি তাকান তবে এটি ডেটা মডেলার প্রবর্তনের আগে, ত্রুটির সংখ্যাটি আসলে ছাড়িয়ে গিয়েছিল এবং সময় অবধি অবধি তৈরি হওয়া অবজেক্টের প্রকৃত সংখ্যার চেয়ে কিছুটা ফাঁক তৈরি শুরু করেছিল। ২১ সপ্তাহের পরে, যখন ডেটা মডেলার এসেছিল, তখন বেশ কয়েকটি জিনিস ঠিক করার দরকারের উপর ভিত্তি করে ডেটা মডেলটি রিফেক্টর করে এবং তারপরে প্রকল্প দলের অংশ হিসাবে মডেলিং শুরু করে, সেই প্রকল্পের পরিবর্তনের দিকে অগ্রসর হচ্ছিল । এবং আপনি খুব তাড়াতাড়ি পরিবর্তন ঘটাতে দেখেছেন যে প্রায় এক স্প্রিন্টের মধ্যে, আমরা উত্পাদিত এবং নির্মান করা হচ্ছে এমন অনেকগুলি অবজেক্ট এবং ডেটা কনস্ট্রাক্টের সংখ্যায় একটি বিশাল উত্সাহ পেয়েছি কারণ আমরা একটি বিকাশকারী স্টিকের চেয়ে ডেটা মডেলিংয়ের সরঞ্জামটি তৈরি করেছিলাম were এগুলিকে একটি পরিবেশে গড়ে তোলা, এবং তারা সঠিক ছিল কারণ তাদের যথাযথ রেফারেন্সিয়াল অখণ্ডতা ছিল এবং অন্যান্য নির্মাণগুলি এটির হওয়া উচিত। প্রায় ফ্ল্যাটলাইনগুলির বিরুদ্ধে ত্রুটির মাত্রা। সেই যথাযথ পদক্ষেপ গ্রহণ করে এবং ডেটা মডেলিং সম্পূর্ণরূপে নিযুক্ত ছিল তা নিশ্চিত করে, প্রকল্পটি সময়মতো অনেক উচ্চ মানের মানের সরবরাহ করা হয়েছিল এবং বাস্তবে, যদি এই পদক্ষেপগুলি না ঘটে থাকে তবে এটি মোটেও সরবরাহ করা যেত না। সেখানে প্রচুর চটজলদি ব্যর্থতা রয়েছে, আপনি যদি সঠিক ব্যক্তিদের সঠিক ভূমিকায় জড়িত হন তবে প্রচুর চটুল সাফল্যও রয়েছে। আমি একটি অপারেশনাল শৃঙ্খলা হিসাবে চতুর একটি বিশাল প্রবক্তা, কিন্তু আপনি একটি চৌর্য ধরণের প্রচেষ্টা এগিয়ে যেতে আপনার প্রকল্প দল হিসাবে অন্তর্ভুক্ত সমস্ত সঠিক গ্রুপের দক্ষতা আছে তা নিশ্চিত করা দরকার।

সংক্ষিপ্তসার হিসাবে, ডেটা আর্কিটেক্ট এবং মডেলারদের অবশ্যই সমস্ত উন্নয়ন প্রকল্পের সাথে জড়িত থাকতে হবে; তারা সত্যই আঠালো যা সবকিছুকে এক সাথে রাখে কারণ ডেটা মডেলার এবং আর্কিটেক্ট হিসাবে আমরা বুঝতে পেরেছি, কেবলমাত্র প্রদত্ত বিকাশ প্রকল্পের ডেটা তৈরি করে না, যেখানে সংস্থায় ডেটা রয়েছে এবং কোথায় থেকে আমরা সেই ডেটা উত্স করতে পারি এবং কীভাবে এটি আমরা যে বিশেষ অ্যাপ্লিকেশনটিতে কাজ করছি তার বাইরেও এটি ব্যবহার এবং ব্যবহারযোগ্য হতে চলেছে। আমরা জটিল ডেটা সম্পর্কগুলি বুঝতে পারি এবং এটি নথির মানচিত্র তৈরির জন্য প্রশাসনের দৃষ্টিকোণ থেকে এবং আপনার সম্পূর্ণ ডেটা ল্যান্ডস্কেপটি দেখতে কেমন তা বোঝার পক্ষে অগ্রাধিকারযোগ্য।

এটা উত্পাদন মত; আমি একটি উত্পাদন ব্যাকগ্রাউন্ড থেকে এসেছি। আপনি শেষের দিকে কোনও কিছুর মধ্যে মানেরটি পরীক্ষা করতে পারবেন না - আপনার নকশার সম্মুখভাগে এবং আপনার পথে যাওয়ার জন্য আপনাকে গুণমান তৈরি করতে হবে এবং ডেটা মডেলিং সেই দক্ষতার নকশাটিতে দক্ষতার সাথে কার্যকরভাবে এবং কার্যকরভাবে সমস্ত উপায়ে তৈরি করার উপায় a । এবং আবারও, মনে রাখার মতো কিছু - এবং এটি ট্রাইট হওয়া উচিত নয়, তবে এটি সত্য - অ্যাপ্লিকেশনগুলি আসে এবং যায়, ডেটা হ'ল কর্পোরেট কর্পোরেট সম্পদ এবং এটি সমস্ত প্রয়োগের সীমানাকে অতিক্রম করে। প্রতিবার আপনি যখন কোনও অ্যাপ্লিকেশনটি রাখছেন তখন আপনাকে সম্ভবত অন্যান্য অ্যাপ্লিকেশনগুলির আগে তথ্য সংরক্ষণের জন্য বলা হয়েছিল, সুতরাং আমাদের কেবল এটি মনে রাখা দরকার যে এটি সময়ের সাথে সাথে রক্ষণাবেক্ষণ করা একটি গুরুত্বপূর্ণ কর্পোরেট সম্পদ।

এবং এটাই! এখান থেকে আমরা আরও প্রশ্ন নেব।

এরিক কাভানাঘ: ঠিক আছে, ভাল, আমি প্রথমে এটি রবিনের উপরে ফেলে দিতে পারি। এবং তারপরে, ডেজ, আমি নিশ্চিত আপনার কাছে কয়েকটি প্রশ্ন রয়েছে। এটা নিয়ে যাও রবিন।

ডাঃ রবিন ব্লুর: ঠিক আছে। সত্যি কথা বলতে কি, চটজলদি বিকাশের পদ্ধতিগুলির সাথে আমার কোনও সমস্যা হয়নি এবং আপনি এখানে যা করছেন তা আমার কাছে বোধগম্য। আমার মনে আছে ১৯৮০ এর দশকে এমন কোনও কিছু দেখার জন্য যা ইঙ্গিত করেছিল, সত্যিই, আপনি যে প্রকল্পটি নিয়ন্ত্রণের বাইরে চলে গিয়েছিলেন সেই সমস্যাটি সাধারণত আপনি যদি কোনও নির্দিষ্ট পর্যায়ে অতিক্রম করে ভুল চালিয়ে যান। আপনি যদি এই পর্যায়ে সঠিক না পান তবে এটি ঠিক করা আরও বেশি কঠিন হয়ে পড়ে, তাই আপনি এখানে যা করছেন তার মধ্যে একটি - এবং আমি মনে করি এটি স্লাইড - তবে আপনি এখানে যা করছেন তার মধ্যে একটি আমার মতে স্প্রিন্ট শূন্যে, একেবারে গুরুত্বপূর্ণ কারণ আপনি সত্যিই সেখানে সরবরাহযোগ্য পিনগুলি পাওয়ার চেষ্টা করছেন। এবং যদি আপনি সরবরাহযোগ্য পিন না পান তবে ডেলিভারিবলগুলি আকার পরিবর্তন করে।

এটাই, আমার মতামত kind এটি আমারও মতামত - আপনার কাছে যাওয়ার আগে ডেটা মডেলিংটি নির্দিষ্ট মাত্রায় বিশদ বিবরণে পাওয়ার জন্য এই ধারণার সাথে সত্যই আমার কোনও যুক্তি নেই। আমি আপনাকে যা করতে চাই এবং করতে চাই কারণ আমি এর কোনও সম্পূর্ণ ধারণা পাইনি, কেবলমাত্র এই প্রকল্পগুলির একটির আকারের দিক থেকে এটি কীভাবে প্রবাহিত হয়েছে, কে, আপনি জানেন, এর পরিপ্রেক্ষিতে বর্ণনা করুন, সমস্যাগুলি যেখানে ক্রপ আপ হয়েছিল, তাদের সমাধান করা হয়েছিল? কারণ আমি মনে করি যে এই স্লাইডটি এটির কেন্দ্রবিন্দু এবং এটিতে যদি আপনি আরও কিছুটা ব্যাখ্যা করতে পারেন তবে আমি খুব কৃতজ্ঞ হব।

রন হুইজেনগা: অবশ্যই, এবং আমি কয়েকটি উদাহরণ প্রকল্প ব্যবহার করব। যেটি এক ধরনের, সত্যই সঠিক লোকদের জড়িত করে এবং ডেটা মডেলিংয়ের মাধ্যমে ফিরিয়ে আনা হয়েছিল এমন রেলগুলি বন্ধ করে দিয়েছিল এবং ডিজাইনটি আরও ভালভাবে বোঝা গেছে তা নিশ্চিত করার একটি উপায় ছিল এবং সম্ভবত আমাদের বাস্তবায়নের আরও ভাল নকশা ছিল এটির মডেলিংয়ের মাধ্যমে পথে কারণ আপনি যখন এটির মডেল করবেন, আপনি জানেন, আপনি আপনার ডিডিএল এবং সরঞ্জামটি পিছনে এবং আউট তৈরির চেয়ে সমস্ত কিছু উত্পন্ন করতে পারেন, যেমন এটি তৈরির মতো লোকেরা সাধারণত কোনও ডাটাবেসের পরিবেশে গিয়ে সরাসরি করতে পারে। এবং সাধারণ জিনিসগুলি যা বিকাশকারীদের সাথে ঘটবে তা হ'ল তারা সেখানে প্রবেশ করবে এবং তারা বলবে, ঠিক আছে, আমার এই টেবিলগুলি দরকার। ধরা যাক আমরা অর্ডার এন্ট্রি করছি। সুতরাং তারা অর্ডার শিরোনাম এবং আদেশ বিশদ সারণী এবং এই ধরণের জিনিস তৈরি করতে পারে। তবে তারা বিদেশী মূল সম্পর্কের প্রতিনিধিত্ব করতে সীমাবদ্ধতাগুলি রয়েছে কিনা তা নিশ্চিত করতে তারা প্রায়শই ভুলে যাবেন বা অবহেলা করবেন। তাদের চাবিগুলি সঠিক নাও থাকতে পারে। নামকরণের সম্মেলনগুলি সন্দেহজনকও হতে পারে। আমি জানি না যে আমি কতবার পরিবেশে চলেছি, উদাহরণস্বরূপ, যেখানে আপনি বিভিন্ন নাম সহ বিভিন্ন টেবিলের একগুচ্ছ দেখতে পাচ্ছেন, কিন্তু তারপরে এই টেবিলগুলির কলামের নামগুলি আইডি, নাম বা যা কিছু আছে, তাই সেগুলি হয় ঠিক কী তা সারণী ব্যতীত সত্যিই প্রসঙ্গটি হারিয়ে গেছে।

সুতরাং, সাধারণত যখন আমরা ডেটা মডেলিং করি তখন আমরা তা নিশ্চিত করে নেব যে আমরা ডিডিএল-তেও উত্পন্ন হওয়া সমস্ত নিদর্শনগুলিতে যথাযথ নামকরণের কনভেনশন প্রয়োগ করছি। তবে প্রকল্পগুলির প্রকৃতি সম্পর্কে আরও সুনির্দিষ্ট হওয়ার জন্য, সাধারণত বলছি, আমি প্রায় বড় উদ্যোগের কথা বলছি। তার মধ্যে একটি ছিল $ 150 মিলিয়ন ব্যবসায়িক রূপান্তর প্রকল্প যেখানে আমরা এক ডজনেরও বেশি উত্তরাধিকার ব্যবস্থা প্রতিস্থাপন করেছি। আমাদের একই সাথে পাঁচটি ভিন্ন চৌকস দল চলছিল। আমার একটি সম্পূর্ণ ডেটা আর্কিটেকচার টিম ছিল, সুতরাং আমার দল থেকে ডেটা মডেলাররা অন্যান্য অ্যাপ্লিকেশন অঞ্চল দলের প্রত্যেককে এম্বেড করেছিল এবং আমরা ইন-হাউস বিজনেস বিশেষজ্ঞদের সমন্বয়ে কাজ করছিলাম যা বিষয়টিকে জানত, যা করছিল প্রয়োজনীয়তার জন্য তাদের নিজস্ব গল্প। ক্রিয়াকলাপ চিত্র বা ব্যবসায়িক প্রক্রিয়া ডায়াগ্রামগুলি সহ আমরা সেই দলগুলির প্রত্যেকটিতে ব্যবসায় বিশ্লেষক ছিলেন যা তাদের দলের বাকী অংশগুলিও খেয়ে যাওয়ার আগে ব্যবহারকারীদের সাথে আরও বেশি গল্পের কাহিনী তৈরি করতে সহায়তা করেছিল।

এবং তারপরে অবশ্যই, বিকাশকারীরা যেটির উপরে অ্যাপ্লিকেশন কোডটি তৈরি করছিলেন। এবং আমরা এর সাথেও কাজ করছিলাম, আমি মনে করি এটি চারটি ভিন্ন ভিন্ন ভিন্ন সিস্টেমের ইন্টিগ্রেশন বিক্রেতারা যে অ্যাপ্লিকেশনটির বিভিন্ন অংশ তৈরি করছিল পাশাপাশি যেখানে একটি দল ডেটা সার্ভিসগুলি তৈরি করছিল, অন্যটি এক অঞ্চলে অ্যাপ্লিকেশন যুক্তি তৈরি করছিল, অন্য একটিতে দক্ষতা ছিল অন্য একটি ব্যবসায়ের ক্ষেত্রে সে ক্ষেত্রে অ্যাপ্লিকেশন যুক্তি তৈরি করা হয়েছিল। সুতরাং এই প্রকল্পে কাজ করা লোকদের আমাদের একটি সম্পূর্ণ সহযোগিতা ছিল। বিশেষত একজনের সাথে আমাদের দলে উপকূলের দেড়শ জন এবং দলটিতে আরও ১৫০ টি সংস্থার অফশোর ছিল যা এই জিনিসটি চালিয়ে যেতে দুই সপ্তাহের স্প্রিন্টের সহযোগিতা করেছিল। এবং এটি করার জন্য আপনাকে অবশ্যই নিশ্চিত করতে হবে যে আপনি সমস্ত সিলিন্ডারে গুলি চালাচ্ছেন এবং তাদের বিতরণযোগ্য কী তা প্রত্যেকেই ভালভাবে সিঙ্ক্রোনাইজ হয়েছেন এবং আমাদের সমস্ত প্রয়োজনীয় নিদর্শনগুলির সরবরাহ আমাদের শেষ করা হচ্ছে তা নিশ্চিত করার জন্য আপনার সেই ঘন ঘন পুনরায় সেটগুলি ছিল you প্রতিটি স্প্রিন্ট শেষে।

ডাঃ রবিন ব্লুর: আচ্ছা এটি মুগ্ধকর। এবং এটি সম্পর্কে আরও কিছুটা বিশদ জানতে - আপনি কি একটি সম্পূর্ণ দিয়ে শেষ করেছিলেন, আমি কী বলব, প্রকল্পের শেষের দিকে পুরো ডেটা অঞ্চলটির এমডিএম ম্যাপ?

রন হুইজেনগা: আমাদের কাছে একটি সম্পূর্ণ ডেটা মডেল ছিল যা সমস্ত বিভিন্ন ব্যবসায়ের ক্ষেত্রে পচনের সাথে ভেঙে যায়। সম্পূর্ণ সংজ্ঞার ক্ষেত্রে ডেটা ডিকশনারি নিজেই খানিকটা ছোট হয়ে গেল। আমাদের বেশিরভাগ সারণী সংজ্ঞায়িত ছিল; আমাদের বেশিরভাগ কলামগুলি তাদের বোঝাতে চেয়েছিল exactly কিছু ছিল যা সেখানে ছিল না এবং আকর্ষণীয়ভাবে যথেষ্ট, এগুলির মধ্যে অনেকগুলি তথ্য টুকরো ছিল যা উত্তরাধিকার ব্যবস্থা থেকে এসেছে যেখানে প্রকল্পের ক্ষেত্র নিজেই শেষ হওয়ার পরে, এখনও এটি একটি বহন-এগিয়ে সেট হিসাবে নথিভুক্ত করা হয়েছিল শিল্পকর্মগুলি যেমন এটি ছিল, প্রকল্পের বাইরেই ছিল, কারণ এটি এমন একটি বিষয় যা সামনে এগিয়ে যাওয়ার দ্বারা টিকিয়ে রাখা দরকার। সুতরাং একই সময়ে সংগঠনটি ডেটা প্রশাসনের গুরুত্ব সম্পর্কে অনেক বর্ধিত দৃষ্টিভঙ্গি নিয়েছিল কারণ আমরা সেই উত্তরাধিকারী ব্যবস্থাগুলিতে এবং সেই লিগ্যাসি ডেটা উত্সগুলিতে প্রচুর ত্রুটিগুলি দেখেছি যা সেগুলি নথিভুক্ত করা হয়নি বলেই গ্রাস করার চেষ্টা করেছি। অনেক ক্ষেত্রে আমাদের কেবল ডাটাবেস ছিল যা আমাদের প্রকৌশলীকে বিপরীত করতে হয়েছিল এবং সেখানে কী ছিল এবং কী ছিল তথ্যটি কী তা বোঝার চেষ্টা করতে হয়েছিল।

ডাঃ রবিন ব্লুর: এটি আমাকে বিশেষভাবে অবাক করে না। তথ্য পরিচালনার বিষয়টি হ'ল এটি একটি আধুনিক উদ্বেগ এবং আমি মনে করি, সত্যই, প্রচুর কাজ রয়েছে যা বলা যাক, ডেটা প্রশাসনের বিষয়ে historতিহাসিকভাবে করা উচিত ছিল। এটি কখনই হয়নি কারণ আপনি, ধরনের, এটি না করে পালিয়ে যেতে পারেন। কিন্তু যেমন ডেটা রিসোর্স সবেমাত্র বেড়েছে এবং বেড়েছে, শেষ পর্যন্ত আপনি তা করতে পারেন নি।

যাইহোক, আমি দেজে চলে যাব কারণ আমি মনে করি আমার সময় নির্ধারিত ছিল। Dez?

ডেজ ব্লাঞ্চফিল্ড: হ্যাঁ, আপনাকে ধন্যবাদ। এই পুরো জিনিসটির মাধ্যমে আমি নিজেকে দেখছি এবং ভাবছি যে আমরা রাগের মধ্যে বিভিন্নভাবে চটচটে দেখার কথা বলছি। যদিও এটি নেতিবাচক ধারণা পেয়েছে; আমি এটি ইতিবাচক উপায়ে বোঝাতে চাইছি। আপনি কি কেবল আমাদের একটি দৃশ্যের বর্ণনা দিতে পেরেছেন, আমি বলতে চাইছি যে দুটি জায়গা আমি এটি একটি নিখুঁত সেট হিসাবে দেখতে পাচ্ছি: একটি নতুন প্রকল্প যা কেবলমাত্র প্রথম দিন থেকে সম্পন্ন করা প্রয়োজন, তবে আমি আমার অভিজ্ঞতায় অবিচ্ছিন্নভাবে মনে করি, এটি প্রায়শই যদি প্রকল্পগুলি এত বড় হয়ে যায় যে এটি বিভিন্ন উপায়ে প্রয়োজনীয়, তখন দুটি পৃথিবীকে আটকানোর মধ্যে একটি আকর্ষণীয় চ্যালেঞ্জ আছে, তাই না? আপনি আমাদের এমন কোনও সাফল্যের গল্পের মধ্যে কোনও ধরণের অন্তর্দৃষ্টি দিতে পারেন যা আপনি দেখেছেন যে আপনি কোন প্রতিষ্ঠানে গিয়েছেন, এটি স্পষ্ট হয়ে গেছে যে তারা দুটি বিশ্বের একটি সামান্য সংঘাত পেয়েছে এবং আপনি সফলভাবে বলতে সক্ষম হয়েছেন এটি জায়গায় এবং বড় প্রকল্পগুলি একত্রিত করে যেখানে তারা অন্যথায় রেলের উপর দিয়ে যেতে পারে? আমি জানি এটি একটি বিস্তৃত প্রশ্ন তবে আমি কেবল ভাবছি যে আপনি যদি একটি নির্দিষ্ট কেস স্টাডি করতে পারেন তবে আপনি সাজিয়েছিলেন যেখানে আপনি বলেছিলেন, আপনি জানেন, আমরা এগুলি সব জায়গায় রেখেছি এবং এটি বিকাশের সমস্ত দলকে এক সাথে এনেছে ডেটা দল এবং আমরা, সাজানোর মতো কিছুকে সম্বোধন করেছি যা অন্যথায় নৌকো ডুবে থাকতে পারে?

রন হুইজেনগা: অবশ্যই, এবং বাস্তবে যে প্রকল্পটি পাইপলাইন প্রকল্প হিসাবে ঘটেছিল সেটি হ'ল আমি সেই ডেটা মডেলারের সাথে জড়িত থাকার আগে এবং তার পরে ত্রুটিগুলি নিয়ে সেই চার্টটি দেখিয়েছিলাম to বেশিরভাগ ক্ষেত্রে, এবং পূর্ব ধারণাযুক্ত ধারণাগুলি রয়েছে, বিশেষত যদি এটিগুলি বিশুদ্ধ বিকাশের দৃষ্টিকোণ থেকে সম্পন্ন হয় তবে এটি কেবল বিকাশকারীরা এই চতুর প্রকল্পগুলির সাথে অ্যাপ্লিকেশনগুলি সরবরাহ করার জন্য জড়িত। সুতরাং সেখানে যা ঘটেছিল, তা কি তারা বিশেষত রেলগুলি এবং তাদের ডেটা শৈল্পিকাগুলি থেকে সরে এসেছিল বা তারা যে ডেটা ডেলিভারিভালস তৈরি করছে তা মানের দিক থেকে নিখুঁতভাবে পড়ে এবং সামগ্রিকভাবে বিষয়গুলিকে সম্বোধন করে। এবং প্রায়শই এই ভুল ধারণাটি রয়েছে যে ডেটা মডেলাররা প্রকল্পগুলিকে কমিয়ে দেবে, এবং তারা যদি ডেটা মডেলারের সঠিক মনোভাব না রাখে will যেমনটি আমি বলি, আপনাকে হারাতে হবে - কখনও কখনও এমন ডেটা মডেলার রয়েছে যেগুলির মধ্যে traditionalতিহ্যবাহী দারোয়ানদের মনোভাব রয়েছে যেখানে, "আমরা এখানে ডেটা স্ট্রাকচারগুলি দেখতে কেমন তা নিয়ন্ত্রণ করতে" এবং সেই মানসিকতাটি অদৃশ্য হয়ে যেতে হবে। চৌকস বিকাশে জড়িত যে কেউ এবং বিশেষত ডেটা মডেলাররা, দলগুলিকে এগিয়ে যেতে সত্যিই সহায়তা করার জন্য একজন সুবিধার্থক হিসাবে ভূমিকা নিতে হবে। এবং এটি চিত্রিত করার সর্বোত্তম উপায় হ'ল টিমগুলি খুব দ্রুত দেখানো যে তারা প্রথমে পরিবর্তনগুলি মডেলিংয়ের মাধ্যমে কতটা উত্পাদনশীল হতে পারে। এবং আবারও, তাই আমি সহযোগিতা সম্পর্কে কথা বলেছি।

কিছু জিনিস রয়েছে যা আমরা প্রথমে বিকাশকারীদের ধাক্কা দেওয়ার জন্য মডেল তৈরি করতে এবং ডিডিএল তৈরি করতে পারি। আমরা এটিও নিশ্চিত করতে চাই যে তারা যাতে সীমাবদ্ধ হচ্ছে তারা যেন অনুভব না করে। সুতরাং, যদি তারা কাজ করে এমন কিছু জিনিস থাকে তবে তাদের তাদের বিকাশের স্যান্ডবক্সগুলিতে কাজ করতে দিন, কারণ সেখানেই বিকাশকারীরা তাদের নিজস্ব ডেস্কটপগুলি বা অন্যান্য ডাটাবেসগুলিতে কিছু পরিবর্তন করার জন্য কাজ করছেন যেখানে তারা জিনিসগুলি পরীক্ষা করছেন। এবং তাদের সাথে সহযোগিতা করুন এবং বলুন, "ঠিক আছে, এটি নিয়ে কাজ করুন” "আমরা এটিকে সরঞ্জামের মধ্যে আনব, আমরা এটি সমাধান করব এবং তারপরে আমরা এটি এগিয়ে নিয়ে যাব এবং আপনাকে এমন স্ক্রিপ্টগুলি দেব যা আপনি এটি আপডেট করার জন্য এটি স্থাপন করতে পারেন ডাটাবেসগুলিতে সেগুলিকে আপগ্রেড করার জন্য এটির সত্যিকার অনুমোদিত অনুমোদিত উত্পাদন দৃষ্টিভঙ্গি যেমন আমরা এগিয়ে চলেছি তেমন হতে চলেছে। এবং আপনি এটি খুব দ্রুত ফ্যাশনে ঘুরিয়ে দিতে পারেন। আমি দেখতে পেলাম যে আমার দিনগুলি পূর্ণ হয়েছে যেখানে আমি ঠিক বিভিন্ন উন্নয়ন দলের সাথে পুনরাবৃত্তি করছিলাম, পরিবর্তনগুলি দেখছিলাম, তুলনা করছি, স্ক্রিপ্টগুলি তৈরি করছিলাম, সেগুলি পেয়ে যাব এবং আমি একবার চারটি উন্নয়ন দলের সাথে নিজেকে যুক্ত রাখতে সক্ষম হয়েছি আমরা একবার সহজেই একটি গতি অর্জন।

ডেজ ব্লাঞ্চফিল্ড: এর মধ্যে যে বিষয়গুলি মনে আসে তার মধ্যে একটি হ'ল, আপনি জানেন, আমি প্রতিদিন যে কথাবার্তা বলি তা হ'ল এই মালবাহী ট্রেনটি আমাদের কাছে আসে, সাজানো, মেশিন-টু -মেশিন এবং আইওটি এবং যদি আমরা মনে করি আমাদের এখনকার পরিবেশে এন্টারপ্রাইজে প্রচুর তথ্য পেয়েছি তবে আপনি যদি জানেন যে আমরা যদি ইউনিকর্নগুলি এমন এক মুহুর্তের জন্য আলাদা করে রাখি যেখানে আমরা জানি যে গুগলস এবং ফেসবুক এবং উবারগুলির ডেটা পেটবাইট রয়েছে তবে একটি traditionalতিহ্যবাহী উদ্যোগে আমরা এখনও কয়েকশ টেরাবাইট এবং প্রচুর ডেটা নিয়ে কথা বলছি। তবে এই ফ্রেইট ট্রেনটি আমার দৃষ্টিতে সংস্থাগুলিতে আসছে এবং ডঃ রবিন ব্লার আইওটি-র পূর্বে এটির জন্য ইঙ্গিত করেছিলেন। আপনি জানেন, আমরা প্রচুর ওয়েব ট্র্যাফিক পেয়েছি, আমরা সামাজিক ট্র্যাফিক পেয়েছি, এখন আমরা গতিশীলতা এবং মোবাইল ডিভাইস পেয়েছি, মেঘটি হয়েছে এক ধরণের, বিস্ফোরিত হয়েছে, তবে এখন আমরা স্মার্ট শহরগুলি পেয়েছি, স্মার্ট শহরগুলি এবং ডেটা এই পুরো বিশ্বের আছে যা সবেমাত্র বিস্ফোরিত হয়েছে।

প্রতিদিনের সংস্থার জন্য, মাঝারি থেকে বৃহত সংস্থার যারা সেখানে বসে আছেন এবং এই ব্যথার এই পৃথিবীটি দেখছেন এবং তাদের কাছে এই মুহূর্তে কোনও তাত্ক্ষণিক পরিকল্পনা নেই, আপনি কয়েকটি বাক্যে কীভাবে গ্রহণ করছেন? তাদের কাছে কখন এবং কোথায় তাদের এই পদ্ধতিগুলির মধ্যে কিছু স্থাপনের বিষয়ে কথোপকথনের চিন্তাভাবনা শুরু করা উচিত। প্রায় বসে কীভাবে তাদের মনোযোগ দেওয়ার পরিকল্পনা শুরু করতে হবে এবং বলার অপেক্ষা রাখে যে এই জায়গায় সঠিক কিছু সরঞ্জাম পাওয়া এবং দলকে প্রশিক্ষণ দেওয়ার এবং এই চ্যালেঞ্জটি ঘুরে দেখার জন্য কথোপকথনের কথোপকথন পাওয়ার সঠিক সময়? গল্পে কত দেরি হয় বা কখন খুব তাড়াতাড়ি? আপনি দেখতে পাচ্ছেন এমন কিছু সংস্থার জন্য এটি দেখতে কেমন?

রন হুইজেনগা: আমি বেশিরভাগ সংস্থার পক্ষে বলব যে তারা যদি ইতিমধ্যে এটি সম্পন্ন না করে এবং এই জাতীয় শক্তিশালী সরঞ্জামগুলির সাথে ডেটা মডেলিং এবং ডেটা আর্কিটেকচারটি খাপ খাইয়ে নেয় তবে তাদের এটি করার দরকার ছিল গতকাল। কারণ এটি আকর্ষণীয় যে, আজও, আপনি যখন সংস্থাগুলিতে ডেটা দেখেন, আমাদের সংস্থাগুলিতে এবং সাধারণভাবে আমরা কিছু জরিপের উপর ভিত্তি করে বলতে পারি যে আমরা data শতাংশেরও কম ডাটা কার্যকরভাবে ব্যবহার করছি যখন আমরা সংস্থা জুড়ে তাকান। এবং আইওটি বা এমনকি নোএসকিউএল সহ, বড় ডেটা - এমনকি এটি কেবল আইওটি নয়, তবে সাধারণভাবে কেবলমাত্র বড় ডেটা - যেখানে আমরা এখন আমাদের সংস্থাগুলির বাইরে থেকে উদ্ভূত আরও বেশি তথ্য গ্রহণ শুরু করছি, সেই চ্যালেঞ্জটি আরও বড় এবং বৃহত্তর হয়ে উঠছে সব সময়. এবং আমাদের মোকাবেলায় সক্ষম হওয়ার একমাত্র উপায় হ'ল সেই ডেটাটি কী তা বোঝার জন্য আমাদের সহায়তা করা।

সুতরাং, ব্যবহারের কেসটি কিছুটা আলাদা। আমরা নিজেরাই যা করতে দেখি তা হ'ল আমরা যখন সেই ডেটাটি দেখি, আমরা এটি ক্যাপচার করি, আমাদের এটির বিপরীত প্রকৌশলী হওয়া দরকার, সেইগুলিতে কী আছে তা আমাদের ডেটা হ্রদে বা এমনকি আমাদের অভ্যন্তরীণ ডাটাবেসে আছে কিনা তা সংশ্লেষিত করে ডেটা হ'ল এটির অর্থ এবং এর সংজ্ঞাগুলি প্রয়োগ করুন যাতে আমরা ডেটা কী তা বুঝতে পারি। কারণ এটি যতক্ষণ না আমরা বুঝতে পারি ততক্ষণ আমরা নিশ্চিত করতে পারি না যে আমরা এটিকে সঠিক বা পর্যাপ্তভাবে ব্যবহার করছি। সুতরাং আমাদের সত্যই সেই ডেটাটি কী তা হ্যান্ডেল করা দরকার। এবং এর অন্য অংশটি হ'ল এটি করবেন না কারণ আপনি এই সমস্ত বাহ্যিক ডেটা গ্রাস করার ক্ষেত্রে এটি নিশ্চিত করে নিন যে আপনার কোনও ব্যবহারের কেস রয়েছে যা এই বাহ্যিক ডেটা গ্রহণে সমর্থন করে। আপনার প্রয়োজন পরে যে জিনিসগুলি আপনার প্রয়োজন হতে পারে কেবল সেগুলি টানতে এবং ব্যবহার করার চেষ্টা করার চেয়ে আপনার প্রয়োজনীয় জিনিসগুলিতে মনোনিবেশ করুন। গুরুত্বপূর্ণ জিনিসগুলিতে প্রথমে মনোনিবেশ করুন এবং আপনি যখন এটির মাধ্যমে কাজ করছেন তখন আপনি বাইরে থেকে অন্যান্য তথ্য গ্রহণ এবং বুঝতে চেষ্টা করবেন।

এর একটি নিখুঁত উদাহরণ, আমি জানি আমরা আইওটি এবং সেন্সরগুলির সাথে কথা বলছি, তবে একই ধরণের সমস্যাটি আসলে আইওটি এর আগেও বহু সংস্থায় বহু বছর ধরে ছিল। যারাই উত্পাদন নিয়ন্ত্রণ সিস্টেম রয়েছে, সে পাইপলাইন সংস্থা হোক, উত্পাদন হোক, যে কোনও প্রক্রিয়া ভিত্তিক সংস্থাগুলির এমন কিছু জিনিস রয়েছে যেখানে তারা নিয়ন্ত্রণের সাথে প্রচুর পরিমাণে অটোমেশন করছে এবং তারা ডেটা স্ট্রিম এবং এর মতো জিনিস ব্যবহার করছে, আছে এই ডেটাগুলির ফায়ারহোসগুলি যা তারা খুঁজে বের করার জন্য পান করার চেষ্টা করছে, আমার উত্পাদনের সরঞ্জামগুলিতে সংকেত দেওয়ার জন্য কী ঘটেছিল - কী ঘটেছে এবং কখন? এবং তথ্যের এই বিশাল স্ট্রিমের মধ্যে কেবলমাত্র নির্দিষ্ট টুকরো টুকরো তথ্য বা ট্যাগ রয়েছে যা তারা আগ্রহী যেগুলি তাদের বের করে দেওয়া, সংশ্লেষিত করতে, মডেল এবং বুঝতে হবে। এবং সত্যিকার অর্থে এটি বোঝার সময় না আসা পর্যন্ত তারা এটিকে বাকী অংশটিকে অগ্রাহ্য করতে পারে এবং তারপরে তারা যদি আরও যথাযথভাবে আরও বেশি করে স্কোপের দিকে টানতে পারে তবে তা যদি তাদের জ্ঞান করা হয়।

ডেজ ব্লাঞ্চফিল্ড: এটি সত্যিই আছে। এখানে একটি প্রশ্ন রয়েছে যা আমি এরিক নামক এক ভদ্রলোকের কাছ থেকে এসেছিল, এবং আমরা এ সম্পর্কে গোপনে চ্যাট করছি। আমি কেবল তার অনুমতি চেয়েছি, যা তিনি দিয়েছেন, এটি আপনার কাছে জিজ্ঞাসা করার জন্য। কারণ এটি এটিকে সুন্দরভাবে নিয়ে যায়, কেবল মোড়ানোর জন্য, কারণ আমরা এখন সময়ের সাথে কিছুটা সময় যাচ্ছি, এবং আমি আবার এরিকের কাছে ফিরিয়ে দেব। তবে অন্য এরিকের কাছ থেকে প্রশ্নটি ছিল, মডেলিং টার্মিনোলজির প্রায়শই অনন্য চ্যালেঞ্জগুলির সাথে পরিচিত এবং বুঝতে পেরে কি এই ধারণাটি যুক্তিসঙ্গত হয়, বা তা অন্য কারও কাছে ব্যাখ্যার জন্য দেওয়া উচিত? সুতরাং, অন্য কথায়, একটি প্রারম্ভ কি সক্ষম এবং প্রস্তুত এবং ইচ্ছুক এবং এই উপর ফোকাস এবং বিতরণ করতে সক্ষম হতে হবে? বা এটি সম্ভবত তাদের কেনা উচিত এবং বোর্ডে বিশেষজ্ঞদের নিয়ে আসা উচিত something

রন হুইজেনগা: আমার মনে হয় সংক্ষিপ্ত উত্তরটি এটি সত্যই নির্ভর করে depends যদি এটি এমন একটি স্টার্টআপ যার ঘরে ঘরে এমন কেউ নেই যার কাছে ডেটা আর্কিটেক্ট বা মডেলার যিনি সত্যই ডাটাবেস বোঝে তবে শুরু করার দ্রুততম উপায়টি এমন কাউকে এমন পরামর্শের পটভূমির সাথে নিয়ে আসে যা খুব ভালভাবে এই স্থানটিতে দক্ষ এবং এটি পেতে পারে তাদের যাচ্ছে। কারণ আপনি যা খুঁজে পাবেন - এবং প্রকৃতপক্ষে, আমি পণ্য পরিচালনার অন্ধকার দিকে আসার আগে যা করেছি তা আমি অনেক ব্যস্ততার মধ্যে দিয়েছিলাম - আমি কি পরামর্শদাতা হিসাবে সংস্থাগুলিতে যাব, তাদের ডেটা আর্কিটেকচার দলগুলিতে নেতৃত্ব দেব, যাতে তারা, একরকমভাবে নিজেকে পুনরায় ফোকাস করতে এবং এই জাতীয় জিনিসগুলি কীভাবে কীভাবে করা যায় তা সম্পর্কে তাদের লোকদের প্রশিক্ষণ দিতে পারে যাতে তারা এটিকে বজায় রাখতে পারে এবং মিশনটি এগিয়ে যেতে পারে। এবং তারপরে আমি আমার পরবর্তী ব্যস্ততায় যাব, যদি তা বোঝা যায়। সেখানে প্রচুর লোক রয়েছে যারা এটি করেন, তাদের কাছে খুব ভাল ডেটা অভিজ্ঞতা থাকে যা তাদের এগিয়ে যেতে পারে।

ডেজ ব্লাঞ্চফিল্ড: এটি একটি দুর্দান্ত গ্রহণযোগ্য বিষয় এবং আমি এর সাথে পুরোপুরি একমত এবং আমি নিশ্চিত ডঃ রবিন ব্লুরও তা করবেন। বিশেষত একটি প্রারম্ভকালে, আপনি নিজের প্রারম্ভিক ব্যবসায়ের অংশ হিসাবে আপনি যে প্রস্তাবটির নির্দিষ্ট মূল্য নির্ধারণ করতে চান তার উপর এসএমই হওয়ার দিকে মনোনিবেশ করেন এবং আপনার সম্ভবত সমস্ত কিছুতে বিশেষজ্ঞ হওয়ার দরকার নেই, তাই দুর্দান্ত পরামর্শ advice তবে আপনাকে ধন্যবাদ একটি দুর্দান্ত উপস্থাপনা। সত্যিই দুর্দান্ত উত্তর এবং প্রশ্ন। এরিক, আমি আপনার কাছে ফিরে যাচ্ছি কারণ আমি জানি আমরা সম্ভবত সময়ের সাথে দশ মিনিট পেরিয়ে গেছি এবং আমি জানি আপনি আমাদের সময় উইন্ডোটির সাথে লেগে থাকতে পছন্দ করেন।

এরিক কাভানাঘ: ঠিক আছে। আমাদের কমপক্ষে কয়েকটি ভাল প্রশ্ন রয়েছে। আমাকে একটি আপনার উপর ফেলে দিন। আমি মনে করি আপনি অন্য কিছু উত্তর দিয়েছেন। তবে একজন অংশগ্রহীর কাছ থেকে একটি আকর্ষণীয় পর্যবেক্ষণ এবং প্রশ্ন যারা লিখেছেন, কখনও কখনও চটজলদি প্রকল্পগুলিতে ডেটা মডেলারের পুরো দীর্ঘমেয়াদী ছবি না থাকে এবং তাই তারা স্প্রিন্ট একটিতে কিছু নকশা তৈরি করে এবং পরে তিন বা চারটি স্প্রিন্টে নতুন করে ডিজাইন করতে হয়। এটিকে কি পাল্টা প্রতিপন্ন বলে মনে হচ্ছে না? আপনি কীভাবে এ জাতীয় জিনিস এড়াতে পারেন?

রন হুইজেনগা: এটি কেবলমাত্র চতুর প্রকৃতির যে আপনি কোনও নির্দিষ্ট স্প্রিন্টে একেবারে ঠিক পাবেন না। এবং এটি আসলে তত্পরতার চেতনার অংশ is এটির সাথে কাজ করুন - আপনি কোনও নির্দিষ্ট স্প্রিন্টে কোডে কাজ করছেন এমন প্রোটোটাইপিং করতে যাচ্ছেন, এবং আপনি এটিতে আরও পরিমার্জন করতে চলেছেন। এবং সেই প্রক্রিয়াটির একটি অংশ হ'ল আপনি যখন জিনিস সরবরাহ করছেন শেষ ব্যবহারকারী এটি দেখেন এবং বলে, "হ্যাঁ এটি নিকটেই, তবে আমার এটিও এই সামান্য কিছুটা অতিরিক্ত করার দরকার আছে” "তাই এটি কেবল কার্যকরী নকশাকেই প্রভাবিত করে না কোডটি নিজেই রয়েছে তবে বেশিরভাগ ক্ষেত্রে আমাদের ব্যবহারকারীরা যা চান তা সরবরাহ করতে এই নির্দিষ্ট জিনিসের নীচে আরও ডেটা কাঠামো সংশোধন করতে বা যুক্ত করতে হয়। এবং এটি সমস্ত ন্যায্য খেলা এবং সেই কারণেই আপনি সত্যিই উচ্চ-চালিত সরঞ্জামগুলি ব্যবহার করতে চান কারণ আপনি খুব দ্রুত মডেলিং সরঞ্জামটিতে পরিবর্তন করতে পারেন এবং তারপরে ডেভেলপাররা সেই ডেটাবেজের জন্য ডিডিএল তৈরি করতে পারেন যা বিতরণ করার পরে তার বিরুদ্ধে কাজ করতে পারে আরও দ্রুত পরিবর্তন। আপনি ডাটা স্ট্রাকচারের মতো হ্যান্ড কোডিংটি করা থেকে তাদের বাঁচাচ্ছেন এবং প্রোগ্রামিং বা অ্যাপ্লিকেশন যুক্তিতে তাদের মনোনিবেশ করতে দিন যা তারা সবচেয়ে দক্ষ।

এরিক কাভানাঘ: এটি সম্পূর্ণ অর্থবোধ করে। আমাদের কাছে আরও কয়েক জন লোকের কাছে নির্দিষ্ট প্রশ্ন জিজ্ঞাসা করা হয়েছিল যে কীভাবে এই সমস্ত সরঞ্জামটিতে ফিরে আসে। I know you spent some time going through examples and you've been showing some screenshots about how you actually roll some of this stuff out. In terms of this whole sprint process, how often do you see that in play in organizations versus how often do you see more traditional processes where things just, kind of, plod along and take more time? How prevalent is the sprint-style approach from your perspective?

Ron Huizenga: I think we're seeing it more and more. I know that, I would say, probably in the last 15 years in particular, I've seen much more of an adoption of people recognizing that they really need to embrace quicker delivery. So I've seen more and more organizations jump on the agile bandwagon. Not necessarily entirely; they may start out with a couple of pilot projects to prove out that it works, but there are some that are still very traditional and they do stick with the waterfall method. Now, the good news is, of course, that the tools work very fine in those organizations as well for those type of methodologies, but we have the adaptability in the tool so that those who do jump on board have the tools in the toolbox at their fingertips. Things like the compare and merge, things like the reverse-engineering capabilities, so they can see what the existing data sources are, so they can actually compare and generate out the incremental DDL scripts very quickly. And as they start to embrace that and see that they can have the productivity, their inclination to embrace agile even more increases.

Eric Kavanagh: Well, this is great stuff, folks. I just posted a link to the slides there in the chat window, so check that out; it's a little bit of a Bitly in there for you. We do have all these webcasts for later viewing. Feel free to share them with your friends and colleagues. And Ron, thank you very much for your time today, you're always pleasant to have on the show – a real expert in the field and it's obvious that you know your stuff. So, thanks to you and thanks to IDERA and, of course, to Dez and our very own Robin Bloor.

And with that we're going to bid you farewell, folks. আপনার সময় এবং মনোযোগের জন্য আবার ধন্যবাদ। We appreciate you sticking around for 75 minutes, that's a pretty good sign. Good show guys, we'll talk to you next time. বাই বাই