PROPOSISI NILAI MODEL DATA 2
MANFAAT PEMODELAN DATA SEBAGAI NILAI PROPOSISI
PROPOSISI NILAI # 1: DEFINISI LEBIH BAIK DARI PERSYARATAN DATA
Manfaat menyeluruh pemodelan data adalah definisi kebutuhan data bisnis yang lebih baik. Sistem yang baik adalah sistem yang melakukan apa yang seharusnya dilakukan. Proses pemodelan data, dan pengumpulan informasi memerlukannya, akan menangkap persyaratan data proyek secara efektif. Ini berarti persyaratannya akan benar dan lengkap. Pemodelan data dapat menghasilkan lebih banyak pertanyaan, memberikan lebih banyak jaminan integritas dan menemukan lebih banyak aturan bisnis daripada bentuk pemodelan proses, pemodelan kasus atau pemodelan alur kerja. Ini tak terkira lebih efisien daripada definisi data kebutuhan prosa.
Tanpa memahami persyaratan bisnis dan peraturan bisnis, sistem akan gagal memenuhi persyaratannya. Pemodelan data adalah tentang memahami bisnis dan peraturannya.
Pemodelan data diatur oleh peraturan dan prinsip yang membuatnya menjadi sarana yang efisien untuk menyatakan persyaratan data. Model data lebih ekspresif dan kurang verbose daripada menangkap persyaratan dengan cara lain. Model menghasilkan pertanyaan yang jika tidak lolos. Ini adalah produk sampingan alami dari model. Sifat visual dari model data memfasilitasi komunikasi. Orang-orang bisnis, dan pakar materi pelajaran lainnya, dapat dengan mudah diajarkan untuk menafsirkan model data sehingga bisa memvalidasi mereka secara independen. Salah satu manfaat besar dalam memiliki pakar materi pelajaran bisnis yang mengulas modelnya adalah cross-pollination. Pengguna bisnis tidak hanya menyumbangkan pengetahuan mereka tapi juga belajar tentang bagian lain dari organisasi.
Model data dipandu oleh aturan dan prinsip pemodelan. Penegakan ini dalam dan dari diri mereka sendiri akan membantu memastikan integritas model data. Aturan pemodelan data akan membantu memastikan pengambilan peraturan bisnis yang benar. Selain itu, model data harus diperiksa dengan menggunakan crosschecks yang self-validating dan akan memastikan bahwa model akan bekerja bila diterapkan.
Pemodelan data secara efisien menciptakan persyaratan yang tepat karena modelnya mirip teknik. Pemodelan data menangkap persyaratan yang baik di awal proses pengembangan dan memperbaiki setiap perubahan sama awal. Model data yang bagus akan mengurangi biaya pengembangan karena lebih sedikit persyaratan yang tidak diketahui atau tidak diantisipasi akan ditemukan selama proses konstruksi aplikasi.
PROPOSISI NILAI # 2: PEMELIHARAAN YANG DIKURANGI
Pemodelan data secara signifikan mengurangi biaya perawatan secara holistik dan discretely. Ini akan mengurangi persyaratan pemeliharaan pada umumnya di seluruh organisasi dan pada proyek individual.
Bukan rahasia lagi bahwa sebagian besar anggaran pembangunan paling banyak adalah pemeliharaan. Secara historis, namun secara konservatif, pemeliharaan menyumbang 50-80% anggaran pembangunan. Pengurangan dalam pemeliharaan akan berdampak signifikan terhadap biaya proyek.
Inti dari ini adalah satu prinsip sederhana: kesalahan sebelumnya ditemukan, semakin murah harganya. Konsekuensi dari ini adalah bahwa kesalahan sebelumnya berasal dan kemudian diperbaiki, semakin mahal masalahnya. Kesalahan dalam persyaratan data yang ditemukan selama pemodelan data tidak mahal untuk diperbaiki. Namun, jika kesalahan itu tidak ditemukan sampai proses pengkodean, maka akan lebih mahal untuk diperbaiki.
Pemodelan data akan memungkinkan organisasi untuk menangkap kesalahan lebih awal, mengurangi timbulnya kesalahan, dan mempermudah melakukan perawatan. Ini termasuk koreksi kesalahan dan perawatan adaptif. Pemeriksaan kebijakan model data standar, seperti ulasan model, panduan dan analisis skenario, bantu dengan ini. Pemodelan data dapat mempermudah penerapan perubahan dan penerapan perangkat tambahan. Non-redundansi dalam model membantu dengan ini. Ini berarti pemodelan data akan meningkatkan pencegahan kesalahan dan mengurangi biaya koreksi kesalahan. Ini termasuk biaya untuk meningkatkan sistem.
Sumber : TOM HAUGHEY, INFOMODEL, LLC
