3 redenen om te focussen op datamodellering

by Elke De Wit

Is datamodellering wel noodzakelijk? Kan je het niet overslaan en meteen overgaan tot het ontwerpen en implementeren van de database? Theoretisch gezien kan je elke datamodelleringstechniek omzeilen. Maar in de realiteit laat je datamodellen toch best niet links liggen.

 

In het digitale tijdperk waarin we leven, is data cruciaal geworden om de juiste beslissingen te nemen. Data moet daarom gemakkelijk en snel toegankelijk zijn. Het begrijpen en het juist kunnen interpreteren van datamodellen speelt hierin een belangrijke rol. 3 redenen waarom datamodellering je helpt om te slagen in je softwareprojecten.

 

  1. Datamodellen zijn gemakkelijker aan te passen dan databases

 Er is een groot verschil tussen het samenstellen van de spreadsheet van een data dictionary of data map, en het ontwerpen van een relationele database design voor je business.

Een veld verwijderen of in twee splitsen, het attribuut-type van een kolom wijzigen … In een spreadsheet pas je zulke zaken gemakkelijk aan. In een database die al ontworpen (en misschien zelfs al gebouwd) is, vergt dit type aanpassingen een pak meer werk. Je zal waarschijnlijk twee keer nadenken voor je zo’n aanpassing doorvoert, waardoor je de noden en wensen van de doelgroep gaat vermijden.

 

  1. Datamodellen zijn gemakkelijker te beoordelen dan database-ontwerpen

 Je kan ongeveer elk entity-relationship diagram (ERD) of gegevenswoordenboek uit je database halen, maar dat betekent nog niet dat die ontwerpen klaar zijn om aangepast te worden op basis van de feedback van de stakeholder. Meestal bevatten ze een enorme hoeveelheid informatie, informatie waar de stakeholder geen weg mee weet.

Een business analist zorgt ervoor dat die informatie zinvol wordt geïnterpreteerd. De stakeholder kan zo gefundeerde beslissingen maken. Het is voor hem veel makkelijker om die geïnterpreteerde informatie te beoordelen en er feedback op te geven dan op die overload aan informatie uit de database. Hoewel je de output kan automatiseren, is het meer werk dan zelf te interpreteren.

 

  1. Datamodellen helpen je een succesvolle carrière uit te bouwen

Waarschijnlijk heb je de databasetechnologie die je voor je huidig project gebruikt wel onder de knie. Je hebt ze misschien zelf gebouwd, getest of onderhouden? Maar hoe verder je je carrière als business analist uitbouwt, hoe meer je technische vaardigheden stilaan zullen vervagen.

Als je enkel blijft focussen op je vaardigheden als business analist, zou een van de volgende situaties al snel werkelijkheid kunnen worden:

  • Je verandert van job en komt terecht in een organisatie die je geen toegang geeft tot de fysieke database.
  • Je krijgt een nieuw project toegewezen, maar komt al snel tot de vaststelling dat je daarvoor databasetools moet gebruiken die je niet kent.

 

Zin in meer?

Wil je ook die vervelende situaties vermijden en meer uit je data halen? In onze datamanagementopleidingen komen er verschillende aspecten aan bod:

  • Inleiding tot data science & analytics in R: leer met geavanceerde analysetechnieken en tools om de juiste business inzichten te destilleren uit je data.
  • Data analytics in een Big Data omgeving: kom te weten of je traditioneel datamodel kan overleven in een big data eco-systeem.

 

Bron: Bridging the Gap

Lees ook