Introduktion till Systemering - Högskolan i Gävle

Per Aspenberg ©
Göran Sundberg ©
DATA-ANALYS
Kurskompendium Introduktion till Systemering
TVÅ OLIKA SKÄL FÖR ATT DATAMODELLERA
Tidigare i detta kompendium har hävdats att en systemerare behöver upprätta systemmodeller
på olika beskrivningsnivå rörande åtminstone tre dimensioner hos det nya systemet:
Modell över funktionalitet (funktions & processmodellering)
Modell över datastrukturer och datalagring (datamodellering)
Modell över användargränssnitt (GUI-modellering)
Data-analys behövs av åtminstone två vitt skilda skäl:
Skapa ett underlag för dabaskonstruktionen
Skapa en allmän begreppsmodell för verksamhetens objekt och deras relationer
Med objekt avses här fenomen som kund och artikel. Det finns ett behov av att för
verksamhetens företrädare medvetandegöra och gemensamt definiera de objekt verksamheten
är förknippad med. Vad menar vi med en ”aktiv kund” resp en ”passiv kund”. Behövs den
kategoriindelningen av kunder? Behöver vi definiera artikelgrupper för artiklar i sortimentet?
TRE ARBETSETAPPER FÖR DATA-ANALYSEN
Med en tillämpning av den tidigare beskrivna TopDown-ansatsen skulle vi kunna genomföra
en modelleringsprocess som klarar både den allmänna begreppsutredningen och framtagandet
av ett underlag till databaskonstruktion genom följande steg:
Grov konceptuell modellering Identifiera verksamhetens objekt och deras relationer
Detaljerad konceptuell modellering Komplettera med samtliga attribut (termer) knutna
till objekten och objektens primärnycklar.
Databasmodellering Visa hur detta skulle kunna realiseras som en
databas.
Således tas tre olika typer av datamodeller fram; först grov konceptuell modell, sedan
detaljerad konceptuell modell och till sist databasmodell. På denna kurs refererar vi till alla
dessa som olika sorts datamodeller.
Grov och detaljerad konceptuell modellering sammanfaller gärna till ett gemensamt utvecklingsområde
med en konceptuell modell (helt enkelt) som resultat. En annan beteckning på
denna aktivitet är E/R-modellering, där E/R står för Entity/relationship (Entity =
entitet/objekt och Relationship = relation).
I processanalysen betraktade vi världen som bestående av ett antal användningsfall med sina
affärsprocesser. I data-analysen lägger vi ett helt annorlunda perspektiv. Vi betraktar världen
som bestående av objekt som vi bör lagra data om och deras relationer. Om vi realiserar en
sådan modell får vi en databas med minimal redundans (minsta möjliga dubbellagring).
28