Käsitteiden mallinnus (Logical Data Modeling) kytketään usein vain relaatiokannan suunnitteluun, mutta siitä on todella paljon hyötyä monissa muissakin tilanteissa. Kuvaan tässä muutamia.
1. Asiakkaan 360 asteen näkymä
Moni yritys on havahtunut siihen, että kovassa kilpailussa on tunnettava omat asiakkaat todella hyvin, jotta heitä voisi palvella mahdollisimman hyvin ja osattaisiin myydä tarkasti määritellyille asiakassegmenteille juuri heitä kiinnostavia asioita. Mutta asiakastietoja on monessa eri järjestelmässä. Asiakkaiden kanssa on erilaista vuoropuhelua. He tekevät reklamaatioita. He klikkailevat kotisivuillamme. On tehty asiakastyytyväisyyskyselyjä. Kaikki tämä data halutaan saada analysoitavaksi, 360 asteen näkymänä.
Käsitemallinnus on erinomainen tapa kuvata kaikki asiakkaaseen liittyvät tiedot. Käsitemalli käsitemäärityksineen on hyvä roadmap tuleville toteutuksille ja niiden vaiheistamisille siten, että alusta asti rakennetaan kokonaisuutta.
2. IoT ja Big Data –hankkeet
Yhdeksi IoT-toteutusten hidasteeksi on todettu tietojen siiloutuminen eri järjestelmiin ja myös eri laitteisiin. Laitteidenkaan tietosisältöä ei välttämättä ole kuvattu kovin selkeästi. Ennen IoT-hanketta kannattaa selvittää eri laitteisiin kerääntyvät tiedot. Menetelmäksi sopii hyvin käsitemallinnus.
Big Data –hankkeet alkavat usein erillisillä POC-kokeiluilla, niistä saadaan aitoa tuntumaa uusiin teknologioihin ja niiden soveltuvuuteen omien ongelmien ratkaisemisessa. Esimerkiksi kerätään potilaista mittausdataa, kuten sykettä ja verenpainetta. Hetken päästä syntyy kuitenkin tarve yhdistää ne potilaasta kerättyihin muihin tietoihin, kuten diagnoosit, lääkitykset ja nesteytys. Hoitojen vaikuttavuuden selvittämisessä tarvitaan potilaan kokonaisnäkymä. Otetaan siis Big Data –tyyppiset sensoritiedot mukaan käsitemallinnukseen.
3. ERP – tai valmisohjelmiston hankinta
Hankittaessa valmisohjelmistoa keskitytään usein siihen, miten uusi järjestelmä tukee organisaation prosesseja. Jokaisen valmisohjemiston sisällä on kuitenkin oma tietokantansa, joka on aikanaan suunniteltu jollekin asiakkaalle. Olen nähnyt tilanteita, joissa hankitun järjestelmän tietokanta onkin tärkeiltä kohdiltaan erirakenteinen kuin ko. organisaation omat käsiterakenteet. Tuloksena on hankalaa ja joskus lähes loputonta räätälöintitarvetta.
Jos olet hankkimassa valmisohjelmistoa tai ERP-järjestelmää, laadi ensin tuon alueen käsitemalli ja määrittele käsitteet. Pyydä sitten toimittajaehdokkailta heidän järjestelmänsä käsitemalli, joskin monasti sitä ei ole saatavissa. Joka tapauksessa on paljon helpompi keskustella toimittajien kanssa ja arvioida järjestelmiä, kun omat käsitteet määritelmineen ja tietojen rakenteet ovat valmiiksi selvillä. Mallinnus on halpaa ”paperityötä” verrattuna väärän järjestelmän hankintaan
4. NoSQL –kannan toteutus
Asiakkaani on juuri toteuttamassa uutta operatiivista tietojärjestelmää, joka pyörii MongoDB-tietokannan päällä. Teimme businesasiantuntijan kanssa käsitemallinnukset ja tutkimme fläpillä eri vaihtoehtoja käsiterakenteiksi. Saimme aikaan aika joustavan ja laajennettavan mallin. Aluksi ajatuksena oli käyttää relaatiokantaa, mutta lopulta asiakas päätyikin MongoDB-kantaan (NoSQL –kanta). Se tuntui sopivan juuri tämän alueen hierarkkisiin rakenteisiin ja muihin tarpeisiin hyvin. Käsitemallinnus siis auttoi valitsemaan tehtävään sopivan tietokannan. Lisäksi – huolimatta MongoDB:n hyvästä muutosjoustavuudesta – hyvin tehty mallinnus nopeutti huomattavasti toteutusta ja takasi selkeästi paremman tietokantaratkaisun.
5. Tietovaraston rakentaminen, uusiminen tai laajentaminen
Tietovarasto- ja BI –ratkaisuja rakennetaan nykyisin usein ketterästi, vaihe kerrallaan. Aluksi kannattaa kuitenkin tehdä laaja, koko alueen käsitemalli sopivalla tarkkuustasolla. Muuten voi käydä kuten sellaisessa omakotitalon rakentamisessa, jossa ensin rakennetaan olohuone, hyvä tuli, sitten ketterästi keittiö viereen, siitäkin tuli hyvä. Kun aletaan toteuttaa eteistä ja keittiötä huomataan, että huonejärjestys onkin huono. Jos olisi ollut edes karkeat piirustukset (vrt. ylätason käsitemalli), oltaisiin nähty heti, mikä on oikea huoneiden järjestys. Kokonaisuuden käsitemallinnus auttaa siis laatimaan paremman tietovaraston, tehtiin toteutus sitten dimensionaalisella mallinnuksella tai Data Vault -menetelmällä.
6. Data –arkeologia
Tietojärjestelmien takana olevien tietokantojen tietosisältö on yleensä kuvaamatta. Ei siis ole kokonaiskäsitystä siitä, mitä tietoja eri järjestelmissä on. Olen usein ollut tekemässä ns. data-arkeologiaa, jossa ikäänkuin jälkikäteen kuvataan mitä tietoja järjestelmissä on. Lopputuloksena on selkeät käsitemallit kustakin tietojärjestelmästä. Käsitemallinnus-menetelmää tukee tietojärjestelmien käyttöliittymien tutkiminen, näin saadaan tarvittaessa selvitettyä yksittäiset tietoalkiot jotka sitten kiinnitetään käsitemallin käsitteisiin. Tehdyt käsitemallit muodostavat tietoarkkitehtuurin rungon.
7. Prosessien mallinnus
Ehkä yllättävää, mutta käsitemallinnus kannattaa nimenomaan tehdä silloin, kun tehtävänä on prosessien mallinnus. Mallinnuskouluttajamme Alec Sharp kutsutaan usein konsultiksi mallintamaan prosesseja. Hän kertoo, että keskusteluissaan liiketoimintaihmisten kanssa hän esittää ensin: määritelläänpä joitakin asioita (”things”), kuvataan teidän maailmaanne (”describe your world”). Samalla hän laatii käsitemallin (ikäänkuin ”in secret”). Miksi näin? Vasta kun käsitteet on määritelty voi tehdä hyvät prosessikuvaukset.
Alec Sharp on maailman johtavia käsitemallinnuseksperttejä. Hänen erikoisalaansa ovat vuoropuhelun kehittäminen käyttäjien kanssa (human side of data modeling), vaativien mallinnusten tekeminen sekä erittäin selkeiden ja luettavien käsitemallien laatiminen. Alecin Advanced Data Modeling – kurssi on 30.11.2015 – 1. 12.2015
