చురుకైన వాతావరణంలో డేటా మోడలింగ్

Takeaway: చురుకైన అభివృద్ధిలో డేటా మోడలింగ్ యొక్క ప్రాముఖ్యతను హోస్ట్ ఎరిక్ కవనాగ్ రాబిన్ బ్లూర్, డెజ్ బ్లాంచ్ఫీల్డ్ మరియు IDERA యొక్క రాన్ హుయిజెంగాతో చర్చిస్తారు.

మీరు ప్రస్తుతం లాగిన్ కాలేదు. దయచేసి వీడియోను చూడటానికి లాగిన్ అవ్వండి లేదా సైన్ అప్ చేయండి.

ఎరిక్ కవనాగ్: సరే, లేడీస్ అండ్ జెంటిల్మెన్. మరోసారి స్వాగతం. దీని బుధవారం 4:00 EST వద్ద. అంటే హాట్ టెక్నాలజీస్ కోసం దాని సమయం. అవును నిజమే. నా పేరు ఎరిక్ కవనాగ్, నేను మీ హోస్ట్ అవుతాను.

నేటి అంశం కోసం, ఇది పాతది కాని మంచి విషయం. ఇది ప్రతిరోజూ మెరుగుపడుతోంది ఎందుకంటే ఇది మా డేటా మేనేజ్‌మెంట్ ప్రపంచాన్ని “ఎజైల్ ఎన్విరాన్‌మెంట్‌లో డేటా మోడలింగ్” గా రూపొందిస్తోంది. మీ గురించి ఒక స్లైడ్ నిజంగా ఉంది, నన్ను @eric_kavanagh లో నొక్కండి. మేము దానిని నిజంగా ఆ స్లైడ్‌లో ఉంచాలి. నేను దానిని పొందాలి.

కాబట్టి సంవత్సరాలు వేడిగా ఉన్నాయి. డేటా మోడలింగ్ ఎప్పటికీ ఉంది. ఇది నిజంగా సమాచార నిర్వహణ వ్యాపారం యొక్క గుండె మరియు ఆత్మ వద్ద ఉంది, డేటా మోడళ్ల రూపకల్పన, వ్యాపార నమూనాలను అర్థం చేసుకోవడానికి ప్రయత్నిస్తుంది మరియు వాటిని మీ డేటా మోడళ్లకు సమలేఖనం చేస్తుంది. నిజంగా మీరు ఏమి చేయాలనుకుంటున్నారు, సరియైనదా?

డేటా మోడల్ వ్యాపారాన్ని ప్రాథమిక మార్గంలో సూచిస్తుంది, కాబట్టి ఈ కొత్త డేటా వనరులు ఆటను ఎలా మారుస్తున్నాయి? దాని గురించి తెలుసుకోబోతున్నాం. మీరు చురుకైన మార్గంలో విషయాల పైన ఎలా ఉండగలరో తెలుసుకోవడానికి వెళుతున్నాము. మరియు కోర్సు యొక్క, ఇది సంవత్సరం పదం.

మాతో పాటు రాబిన్ బ్లూర్స్, ఆస్ట్రేలియాలోని సిడ్నీ నుండి మా ప్రధాన విశ్లేషకుడు డెజ్ బ్లాంచ్ఫీల్డ్ మరియు ఐడిరా నుండి సీనియర్ ప్రొడక్ట్ మేనేజర్ రాన్ హుయిజెంగా - నా చిరకాల మిత్రుడు, ఈ స్థలంలో అద్భుతమైన వక్త, అతని విషయాలు తెలుసు, కాబట్టి సిగ్గుపడకండి, అతనిని అడగండి కఠినమైన ప్రశ్నలు, చేసారో, కఠినమైనవి. దానితో, నేను రాబిన్‌ను ప్రెజెంటర్గా చేయబోతున్నాను మరియు దాన్ని తీసివేస్తాను.

డాక్టర్ రాబిన్ బ్లూర్: సరే. దానికి ధన్యవాదాలు, ఎరిక్. నేను మోడలింగ్ గురించి చెప్పాలి, అది ఉనికిలో ముందే నేను ఐటి ప్రపంచంలో ఉన్నాను, నేను పనిచేసిన భీమా సంస్థలో నేను గుర్తుంచుకున్నాను, మనకు ఒక వ్యక్తి వచ్చి మాకు ఒక రకమైనది డేటాను ఎలా మోడల్ చేయాలో వర్క్‌షాప్. కాబట్టి సుమారు 30 సంవత్సరాలు చూస్తున్నారా, ఇది 30 సంవత్సరాలు? బహుశా దాని కంటే ఎక్కువ కాలం, బహుశా 35 సంవత్సరాల క్రితం. సుదీర్ఘమైన, దీర్ఘకాల మోడలింగ్ వాస్తవానికి పరిశ్రమలో ఒక భాగం మరియు వాస్తవానికి దీనికి క్యాట్‌వాక్‌లపై లేడీస్‌తో సంబంధం లేదు.

నేను చెప్పదలచుకున్న విషయం ఏమిటంటే, మనం సాధారణంగా చేసేది, నేను మరియు డెజ్ వేర్వేరు విషయాల గురించి మాట్లాడుతుంటాను మరియు మోడలింగ్‌కు ఐడి సాధారణ అవలోకనాన్ని ఇస్తుందని నేను అనుకున్నాను, కాని దీనికి ఒక వాస్తవికత ఉంది, అది ఇప్పుడు స్పష్టంగా కనబడుతోంది.

మాకు తెలుసు, మీకు తెలుసా, పెద్ద డేటా రియాలిటీ, మాకు ఎక్కువ డేటా, ఎక్కువ డేటా సోర్సెస్ ఉన్నాయి, గత మూడు లేదా నాలుగు సంవత్సరాల్లో సమీకరణంలోకి ప్రవేశించిన డేటా స్ట్రీమ్‌లను మేము పొందాము మరియు దానిలో ఎక్కువ భాగాన్ని పొందడం ప్రారంభిస్తున్నాము మరియు ఉంది డేటాను అర్థం చేసుకోవలసిన ఎక్కువ అవసరం మరియు మార్పు రేటు పెరుగుదల ఎక్కువ డేటా జోడించబడుతోంది మరియు ఎక్కువ డేటా నిర్మాణాలు కూడా ఉపయోగించబడుతున్నాయి.

ఇది కష్టమైన ప్రపంచం. దాని యొక్క చిత్రం ఇక్కడ ఉంది, ఇది వాస్తవానికి మేము మూడు సంవత్సరాల క్రితం గీసినది కాని ప్రాథమికంగా, ఒకసారి మీరు మిక్స్ లోకి స్ట్రీమింగ్ను చేర్చారు మరియు మీకు డేటా రిఫైనరీ, డేటా హబ్, డేటా లింక్ లేదా ఏమైనా ఈ ఆలోచన వస్తుంది, డేటా అక్కడ ఉందని మీరు చూస్తారు నిజాయితీగా విశ్రాంతి వద్ద, అది చాలా వరకు కదలడం లేదు. ఆపై డేటా, స్ట్రీమ్‌లు మరియు మీకు అన్ని లావాదేవీల అప్లికేషన్ వచ్చింది, ప్లస్ ఈ రోజుల్లో మీకు ఈవెంట్‌లు వచ్చాయి, అనువర్తనాల్లో జరిగే ఈవెంట్ డేటా ఫ్లోలు అవసరం మరియు అవసరం కావచ్చు మరియు ఈ రోజుల్లో ప్రతిఒక్కరూ మాట్లాడుతున్న లాంబ్డా ఆర్కిటెక్చర్‌లతో, వాస్తవంగా ప్రభావం చూపుతున్నాయి డేటా మొత్తం ఫీల్డ్.

ఈ రోజుల్లో డేటా లేయర్ ఉన్నందున పరంగా ఆలోచించండి. డేటా పొర ఒక రకమైన వర్చువల్ మార్గంలో ఉంది, దానిలో మంచి భాగం క్లౌడ్‌లో ఉండవచ్చు మరియు ఇది డేటా సెంటర్లలో విస్తరించవచ్చు, ఇది వర్క్‌స్టేషన్లలో ఉనికిలో ఉంటుంది. డేటా పొర కొంతవరకు, ప్రతిచోటా మరియు ఆ కోణంలో, డేటాను ప్రాసెస్ చేయడానికి మరియు డేటాను కదిలించడానికి ఒక విధంగా లేదా మరొక విధంగా ప్రయత్నిస్తున్న ప్రక్రియలు ప్రతిచోటా ఉన్నాయి. మీరు దాని గురించి కదిలేటప్పుడు అది ఏమిటో తెలుసుకోవడం కూడా పెద్ద విషయం.

మేము డేటా మోడలింగ్‌ను చాలా సాధారణ అర్థంలో చూస్తే, ఈ రకమైన స్టాక్ దిగువన మీకు ఫైల్‌లు మరియు డేటాబేస్‌లు ఉన్నాయి. మీకు డేటా ఎలిమెంట్స్ ఉన్నాయి, వీటిలో కీలు, ఎలిమెంట్ డెఫినిషన్స్, అలియాస్, పర్యాయపదాలు, నిర్దిష్ట భౌతిక ఫార్మాట్‌లు ఉన్నాయి, ఆపై మాకు ఈ మెటాడేటా లేయర్ ఉంది.

మెటాడేటా గురించి ఆసక్తికరమైన విషయం ఏమిటంటే మెటాడేటా పూర్తిగా డేటా దాని అర్ధాన్ని ఎలా పొందుతుంది. మీకు వాస్తవానికి మెటాడేటా లేకపోతే, అప్పుడు మీరు డేటా యొక్క అర్ధాన్ని can హించవచ్చు, కానీ మీకు చాలా ఇబ్బందులు ఎదురవుతాయి. మెటాడేటా అక్కడ ఉండాలి, కానీ అర్థానికి నిర్మాణం ఉంది. నేను అర్ధం యొక్క తత్వశాస్త్రంలోకి వెళ్లాలని అనుకోను, కాని మనం డేటాతో వ్యవహరించే విధానంలో కూడా, మానవ ఆలోచన మరియు మానవ భాషలో చాలా అధునాతనత ఉన్నాయి, ఇది డేటాలో సులభంగా వ్యక్తపరచదు. వాస్తవానికి మనం ప్రపంచంలో ప్రాసెస్ చేసే డేటా పరంగా కూడా, మెటాడేటాకు అర్థం మరియు మెటాడేటా యొక్క నిర్మాణం ఉన్నాయి - ఒకదానికి సంబంధించిన డేటా యొక్క మరొక భాగం మరియు అవి కలిసి ఉన్నప్పుడు దాని అర్థం ఏమిటి మరియు అవి ఇతర వాటితో చేరినప్పుడు దాని అర్థం ఏమిటి డేటా, మేము దానిని మోడల్ చేయాలని డిమాండ్ చేస్తాము. విషయాలకు మెటాడేటా ట్యాగ్‌లను రికార్డ్ చేయడానికి ఇది సరిపోదు, మీరు వాస్తవానికి నిర్మాణాలకు అర్ధాన్ని మరియు నిర్మాణాల మధ్య సంబంధాన్ని రికార్డ్ చేయాలి.

అప్పుడు మనకు పై పొర వద్ద, వ్యాపార నిర్వచనాలు ఉన్నాయి, ఇది సాధారణంగా మెటాడేటా మధ్య అర్థాన్ని బదిలీ చేయడానికి ప్రయత్నించే పొర, ఇది కంప్యూటర్ మరియు మానవ అర్ధంలో డేటాను నిర్వహించే విధానానికి అనుగుణంగా ఉండే డేటా నిర్వచనం యొక్క ఒక రూపం. కాబట్టి మీకు వ్యాపార పదాలు, నిర్వచనాలు, సంబంధాలు, ఎంటిటీ-స్థాయి భావనలు ఆ పొరలో ఉన్నాయి. మరియు ఈ పొరల మధ్య అసమర్థత ఉండబోతున్నట్లయితే, మనకు డేటా మోడలింగ్ ఉండాలి. ఇది నిజంగా ఐచ్ఛికం కాదు. దీన్ని ఆటోమేట్ చేసే విషయంలో మీరు ఎంత ఎక్కువ చేయగలిగితే అంత మంచిది. కానీ దాని అర్ధంతో సంబంధం ఉన్నందున, ప్రత్యామ్నాయంగా మార్చడం నిజంగా కష్టం. రికార్డులో మెటాడేటాను పట్టుకోవటానికి మరియు వరుస అర్ధాల నుండి పొందగలిగేంత సులభం, కానీ ఇది రికార్డుల నిర్మాణాన్ని లేదా రికార్డులు ఏమిటో లేదా రికార్డు యొక్క కాన్ ఏమిటో మీకు చెప్పదు.

కాబట్టి, డేటా మోడలింగ్ అంటే ఇదేనని నా అభిప్రాయం. గమనించవలసిన అంశాలు: డేటా విశ్వం మరింత క్లిష్టంగా మారుతుంది, మీరు దానిని మరింత మోడల్ చేయాలి. మరో మాటలో చెప్పాలంటే, డేటా రికార్డులకు అనుగుణంగా ఉండే ప్రపంచానికి ఎక్కువ సందర్భాలను మాత్రమే జోడించడం లేదు, కానీ వాస్తవానికి మరింత ఎక్కువ విషయాలపై డేటాను సంగ్రహించడం ద్వారా ప్రపంచానికి మరింత అర్థాన్ని జోడిస్తున్నారు. ఇది మనం అర్థం చేసుకోవలసిన మరింత క్లిష్టమైన అనుభూతిని కలిగిస్తుంది.

సిద్ధాంతంలో డేటా విశ్వం ఉంది మరియు మనకు దాని యొక్క దృశ్యం అవసరం. ఆచరణలో, వాస్తవ మెటాడేటా డేటా విశ్వంలో భాగం. కాబట్టి, ఇది సాధారణ పరిస్థితి కాదు. మోడలింగ్ ప్రారంభం టాప్-డౌన్ మరియు బాటమ్-అప్. మీరు రెండు దిశలలో నిర్మించాల్సిన అవసరం ఉంది మరియు దానికి కారణం, డేటా కంప్యూటర్ మరియు ప్రాసెస్‌కు అర్ధాన్ని కలిగి ఉంది, దానిని ప్రాసెస్ చేయాలి, కానీ దానికి దాని స్వంత అర్ధమే ఉంది. కాబట్టి, మీకు బాటప్-అప్ అర్ధం కావాలి, ఇది డేటాను యాక్సెస్ చేయాల్సిన సాఫ్ట్‌వేర్‌ను సంతృప్తిపరుస్తుంది మరియు మీకు టాప్-డౌన్ అర్ధం అవసరం, తద్వారా మానవులు దానిని అర్థం చేసుకోగలరు. మెటాడేటా మోడళ్ల నిర్మాణం ఒక ప్రాజెక్ట్ కాదు మరియు ఎప్పటికీ కాదు; ఇది కొనసాగుతున్న కార్యాచరణ - అవి ఉన్న ప్రతి వాతావరణంలో కొనసాగుతున్న కార్యాచరణగా ఉండాలి. అదృష్టవశాత్తూ, చాలా వాతావరణాలు ఉన్నాయి, ఇక్కడ అది వాస్తవంగా ఉండదు మరియు తదనుగుణంగా విషయాలు నియంత్రణలో లేవు.

సాంకేతిక పరిజ్ఞానం ముందుకు సాగడంతో మోడలింగ్ ప్రాముఖ్యతతో పెరుగుతుంది. నా అభిప్రాయం. మీరు IoT ని పరిశీలిస్తే, మొబైల్ ను మనం ఉపయోగించిన దానికంటే ఎక్కువగా అర్థం చేసుకోవచ్చు, అయినప్పటికీ దాని కొత్త కొలతలు ప్రవేశపెట్టారు: మొబైల్ తో స్థానం యొక్క పరిమాణం. మీరు IoT కి చేరుకున్న తర్వాత, మేము ఇంతకు ముందెన్నడూ చేయని అసాధారణమైన డేటా సమస్యలను చూస్తున్నాము మరియు మనకు ఏమి లభించిందో సరిగ్గా అర్థం చేసుకోవడానికి, ఒక మార్గం లేదా మరొకటి అవసరం, మనం దాన్ని ఎలా సమగ్రపరచగలం, మనం ఏమి చేయగలం అగ్రిగేషన్ నుండి అర్ధాన్ని పొందే పరంగా, మరియు మేము దానిని ప్రాసెస్ చేసినప్పుడు దానితో ఏమి చేయగలం.

నేను తగినంతగా చెప్పాను. నేను డెజ్ బ్లాంచ్‌ఫీల్డ్‌కు వెళ్తాను, పూర్తిగా వేరే విషయం చెబుతాను.

డెజ్ బ్లాంచ్ఫీల్డ్: ధన్యవాదాలు. అనుసరించడానికి ఎల్లప్పుడూ కఠినమైన చర్య, కానీ ఇది మేము అంగీకరించిన మరియు ప్రీషో పరిహాసంలో క్లుప్తంగా మాట్లాడిన అంశం, మరియు మీరు ప్రారంభంలో డయల్ చేస్తే, మీరు బహుశా గొప్ప రత్నాల మొత్తాన్ని పట్టుకుంటారు. టేకావేలలో ఒకటి, మరియు నేను ఈ ప్రత్యేకమైన ఉరుమును దొంగిలించాలనుకోవడం లేదు, కానీ నేను పంచుకోవాలనుకునే మా ప్రీషో పరిహాసము నుండి టేకావేలలో ఒకటి, మీరు దానిని పట్టుకోకపోతే, డేటా ప్రయాణం అనే అంశం చుట్టూ ఉంది , మరియు తరం జీవితకాలం - సంవత్సరం, నెలలు, వారం, రోజు, గంట, నిమిషం, రెండవది - మరియు డేటా చుట్టూ ఉన్న కాన్ ఆ డేటా లోపల ఉంచబడిన ప్రయాణం గురించి ఆలోచిస్తూ వ్రాయడానికి ఇది నన్ను తాకింది. . నేను డెవలపర్ రన్నింగ్ కోడ్ అయినా, లేదా నేను డేటా స్పెషలిస్ట్ మరియు నేను నిర్మాణం మరియు ఫార్మాట్ మరియు ప్రతి మూలకాల చుట్టూ ఉన్న మెటాడేటా గురించి ఆలోచిస్తున్నానా లేదా వ్యవస్థలు మరియు వ్యాపారం దానితో సంభాషించే విధానం గురించి.

ఇది గమనించదగ్గ చిన్న టేకావే, అయితే ఏమైనప్పటికీ, నన్ను డైవ్ చేద్దాం. డేటా డిజైన్, ముఖ్యంగా, నేను అన్ని విషయాల డేటా గురించి మాట్లాడటానికి మరియు అనువర్తనాలు లేదా డేటాబేస్ మౌలిక సదుపాయాల అభివృద్ధి గురించి ప్రత్యేకంగా మాట్లాడటానికి ఉపయోగించే ఒక పదబంధం. డేటా డిజైన్ అనేది నా మనస్సులో అన్నింటినీ బాగా బంధించే పదం అని నేను అనుకుంటున్నాను. ఈ రోజుల్లో మేము డేటా డిజైన్ గురించి మాట్లాడేటప్పుడు, మేము ఆధునిక చురుకైన డేటా డిజైన్ గురించి మాట్లాడుతాము, మరియు నా అభిప్రాయం ఏమిటంటే చాలా కాలం క్రితం డెవలపర్లు మరియు డేటా నిపుణులు ఒంటరిగా పనిచేశారు; వారు తమ సొంత గోతులు మరియు డిజైన్ ముక్కలు ఒక గొయ్యి నుండి మరొకదానికి వెళ్ళాయి. కానీ ఈ రోజుల్లో నేను చాలా అభిప్రాయపడ్డాను, అది మార్చబడిన సందర్భం మాత్రమే కాదు, అది మారాలి; ఇది ఒక విధమైన అవసరం మరియు ఆ అప్లికేషన్ - డెవలపర్లు మరియు డేటాతో వ్యవహరించే అభివృద్ధికి ఏదైనా, స్కీమా మరియు ఫీల్డ్‌లు మరియు రికార్డులు మరియు స్థానం మరియు డేటాబేస్ వ్యవస్థలు మరియు మౌలిక సదుపాయాలు, మోడలింగ్ మరియు మొత్తం నిర్వహణ యొక్క సంబంధిత డిజైన్ అంశాలను చేసే డిజైనర్లు. దాని చుట్టూ సవాలు. ఇది ఇప్పుడు జట్టు క్రీడ, అందువల్ల ఆకాశం గుండా పడే వ్యక్తుల దృశ్యమాన ఆసక్తికరమైన చిత్రాన్ని ఆడటానికి ఒక బృందం వలె వ్యవహరించే కొంతమంది ప్రజలు విమానం నుండి దూకినట్లు నా చిత్రం.

మూడవది, దీన్ని తీసుకురావడానికి ఏమి జరిగింది? 1986 లో హిరోటాకా టేకుచి మరియు ఇకుజిరో నోనాకాకు న్యాయం చేయడానికి నేను తీవ్రంగా ప్రయత్నించిన ఇద్దరు పెద్దమనుషులు రాసిన ఒక కథనం ఉంది, ఇది ఉచ్చరించబడిందని నేను భావిస్తున్నాను, వారు “మూవింగ్ ది స్క్రమ్ డౌన్‌ఫీల్డ్” పేరుతో ఒక కథనాన్ని రూపొందించారు. ఈ స్క్రమ్ కార్యాచరణ నుండి వెళ్ళే రగ్బీ ఆటను గెలవడానికి ఒక పద్దతి యొక్క ఈ ఆలోచన, ఇక్కడ ప్రతిఒక్కరూ ఒకే చోట తిరుగుతారు మరియు రెండు జట్లు తప్పనిసరిగా స్క్రమ్ అని పిలవబడే వాటిలో తలలను లాక్ చేసి బంతిని నియంత్రించడానికి ప్రయత్నించి మైదానంలో ఆడటానికి ప్రయత్న రేఖకు చేరుకోండి మరియు బంతితో భూమిని తాకి, ట్రైన్ అని పిలువబడే పాయింట్‌ను పొందండి మరియు మీరు ఈ విధానాన్ని పునరావృతం చేస్తారు మరియు మీరు జట్టుకు ఎక్కువ పాయింట్లు పొందుతారు.

ఈ వ్యాసం 1986 లో హార్వర్డ్ బిజినెస్ రివ్యూలో ప్రచురించబడింది మరియు ఆసక్తికరంగా ఇది చాలా శ్రద్ధ తీసుకుంది. ఇది చాలా శ్రద్ధ తీసుకుంది ఎందుకంటే ఇది అద్భుతమైన కొత్త భావనలను ప్రవేశపెట్టింది మరియు ఇక్కడ దాని ముందు స్క్రీన్ షాట్ ఉంది. కాబట్టి వారు ఆట రగ్బీ నుండి స్క్రమ్ యొక్క ఈ భావనను తీసుకున్నారు మరియు వారు దానిని వ్యాపారంలోకి తీసుకువచ్చారు మరియు ముఖ్యంగా డిజైన్ మరియు ప్రాజెక్ట్ డెలివరీ ఆటలో, ప్రత్యేకంగా ప్రాజెక్ట్ డెలివరీ.

మేము జలపాతం పద్దతి అని పిలిచే వాటిలో ఇంతకుముందు ఉపయోగించిన PRINCE2 లేదా PMBOK వంటి వాటితో పోల్చితే స్క్రమ్ ఏమి చేసింది, మీకు తెలుసా, ఈ పని మరియు ఈ పని మరియు ఈ పనిని చేయండి మరియు వాటిని క్రమం తప్పకుండా అనుసరించండి మరియు కనెక్ట్ చేయండి చుట్టూ ఉన్న అన్ని చుక్కలు, ఇది మీ వద్ద ఉన్నదానిపై ఆధారపడి ఉంటుంది లేదా మీరు పార్ట్ వన్ పూర్తి చేసేవరకు పార్ట్ టూ చేయవద్దు ఎందుకంటే ఇది పార్ట్ వన్ మీద ఆధారపడి ఉంటుంది. ఇది మాకు ఇచ్చినది కొంచెం చురుకైనదిగా ఉండటానికి ఒక కొత్త పద్దతి, ఈ పదం ఎక్కడ నుండి వచ్చింది, మేము వస్తువులను ఎలా పంపిణీ చేస్తాము మరియు ప్రత్యేకంగా డిజైన్ మరియు అభివృద్ధి అట్టడుగు ప్రాజెక్ట్ డెలివరీ చుట్టూ.

కొంతమంది కీ అద్దెదారులు - నేను దీనితో ముందుకు సాగాను - స్క్రమ్ యొక్క ముఖ్య అద్దెదారుల చుట్టూ ఉంది.ఇది అస్థిరతను నిర్మించాలనే ఆలోచనను ప్రవేశపెట్టింది, మీరు గందరగోళ భయం గురించి ఆలోచిస్తే, ప్రపంచం గందరగోళ స్థితిలో ఉంది, కానీ గ్రహం ఏర్పడింది, ఇది ఆసక్తికరంగా ఉంటుంది, కాబట్టి అస్థిరతను పెంపొందించుకోవడం, కొంచెం చుట్టూ బౌన్స్ చేయగల సామర్థ్యం మరియు ఇప్పటికీ వాస్తవంగా విషయాలు పని చేస్తాయి, స్వీయ-ఆర్గనైజింగ్ ప్రాజెక్ట్ జట్లు, చాలా బాధ్యతాయుతమైన అభివృద్ధి ద్వారా సహాయాలను అతివ్యాప్తి చేయడం, ప్రాజెక్ట్ డెలివరీ ప్రయాణం ద్వారా వివిధ రకాలైన అభ్యాసం మరియు నియంత్రణ, అభ్యాస సంస్థాగత బదిలీ. కాబట్టి మేము వ్యాపారం యొక్క ఒక భాగం నుండి సమాచారాన్ని తీసుకొని, ఆలోచన ఉన్న వ్యక్తుల నుండి మరొకదానికి ఎలా బదిలీ చేస్తాము కాని కోడ్‌ను అభివృద్ధి చేయవద్దు లేదా డేటాబేస్‌లు మరియు మౌలిక సదుపాయాలను అభివృద్ధి చేయవద్దు, కానీ ఆ వ్యక్తులకు డేటా ఎలా? మరియు ప్రత్యేకంగా టైమ్-బాక్స్ ఫలితాలు. మరో మాటలో చెప్పాలంటే, ఒక రోజు 24 గంటలు, లేదా ఒక వారం లేదా కొన్ని వారాలు ఇలా చేద్దాం మరియు మనం ఏమి చేయగలమో చూద్దాం మరియు తరువాత వెనక్కి తిరిగి చూద్దాం.

అందువల్ల, మీరు పన్ ను క్షమించినట్లయితే, ఇది నిజంగా ప్రాజెక్ట్ డెలివరీలో ఒక కొత్త గేమ్ మరియు దీనికి మూడు ప్రధాన భాగాలు మేము ఇక్కడ కొంచెం ముందుకు వెళ్ళేటప్పుడు అర్ధమే - ఉత్పత్తి ఉంది: ఈ ప్రజలందరికీ ఆలోచన ఉంది మరియు కలిగి ఉంది ఏదో ఒకటి చేయవలసిన అవసరం మరియు వాటిని చుట్టుముట్టే కథ. వారి కథలను పొందే చురుకైన నమూనాలో పనిచేసే డెవలపర్లు మరియు స్క్రమ్ మెథడాలజీని ఉపయోగించి రోజువారీ స్టాండప్‌ల ద్వారా చర్చించి, వారు ఏమి చేయాలో అర్థం చేసుకోండి, ఆపై వెళ్లి వెళ్లి దాన్ని చేయండి. అప్పుడు ప్రజలు, ఈ మొత్తం విషయాన్ని పర్యవేక్షించే స్క్రమ్ మాస్టర్స్ గురించి మేము విన్నాము మరియు దానిని నడపడానికి తగినంత పద్దతిని అర్థం చేసుకుంటాము. పోస్ట్-ఇట్ నోట్స్‌తో నిండిన గోడలు మరియు వైట్‌బోర్డులతో నేను ఇక్కడ కుడి వైపున ఉన్న ఈ చిత్రాలను మనమందరం చూశాము మరియు అవి కాన్బన్ గోడలుగా అందించబడ్డాయి. కాన్బన్ ఎవరో మీకు తెలియకపోతే, మిస్టర్ కాన్బన్ ఎవరు అని నేను మిమ్మల్ని గూగుల్‌కు ఆహ్వానిస్తున్నాను మరియు మనం ఒక గోడ నుండి అక్షరాలా కానీ ఒక ప్రాజెక్ట్‌లో ఒక వైపు నుండి మరొక వైపుకు వస్తువులను తరలించే విధానంలో ఇది ఎందుకు మార్పు.

ఒక చూపులో, స్క్రమ్ వర్క్ఫ్లో ఇది చేస్తుంది: ఇది ఒక సంస్థ చేయాలనుకుంటున్న విషయాల జాబితాను తీసుకుంటుంది, వాటిని 24 గంటల వ్యవధిగా, నెల రోజుల వ్యవధిలో విభజించిన ss అని పిలిచే విషయాల శ్రేణి ద్వారా వాటిని అమలు చేయండి మరియు మేము ఈ పెరుగుతున్న శ్రేణి ఉత్పాదనలను పొందండి. ప్రాజెక్టులు పంపిణీ చేయబడిన విధానానికి ఇది ఒక ముఖ్యమైన మార్పు, ఎందుకంటే ఆ దశ వరకు పంపిణీ చేయబడినది, ఎందుకంటే US సైన్యం వంటి ప్రవాహాలలో కొంత భాగం PMBOK అని పిలువబడే వాటిలో అభివృద్ధి చేయడంలో గొప్ప భాగాన్ని కలిగి ఉంది, ట్యాంక్‌ను ఫీల్డ్‌లోకి తీసుకోవద్దు అనే ఆలోచన వంటిది మీరు బుల్లెట్లను ఉంచే వరకు, ఎందుకంటే ఫీల్డ్‌లోని ట్యాంకుకు బుల్లెట్లు లేకపోతే, అది పనికిరానిది. కాబట్టి పార్ట్ వన్ ట్యాంక్‌లో బుల్లెట్లను ఉంచారు, రెండవ భాగం ట్యాంక్‌ను పొలంలో ఉంచారు. దురదృష్టవశాత్తు, అయితే, అభివృద్ధి ప్రపంచంలో డెవలపర్‌లతో ఏమి జరిగిందో ఏదో ఒకవిధంగా ఈ చురుకైన పద్దతిని పట్టుకుని, దానితో పరుగెత్తండి, మీరు పన్ క్షమించుకుంటే, ఒక s వద్ద.

స్థిరంగా ఏమి జరిగిందంటే, మనం చురుకైన గురించి ఆలోచించినప్పుడు మేము సాధారణంగా డెవలపర్‌ల గురించి ఆలోచిస్తాము మరియు డేటాబేస్‌ల గురించి కాదు మరియు డేటాబేస్‌ల ప్రపంచంతో ఏదైనా చేయగలము. ఇది దురదృష్టకర ఫలితం ఎందుకంటే చురుకైనది డెవలపర్‌లకు మాత్రమే పరిమితం కాదు. వాస్తవానికి, నా దృష్టిలో చురుకైన పదం తరచుగా సాఫ్ట్‌వేర్ డెవలపర్‌లతో ప్రత్యేకంగా సంబంధం కలిగి ఉంటుంది మరియు డేటాబేస్ డిజైనర్లు మరియు వాస్తుశిల్పులతో కాదు. సాఫ్ట్‌వేర్ మరియు అప్లికేషన్ అభివృద్ధిలో మీరు ఎదుర్కొంటున్న అదే సవాళ్లు డిజైన్ మరియు అభివృద్ధి మరియు ఆపరేషన్ మరియు నిర్వహణతో మరియు డేటా మౌలిక సదుపాయాలు మరియు ముఖ్యంగా డేటాబేస్‌లతో చేయవలసిన అన్ని విషయాలలో ఎదుర్కొంటాయి. ఈ ప్రత్యేకమైన డేటా తారాగణంలోని నటీనటులలో డేటా ఆర్కిటెక్ట్స్, మోల్డర్స్, అడ్మినిస్ట్రేటర్లు, డేటాబేస్ ఇన్ఫ్రాస్ట్రక్చర్ల నిర్వాహకులు మరియు వాస్తవ డేటాబేస్లు వ్యాపార మరియు వ్యవస్థల విశ్లేషకులు మరియు వాస్తుశిల్పుల ద్వారా, వ్యవస్థలు ఎలా కూర్చుంటాయో ఆలోచించే వ్యక్తులు మరియు వ్యాపారం పనిచేస్తాయి మరియు వీటి ద్వారా మేము డేటాను ఎలా పొందగలిగాము.

ఇది నేను క్రమం తప్పకుండా తీసుకువచ్చే అంశం, ఎందుకంటే ఇది నా నిరంతరం నిరాశకు గురిచేస్తుంది, ఎందుకంటే డేటా స్పెషలిస్టులు తప్పనిసరిగా - చేయకూడదు - ప్రాజెక్ట్ డెలివరీ యొక్క ప్రతి అంశంలో, ముఖ్యంగా, ముఖ్యంగా అభివృద్ధిలో సన్నిహితంగా పాల్గొనాలి. మనకు కాకపోతే, మంచి ఫలితం కోసం మేము నిజంగా మంచి అవకాశాన్ని ఇవ్వడం లేదు. మేము తరచూ తిరిగి సర్కిల్ చేయవలసి ఉంటుంది మరియు ఈ విషయాల గురించి మరొకటి ఆలోచించాలి ఎందుకంటే ఒక దృశ్యం ఉంది, మేము నిర్మించబడుతున్న అనువర్తనానికి చేరుకుంటాము మరియు డెవలపర్లు ఎల్లప్పుడూ డేటా నిపుణులు కాదని మేము కనుగొంటాము. డేటాబేస్‌లతో పనిచేయడానికి చాలా ప్రత్యేకమైన నైపుణ్యాలు అవసరం, ముఖ్యంగా డేటా చుట్టూ, మరియు అనుభవాన్ని పెంచుతుంది. మీరు తక్షణమే రాత్రిపూట డేటాబేస్ గురువు లేదా డేటా నాలెడ్జ్ నిపుణులుగా మారరు; ఇది తరచూ జీవితకాల అనుభవం నుండి వస్తుంది మరియు ఖచ్చితంగా కోడ్ టుడేలో డాక్టర్ రాబిన్ బ్లూర్ వంటి వారితో, ఈ పుస్తకాన్ని చాలా గొప్పగా రాశారు.

అనేక సందర్భాల్లో - మరియు ఇది దురదృష్టకరం కాని ఇది ఒక వాస్తవికత - ఈ నాణెం యొక్క రెండు భాగాలు ఉన్నాయి, అంటే సాఫ్ట్‌వేర్ డెవలపర్లు డేటాబేస్ స్పెషలిస్ట్‌కు సంబంధించి వారి స్వంత బ్లాక్అవుట్ కలిగి ఉన్నారు మరియు డేటాబేస్ డిజైన్ మోడలింగ్‌లో మీకు అవసరమైన నైపుణ్యాలను నిర్మించారు, మోడల్ అభివృద్ధి కేవలం డేటా ఎలా వస్తుంది మరియు ప్రయాణం యొక్క సంస్థ ఎలా ఉంటుంది మరియు ఎలా ఉండాలి లేదా ఎలా ఉండకూడదు అనే గురువుల ఇంజనీరింగ్‌కు ప్రాథమికమైనది, లేదా నిస్సందేహంగా ఇది సాఫ్ట్‌వేర్ డెవలపర్‌ల కోసం సెట్ చేయబడిన స్థానిక నైపుణ్యాలలో సాధారణంగా సంపాదించిందని అర్థం చేసుకోవడం. మరియు మనం ఎదుర్కొనే కొన్ని సాధారణ సవాళ్లు, కోర్ డేటాబేస్ రూపకల్పన యొక్క ప్రాథమిక సృష్టి మరియు నిర్వహణ మరియు నిర్వహణ, డేటా మరియు డేటాబేస్ మౌలిక సదుపాయాలను డాక్యుమెంట్ చేయడం మరియు ఆ డేటా ఆస్తులు, స్కీమా నమూనాలు, స్కీమా తరాలు, స్కీమా యొక్క పరిపాలన మరియు నిర్వహణ మరియు వాటి ఉపయోగం, ఈ స్కీమా ఒక నిర్దిష్ట మార్గంలో ఎందుకు రూపొందించబడింది అనేదాని గురించి పంచుకోవడం మరియు కాలక్రమేణా దానితో వచ్చే బలాలు మరియు బలహీనతలు కాలక్రమేణా డేటా మార్పులకు కారణమవుతాయి, డేటా మోడలింగ్ మరియు రకాలు మేము వాటి ద్వారా ప్రవహించే వ్యవస్థలు మరియు డేటాకు మేము వర్తించే నమూనాలు. డేటాబేస్ కోడ్ జనరేషన్ మరియు ఇది ఇంటిగ్రేషన్‌లోకి వెళ్లి, వాటి చుట్టూ డేటాను మోడల్ చేసి, డేటా చుట్టూ భద్రతను నియంత్రించడానికి మరింత త్వరగా ప్రాప్యత చేస్తుంది, డేటా యొక్క సమగ్రత మేము దాని సమగ్రతను నిలుపుకుంటూ డేటాను చుట్టూ తిప్పుతున్నాము, చుట్టూ తగినంత మెటాడేటా ఉందా? అది, అమ్మకాలు పట్టికలోని అన్ని రికార్డులను చూడాలా లేదా వారు పోస్ట్‌లో మీరు ఉంచిన చిరునామా, మొదటి పేరు, చివరి పేరు మాత్రమే చూడాలా? మోడలింగ్ డేటాబేస్ ప్లాట్‌ఫారమ్‌లు పూర్తిగా భిన్నమైన సంభాషణ.

ఈ మోక్షంలో దేనినైనా సాధ్యం చేయడానికి వీటన్నిటిని దృష్టిలో ఉంచుకుని, డేటా నిపుణులు మరియు డెవలపర్లు ఇద్దరూ తగిన సాధనాలను కలిగి ఉండటం మరియు ఆ సాధనాలు జట్టు-కేంద్రీకృత ప్రాజెక్ట్ డెలివరీకి సామర్థ్యం కలిగి ఉండటం చాలా క్లిష్టమైనది. డిజైన్, అభివృద్ధి మరియు కొనసాగుతున్న కార్యాచరణ నిర్వహణ. డేటా నిపుణులు మరియు సాఫ్ట్‌వేర్ డెవలపర్‌ల మధ్య ప్రాజెక్టులలో సహకరించడం, డేటాబేస్ యొక్క డాక్యుమెంటేషన్ చుట్టూ ఉన్న అన్ని విషయాల కోసం సింగిల్ పాయింట్ ఆఫ్ ట్రూత్ లేదా సత్యం యొక్క ఒకే మూలం, డేటా, స్కీమాస్, రికార్డులు ఎక్కడ నుండి వచ్చాయో, ఆ రికార్డుల యజమానులు . ఈ రోజు మరియు వయస్సులో ఇది చాలా క్లిష్టమైనదని నేను అనుకుంటున్నాను, మేము డేటా యొక్క ఈ మోక్షాన్ని రాజుగా పొందబోతున్నాం, సరైన సాధనాలు స్థానంలో ఉండాలి ఎందుకంటే సవాలు ఇప్పుడు మానవీయంగా చేయటానికి మాకు చాలా పెద్దది, మరియు ప్రజలు ఉంటే ఒక సంస్థలోకి మరియు బయటికి వెళ్లండి, ఒక వ్యక్తి మంచిగా ఏర్పాటు చేయగల అదే విధానాన్ని లేదా పద్దతిని అనుసరించకపోవడం మాకు చాలా సులభం మరియు ముందుకు సాగే నైపుణ్యాలు మరియు సామర్థ్యాలను తప్పనిసరిగా బదిలీ చేయకూడదు.

దీన్ని దృష్టిలో పెట్టుకుని, నేను IDERA లోని మా మంచి స్నేహితుడి వద్దకు వెళ్తాను మరియు ఆ సాధనం గురించి మరియు ఇది ఈ విషయాలను ఎలా పరిష్కరిస్తుందో గురించి వినబోతున్నాను.

రాన్ హుయిజెంగా: వేదికను చక్కగా అమర్చినందుకు చాలా ధన్యవాదాలు మరియు రాబిన్ మరియు డెజ్ ఇద్దరికీ ధన్యవాదాలు, మరియు నేను మాట్లాడిన కొన్ని విషయాలలో మీరు కొంచెం అతివ్యాప్తి చూడబోతున్నారు. డేటా మోడలింగ్ కోణం నుండి నేను మాట్లాడబోయే కొన్ని భావనలకు వారు నిజంగా చాలా బలమైన పునాది వేశారు. జట్లతో పాటు డేటా మోడలింగ్ మరియు డేటా ఆర్కిటెక్చర్‌లో పనిచేస్తున్న కన్సల్టెంట్‌గా ఉన్నప్పుడు వారు చెప్పిన చాలా విషయాలు నా స్వంత అనుభవాన్ని ప్రతిధ్వనిస్తాయి - ప్రారంభ రోజుల్లో జలపాతం రెండూ మరియు మేము చురుకైన ఉపయోగిస్తున్న ప్రాజెక్టులతో మరింత ఆధునిక ఉత్పత్తులుగా అభివృద్ధి చెందుతున్నాయి. పరిష్కారాలను అందించే పద్ధతులు.

కాబట్టి ఈ రోజు నేను మాట్లాడబోయేది ఆ అనుభవాలతో పాటు సాధనాల యొక్క దృశ్యం మరియు ఆ ప్రయాణంలో మాకు సహాయపడటానికి మేము ఉపయోగించే సాధనాల్లోని కొన్ని సామర్థ్యాలపై ఆధారపడి ఉంటుంది. నేను చాలా క్లుప్తంగా కవర్ చేయబోయేది ఏమిటంటే, నేను చాలా వివరంగా స్క్రమ్‌లోకి వెళ్ళడం లేదు; అది ఏమిటో మాకు మంచి అవలోకనం ఉంది. నేను దాని గురించి మాట్లాడబోతున్నాను, డేటా మోడల్ అంటే ఏమిటి మరియు ఇది నిజంగా మనకు అర్థం ఏమిటి? మరియు మా సంస్థలలో చురుకైన డేటా మోడలర్ యొక్క భావనను మేము ఎలా ప్రారంభించగలం, పరంగా, మేము డేటా మోడలర్లను ఎలా నిమగ్నం చేస్తాము, s సమయంలో మోడలర్లు మరియు వాస్తుశిల్పుల భాగస్వామ్యం ఏమిటి, వారు ఏ విధమైన కార్యకలాపాలలో పాల్గొనాలి? , మరియు, దీనికి నేపథ్యంగా, ఆ పనిని సులభతరం చేయడానికి మేము నిజంగా ఉపయోగించే కొన్ని ముఖ్యమైన మోడలింగ్ సాధన సామర్థ్యాలు ఏమిటి? అప్పుడు నేను కొంచెం చుట్టుముట్టబోతున్నాను మరియు డేటా మోడలర్ ప్రమేయం ఉన్న కొన్ని వ్యాపార విలువలు మరియు ప్రయోజనాల గురించి కొంచెం మాట్లాడతాను, లేదా నేను నిజంగా కథ చెప్పబోయే మార్గం, డేటా మోడలర్ ప్రాజెక్టులలో పూర్తిగా నిమగ్నమై ఉండకపోవటం మరియు నేను చాలా సంవత్సరాల క్రితం పాల్గొన్న ఒక వాస్తవ ప్రాజెక్ట్ యొక్క చిత్రం ముందు మరియు తరువాత అనుభవం మరియు లోపం చార్ట్ ఆధారంగా మీకు చూపిస్తాను. ఆపై మేము మరికొన్ని పాయింట్లను సంగ్రహించి, దానికి అదనంగా ప్రశ్నలు మరియు సమాధానాలు కలిగి ఉంటాము.

చాలా క్లుప్తంగా, ER స్టూడియో చాలా శక్తివంతమైన సూట్, దీనికి చాలా విభిన్న భాగాలు ఉన్నాయి. డేటా ఆర్కిటెక్ట్, ఇక్కడే డేటా మోడలర్లు మరియు వాస్తుశిల్పులు తమ డేటా మోడలింగ్ చేయడానికి ఎక్కువ సమయం గడుపుతారు. కొన్ని UML మోడలింగ్ కోసం మేము ఈ రోజు బిజినెస్ ఆర్కిటెక్ట్, ప్రాసెస్ మోడలింగ్ మరియు సాఫ్ట్‌వేర్ ఆర్కిటెక్ట్ వంటి ఇతర భాగాల గురించి మాట్లాడబోము. అప్పుడు రిపోజిటరీ ఉంది, అక్కడ మేము చెక్ ఇన్ చేస్తాము మరియు మేము మోడళ్లను పంచుకుంటాము మరియు జట్లు వాటిపై సహకరించడానికి మరియు వాటిని టీమ్ సర్వర్‌కు ప్రచురించడానికి మేము అనుమతిస్తాము, తద్వారా ఒక ప్రాజెక్ట్‌లో నిమగ్నమై ఉన్న బహుళ వాటాదారుల ప్రేక్షకులు వాస్తవానికి మేము కళాఖండాలను చూడగలం ' డేటా దృక్పథం నుండి మరియు ప్రాజెక్ట్ డెలివరీలోనే మేము చేస్తున్న ఇతర విషయాలను సృష్టించడం.

నేను ఈ రోజు దృష్టి సారించబోయేది డేటా ఆర్కిటెక్ట్ నుండి మనం చూడబోయే కొన్ని విషయాలు మరియు రిపోజిటరీ-ఆధారిత అంశాల సహకారాన్ని కలిగి ఉండటం చాలా ముఖ్యం. మార్పు నిర్వహణ వంటి అంశాల గురించి మనం మాట్లాడటం మొదలుపెట్టినప్పుడు, చురుకైన అభివృద్ధి ప్రాజెక్టులకు మాత్రమే కాకుండా, ఏ రకమైన అభివృద్ధి అయినా ముందుకు సాగుతుంది.

కాబట్టి ఎజైల్ డేటా మోడలర్ గురించి ఒక్క క్షణం మాట్లాడదాం. ప్రెజెంటేషన్‌లో ఇంతకుముందు సూచించినట్లుగా, డేటా మోడలర్లు మరియు / లేదా వాస్తుశిల్పులు చురుకైన అభివృద్ధి ప్రక్రియలలో పూర్తిగా నిమగ్నమవ్వడం అత్యవసరం. ఇప్పుడు, చారిత్రాత్మకంగా ఏమి జరిగిందంటే, అవును, మేము అభివృద్ధి దృక్పథం నుండి చురుకైన గురించి నిజంగా ఆలోచించాము మరియు కొన్ని విషయాలు ఉన్నాయి, అవి నిజంగా జరగడానికి కారణమయ్యాయి. దానిలో కొంత భాగం అభివృద్ధి యొక్క స్వభావం కారణంగా ఉంది. చురుకైన అభివృద్ధి ప్రారంభమైనప్పుడు మరియు మేము స్వీయ-ఆర్గనైజింగ్ బృందాల యొక్క ఈ భావనతో ప్రారంభించాము, మీరు కూల్-ఎయిడ్ కొంచెం స్వచ్ఛంగా తాగితే మరియు మీరు విషయాల యొక్క తీవ్రమైన ప్రోగ్రామింగ్ వైపు ఉంటే, వంటి విషయాల యొక్క చాలా సాహిత్య వివరణ ఉంది స్వీయ-ఆర్గనైజింగ్ జట్లు, చాలా మంది ప్రజలు అర్థం చేసుకోవడానికి, మాకు కావలసిందల్లా మొత్తం పరిష్కారాన్ని నిర్మించగల డెవలపర్‌ల సమూహం. కోడ్, డేటాబేస్ లేదా దాని వెనుక ఉన్న డేటాస్టోర్లను అభివృద్ధి చేయడం అంటే ప్రతిదీ డెవలపర్‌లకు పంపబడుతుంది. కానీ దానితో ఏమి జరుగుతుందంటే, ప్రజలు కలిగి ఉన్న ప్రత్యేక సామర్థ్యాలను మీరు కోల్పోతారు. విభిన్న నేపథ్యాల వ్యక్తులతో కూడిన బృందాలు బలమైన జట్లు అని నేను కనుగొన్నాను. బలమైన సాఫ్ట్‌వేర్ డెవలపర్లు, డేటా ఆర్కిటెక్ట్‌లు, డేటా మోడలర్లు, వ్యాపార విశ్లేషకులు మరియు వ్యాపార వాటాదారుల కలయిక వంటివి, అందరూ కలిసి తుది పరిష్కారాన్ని రూపొందించడానికి సహకరిస్తారు.

ఈ రోజు నేను కూడా మాట్లాడుతున్నది ఏమిటంటే, నేను దీన్ని ఒక అభివృద్ధి ప్రాజెక్టు యొక్క కాన్‌లో చేయబోతున్నాను, అక్కడ మేము ఒక అనువర్తనాన్ని అభివృద్ధి చేస్తున్నాము, దానితో సంబంధం ఉన్న డేటా భాగాన్ని కూడా కలిగి ఉంటుంది. మేము అలా చేయడానికి ముందు మనం ఒక అడుగు వెనక్కి తీసుకోవలసిన అవసరం ఉంది, ఎందుకంటే అక్కడ చాలా తక్కువ గ్రీన్‌ఫీల్డ్ అభివృద్ధి ప్రాజెక్టులు ఉన్నాయని మనం గ్రహించాల్సిన అవసరం ఉంది, ఇక్కడ ఆ అభివృద్ధి ప్రాజెక్టులో మాత్రమే పరిమితం చేయబడిన డేటా సృష్టి మరియు వినియోగంపై మనకు పూర్తి దృష్టి ఉంది. . మేము ఒక అడుగు వెనక్కి తీసుకోవాలి మరియు మొత్తం సంస్థాగత దృక్పథాన్ని డేటా కోణం మరియు ప్రక్రియ కోణం నుండి చూడాలి. ఎందుకంటే మనం ఉపయోగిస్తున్న సమాచారం సంస్థలలో ఎక్కడో ఒకచోట ఉండవచ్చు. మోడలర్లు మరియు వాస్తుశిల్పులుగా మేము దానిని వెలుగులోకి తెస్తాము, అందువల్ల ఆ సమాచారాన్ని ప్రాజెక్టుల నుండి ఎక్కడ నుండి పొందాలో మాకు తెలుసు. డెవలపర్లు వారి కోడ్ కోసం డిజైన్ నమూనాలను కలిగి ఉన్నట్లే మాకు డిజైన్ నమూనాలు ఉన్నందున ప్రమేయం ఉన్న డేటా నిర్మాణాలు కూడా మాకు తెలుసు. మరియు మేము మొత్తం సంస్థాగత దృక్పథాన్ని కూడా తీసుకోవాలి. మేము నిర్మిస్తున్న అనువర్తనం యొక్క డేటాను చూడలేము. మేము డేటాను మోడల్ చేయాలి మరియు మేము దానిని డాక్యుమెంట్ చేస్తున్నామని నిర్ధారించుకోవాలి ఎందుకంటే ఇది అనువర్తనాలకు మించి ఎక్కువ కాలం జీవిస్తుంది. ఆ అనువర్తనాలు వస్తాయి మరియు వెళ్తాయి, కాని మేము డేటాను చూడగలగాలి మరియు ఇది దృ and మైనది మరియు చక్కగా నిర్మాణాత్మకంగా ఉందని నిర్ధారించుకోవాలి, ఇది అప్లికేషన్ కోసం మాత్రమే కాదు, కార్యకలాపాలను నివేదించే నిర్ణయాలు, BI రిపోర్టింగ్ మరియు ఇతర అనువర్తనాలకు అనుసంధానం, అంతర్గత మరియు మా సంస్థలకు బాహ్యంగా కూడా. కాబట్టి డేటా యొక్క మొత్తం పెద్ద చిత్రాన్ని మరియు ఆ డేటా యొక్క జీవిత చక్రం ఏమిటో మనం చూడాలి మరియు d యల నుండి సమాధి వరకు సంస్థ అంతటా సమాచార ముక్కల ప్రయాణాన్ని అర్థం చేసుకోవాలి.

ఇప్పుడు వాస్తవ జట్లకు తిరిగి వెళ్ళండి మరియు మనం నిజంగా ఎలా పని చేయాలి, జలపాతం పద్దతి ఫలితాలను అందించడానికి చాలా నెమ్మదిగా ఉన్నట్లు గ్రహించబడింది. ఎందుకంటే, ట్యాంక్ ఉదాహరణతో ఎత్తి చూపినట్లుగా, ఇది ఒకదాని తరువాత ఒకటి మరియు పని చేయగల తుది ఫలితాన్ని ఇవ్వడానికి చాలా సమయం పట్టింది. ఇప్పుడు మనం చేసేది ఏమిటంటే, మేము దాని యొక్క భాగాలను పెంచుకుంటూ, మనం ఉపయోగించగల కోడ్ లేదా ఉపయోగపడే కళాఖండాలను ఉత్పత్తి చేస్తున్న సమయానికి దానిని వివరించే ఒక పునరుత్పాదక పని శైలిని కలిగి ఉండాలి, నేను చెప్పబోతున్నాను, ప్రతి సెకనుకు. ముఖ్యమైన విషయం ఏమిటంటే, బృందంలోని సాంకేతిక వాటాదారుల మధ్య మరియు వ్యాపార వాటాదారుల మధ్య సహకారం, ఆ వినియోగదారు కథలను కోడ్ యొక్క అమలు చేయగల దృష్టిలోకి మరియు ఆ కోడ్‌కు మద్దతు ఇచ్చే డేటాకు వెళ్లడానికి మేము సహకరిస్తున్నాము. సంస్థలలో మనకు తగినంత మోడలర్లు లేరని ఎజైల్ డేటా మోడలర్ తరచుగా కనుగొంటారు, కాబట్టి ఒక డేటా మోడలర్ లేదా ఆర్కిటెక్ట్ ఒకేసారి బహుళ జట్లకు మద్దతు ఇస్తున్నారు.

మరియు దాని యొక్క ఇతర అంశం ఏమిటంటే, మనకు బహుళ మోడలర్లు ఉన్నప్పటికీ, మేము ఉపయోగిస్తున్న సాధనం సమితిని కలిగి ఉన్నామని నిర్ధారించుకోవాలి, అదే సమయంలో విమానంలో ఉన్న బహుళ ప్రాజెక్టుల సహకారాన్ని మరియు వాటిని పంచుకునేందుకు వీలు కల్పిస్తుంది. డేటా కళాఖండాలు మరియు చెక్-ఇన్ మరియు చెక్-అవుట్ సామర్థ్యాలు. మునుపటి విభాగంలో మేము ఇప్పటికే కవర్ చేసినందున నేను దీన్ని చాలా త్వరగా చేయబోతున్నాను. చురుకైన యొక్క అసలు ఆవరణ ఏమిటంటే, మీరు బ్యాక్‌లాగ్, కథలు లేదా అవసరాల నుండి బయటపడతారు. పునరావృతాలలో మేము సమూహంగా సహకరిస్తున్నాము. సాధారణంగా సంస్థను బట్టి రెండు వారాలు లేదా ఒక నెల లు చాలా సాధారణం. మరియు రోజువారీ సమీక్ష మరియు స్టాండప్ సమావేశాలు కూడా ఉన్నాయి, తద్వారా మేము బ్లాకర్లను తొలగిస్తున్నాము మరియు మేము వెళ్ళేటప్పుడు వివిధ ప్రాంతాలలో ఆగిపోకుండా అన్ని అంశాలను ముందుకు తీసుకువెళుతున్నామని నిర్ధారించుకుంటాము. మరియు ఆ ss లో మేము ప్రతి s లో ఒక భాగంగా ఉపయోగపడే డెలివరీలను ఉత్పత్తి చేస్తున్నామని నిర్ధారించుకోవాలి.

కొంచెం భిన్నంగా తీసుకుంటే, దాన్ని మరింత విస్తరింపజేయడం, స్క్రమ్ అనేది నేను ఇక్కడ ప్రత్యేకంగా మాట్లాడబోయే పద్దతి మరియు మేము ప్రాథమికంగా మునుపటి చిత్రాన్ని మరికొన్ని కోణాలతో పెంచాము. సాధారణంగా ఉత్పత్తి బ్యాక్‌లాగ్ ఉంటుంది, ఆపై బ్యాక్‌లాగ్ ఉంటుంది. కాబట్టి మనకు మొత్తం బ్యాక్‌లాగ్ ఉంది, ప్రతి పునరుద్ఘాటన ప్రారంభంలో, “మనం వీటిని నిర్మించబోతున్నాం?” అని చెప్పడానికి మేము పారేసుకుంటాము మరియు ఇది ప్రణాళిక ప్రణాళిక సమావేశంలో జరుగుతుంది. అప్పుడు మేము దానితో సంబంధం ఉన్న పనులను విచ్ఛిన్నం చేస్తాము మరియు ఆ రోజువారీ సమీక్షలతో మేము ఒకటి నుండి నాలుగు వారాల వ్యవధిలో అమలు చేస్తాము. మేము చేస్తున్నప్పుడు, మన అభివృద్ధి వేగం ఏమిటి వంటి వాటిని స్థాపించడానికి మనం నిర్మిస్తున్న దానికి వ్యతిరేకంగా నిర్మించడానికి మిగిలి ఉన్న వాటిని ప్రాథమికంగా తెలుసుకోవడానికి బర్న్-అప్ చార్టులు మరియు బర్న్-డౌన్ చార్టుల ద్వారా మన పురోగతిని ట్రాక్ చేస్తున్నాము, మనము మనము చేయబోతున్నాం షెడ్యూల్, అన్ని రకాల విషయాలు. రహదారిపైకి కొన్ని నెలలు వెళ్లడం మరియు మీరు చిన్నగా రాబోతున్నారని తెలుసుకోవడం మరియు ప్రాజెక్ట్ షెడ్యూల్‌ను విస్తరించడం అవసరం కంటే ఇవన్నీ నిరంతరం వివరించబడతాయి. మరియు చాలా ముఖ్యమైనది, దానిలో భాగంగా, మొత్తం జట్లు, చివరలో సమీక్షగా మరియు పునరాలోచనగా ఉన్నాయి, కాబట్టి మీరు తదుపరి పునరావృతానికి ముందు మీరు చేసిన వాటిని సమీక్షిస్తున్నారు మరియు మీరు మెరుగుపరచగల మార్గాల కోసం వెతుకుతున్నారు తదుపరిసారి.

డెలివరీల పరంగా, ఇది ప్రాథమికంగా ss లో సాగే విలక్షణమైన విషయాలను సంగ్రహించే స్లైడ్. మరియు ఇది చాలా అభివృద్ధి-సెంట్రిక్, కాబట్టి మనం ఇక్కడ చూసే చాలా విషయాలు, ఫంక్షనల్ డిజైన్స్ మరియు యూజ్ కేసులు, డిజైన్ కోడ్ పరీక్షలు చేయడం, మేము ఇక్కడ ఈ పెట్టెలను చూసినప్పుడు, మరియు నేను వాటి ద్వారా వెళ్ళడం లేదు వివరాల ఏ స్థాయిలోనైనా, అవి చాలా అభివృద్ధి ఆధారితమైనవి. మరియు ఇక్కడ కింద ఖననం చేయబడినది ఏమిటంటే, ఈ ప్రయత్నానికి తోడ్పడటానికి మేము ఈ డేటా డెలివరీలను కలిగి ఉండాలి. కాబట్టి ప్రతిసారీ మనం బ్యాక్‌లాగ్‌లు, అవసరాలు మరియు వినియోగదారు కథలు వంటివి చూస్తాము, మనం వెళుతున్నప్పుడు మనం చేయవలసిన అభివృద్ధి ముక్కలు ఏమిటి, మనం చేయవలసిన విశ్లేషణ ముక్కలు ఏమిటి, ఎలా చేయాలి డేటా డిజైన్ లేదా డేటా మోడల్, వ్యాపార పదకోశాలు వంటి వాటి గురించి ఏమిటి, కాబట్టి మేము ఉత్పత్తి చేస్తున్న అన్ని కళాఖండాలతో వ్యాపార అర్ధాన్ని అనుబంధించగలమా? ఎందుకంటే మనం ప్రతి s లో ఉపయోగించదగిన డెలివరీలను ఉత్పత్తి చేయాలి.

ప్రతి s చివరిలో ఉపయోగపడే కోడ్‌ను ఉత్పత్తి చేయాల్సిన అవసరం ఉందని కొంతమంది చెబుతారు. ఇది తప్పనిసరిగా కాదు, ఇది స్వచ్ఛమైన అభివృద్ధి దృక్పథంలో ఉంది, కానీ చాలా తరచుగా - ముఖ్యంగా ప్రారంభంలో - మనకు సున్నా వంటిది ఉండవచ్చు, ఇక్కడ మనం పూర్తిగా నిలబడి ఉన్న విషయాలపై దృష్టి కేంద్రీకరిస్తాము, మన పరీక్షా వ్యూహాలను పొందడం వంటి పనులు చేయడం స్థలం.మేము వివరాలను పూరించడం ప్రారంభించడానికి ముందు దాన్ని ప్రారంభించడానికి ఒక ఉన్నత-స్థాయి రూపకల్పన మరియు మేము ఇతర ప్రేక్షకులను నిమగ్నం చేయడానికి ముందు ప్రారంభ కథలు లేదా అవసరాల యొక్క శుభ్రమైన సమితిని కలిగి ఉన్నామని నిర్ధారించుకుని, ఆపై మేము ముందుకు వెళ్ళేటప్పుడు జట్టుగా ముందుకు సాగడం. ఎల్లప్పుడూ కొంచెం ప్రిపరేషన్ సమయం ఉంటుంది, కాబట్టి చాలా తరచుగా మనకు సున్నా లేదా సున్నా మరియు ఒకటి ఉంటుంది. మేము పరిష్కారాన్ని అందించడంలో పూర్తి విమానంలో ప్రయాణించే ముందు కొంచెం ప్రారంభ దశ కావచ్చు.

ఈ కాన్ లోని డేటా మోడల్స్ గురించి చాలా క్లుప్తంగా మాట్లాడుదాం. ప్రజలు డేటా మోడళ్ల గురించి ఆలోచించినప్పుడు, వారు తరచూ డేటా మోడల్‌ను వేర్వేరు సమాచార ముక్కలు ఎలా కలుపుతారు అనే చిత్రంగా భావిస్తారు - ఇది మంచుకొండ యొక్క కొన మాత్రమే. డేటా మోడలింగ్‌ను మీరు నిజంగా ఎలా సంప్రదించాలనుకుంటున్నారనే స్ఫూర్తిని పూర్తిగా రూపొందించడానికి - ఇది చురుకైన అభివృద్ధిలో మరియు ఇతర విషయాలలో ఉన్నా - డేటా మోడల్, సరిగ్గా జరిగితే, సంస్థలో ఆ డేటా అంటే ఏమిటో మీ పూర్తి స్పెసిఫికేషన్ అవుతుందని మీరు గ్రహించాలి. ఇది బ్యాక్ ఎండ్ డేటాబేస్లలో ఎలా ఉపయోగించబడుతుంది. నేను డేటాబేస్‌లు అని చెప్పినప్పుడు, మనం ఉపయోగిస్తున్న రిలేషనల్ డేటాబేస్‌లు మాత్రమే కాదు, నేటి ఆర్కిటెక్చర్‌లలో మనకు పెద్ద డేటా లేదా NoSQL ప్లాట్‌ఫారమ్‌లు ఉన్నాయి, నేను వాటిని పిలవడానికి ఇష్టపడతాను. ఆ పెద్ద డేటా స్టోర్లు ఎందుకంటే మేము సమాచారాన్ని వినియోగించే పరంగా చాలా విభిన్న డేటా స్టోర్లను మిళితం చేసి, దానిని మా పరిష్కారాలలోకి తీసుకువస్తాము, అలాగే ఆ సమాచారాన్ని మా పరిష్కారాల నుండి ఎలా కొనసాగిస్తాము లేదా సేవ్ చేస్తాము.

మేము ఇచ్చిన అనువర్తనం యొక్క కాన్ లో ఒకేసారి బహుళ డేటాబేస్ లేదా డేటా వనరులతో పని చేస్తున్నాము. చాలా ముఖ్యమైనది ఏమిటంటే, మేము పూర్తి స్పెసిఫికేషన్ కలిగి ఉండాలనుకుంటున్నాము, కాబట్టి సంస్థాగత దృక్పథం అంటే దీని యొక్క తార్కిక స్పెసిఫికేషన్, భౌతిక నిర్మాణాలు ఏమిటో మనం డేటాను ఎలా నిర్వచించాము, దాని మధ్య ఉన్న సంబంధాలు డేటాబేస్లు, మీ రెఫరెన్షియల్ సమగ్రత పరిమితులు, తనిఖీ పరిమితులు, మీరు సాధారణంగా ఆలోచించే ధ్రువీకరణ ముక్కలు. వివరణాత్మక మెటాడేటా చాలా ముఖ్యమైనది. మీ అనువర్తనాల్లోని డేటాను ఎలా ఉపయోగించాలో మీకు ఎలా తెలుసు? మీరు దానిని నిర్వచించలేకపోతే మరియు దాని అర్థం ఏమిటో తెలుసుకోలేకపోతే లేదా ఆ అనువర్తనాల్లో మీరు సరైన డేటాను వినియోగిస్తున్నారని నిర్ధారించుకోవడానికి అది ఎక్కడ నుండి వచ్చిందో తెలుసుకోకపోతే - మాకు సరైన నామకరణ సమావేశాలు, పూర్తి నిర్వచనాలు ఉన్నాయని నిర్ధారించుకోండి, అంటే పూర్తి డేటా నిఘంటువు మాత్రమే కాదు పట్టికలు కానీ ఆ పట్టికలను కలిగి ఉన్న నిలువు వరుసలు - మరియు మేము దానిని ఎలా ఉపయోగించుకుంటాం అనే దాని గురించి వివరాల విస్తరణ గమనికలు ఎందుకంటే మనం ఈ జ్ఞాన స్థావరాన్ని నిర్మించాల్సిన అవసరం ఉంది, ఎందుకంటే ఈ అనువర్తనం పూర్తయినప్పుడు కూడా, ఈ సమాచారం ఇతర కార్యక్రమాలకు ఉపయోగించబడుతుంది కాబట్టి మనం నిర్ధారించుకోవాలి భవిష్యత్ అమలు కోసం డాక్యుమెంట్ చేసినవన్నీ మన వద్ద ఉన్నాయి.

మళ్ళీ, మేము డేటా రకాలు, కీలు, సూచికలు వంటి వాటికి దిగుతాము, డేటా మోడల్ కూడా అమలులోకి వచ్చే చాలా వ్యాపార నియమాలను కలిగి ఉంటుంది. సంబంధాలు వేర్వేరు పట్టికల మధ్య అడ్డంకులు మాత్రమే కాదు; ఆ డేటా ఎలా ప్రవర్తిస్తుందో మరియు అది ఒక సమన్వయ యూనిట్‌గా ఎలా కలిసి పనిచేస్తుందనే దానిపై నిజమైన వ్యాపార నియమాలు ఏమిటో వివరించడానికి అవి తరచుగా మాకు సహాయపడతాయి. వాస్తవానికి, విలువ పరిమితులు చాలా ముఖ్యమైనవి. ఇప్పుడు, మేము నిరంతరం వ్యవహరిస్తున్న వాటిలో ఒకటి, మరియు ఇది మరింత ఎక్కువగా ప్రబలంగా ఉంది, డేటా గవర్నెన్స్ వంటివి. కాబట్టి డేటా గవర్నెన్స్ కోణం నుండి, మనం కూడా ఇక్కడ చూడాల్సిన అవసరం ఉంది. భద్రతా వర్గీకరణలు వంటి వాటిని మేము నిర్వచించాలనుకుంటున్నాము. మేము ఏ రకమైన డేటాతో వ్యవహరిస్తున్నాము? మాస్టర్ డేటా నిర్వహణగా పరిగణించబడేది ఏమిటి? మేము సృష్టిస్తున్న లావాదేవీల దుకాణాలు ఏమిటి? ఈ అనువర్తనాల్లో మేము ఏ సూచన డేటాను ఉపయోగిస్తున్నాము? అది మా మోడళ్లలో సరిగ్గా సంగ్రహించబడిందని నిర్ధారించుకోవాలి. మరియు డేటా నాణ్యత పరిగణనలు, ఇతరులకన్నా ఒక సంస్థకు చాలా ముఖ్యమైన సమాచారం కొన్ని ఉన్నాయి.

నేను డజనుకు పైగా లెగసీ వ్యవస్థలను కొత్త వ్యాపార ప్రక్రియలతో భర్తీ చేస్తున్న ప్రాజెక్టులలో మరియు వాటి స్థానంలో కొత్త అనువర్తనాలు మరియు డేటా స్టోర్లను రూపకల్పన చేస్తున్న ప్రాజెక్టులలో నేను పాల్గొన్నాను. సమాచారం ఎక్కడి నుండి వస్తున్నదో మాకు తెలుసుకోవాలి. వ్యాపార దృక్పథం నుండి, నేను ఇక్కడకు వచ్చిన ఈ ప్రత్యేకమైన డేటా మోడల్ స్లైడ్‌ను చూస్తే, ఈ ప్రత్యేక సంస్థలలోని దిగువ పెట్టెలు, ఇది ఒక చిన్న ఉపసమితి, నేను వాస్తవానికి వ్యాపార విలువను సంగ్రహించగలిగాము. సంస్థలోని ఈ విభిన్న నిర్మాణాల కోసం ఈ రకమైన విషయాల కోసం అధిక, మధ్యస్థ లేదా తక్కువ. నేను మాస్టర్ డేటా క్లాసులు, అవి మాస్టర్ టేబుల్స్, అవి రిఫరెన్స్, లావాదేవీలు వంటివి కూడా స్వాధీనం చేసుకున్నాను. కాబట్టి డేటా వెలుపల చాలా ఇతర లక్షణాలను ఇవ్వడానికి మా మెటాడేటాను మా మోడళ్లలో విస్తరించవచ్చు, ఇది అసలు ప్రాజెక్టుల వెలుపల ఇతర కార్యక్రమాలతో మాకు సహాయపడింది మరియు దానిని ముందుకు తీసుకువెళుతుంది. ఇప్పుడు అది ఒక స్లైడ్‌లో చాలా ఉంది, మిగతా వాటిలో నేను చాలా త్వరగా వెళ్తాను.

నేను ఈ వేర్వేరు ss ద్వారా వెళుతున్నప్పుడు డేటా మోడలర్ ఏమి చేస్తాడనే దాని గురించి నేను ఇప్పుడు చాలా త్వరగా మాట్లాడబోతున్నాను. అన్నింటిలో మొదటిది, ప్రణాళిక ప్రణాళిక సెషన్లలో పూర్తిస్థాయిలో పాల్గొనేవారు, ఇక్కడ మేము యూజర్ కథలను తీసుకుంటున్నాము, ఆ వాటిలో మనం ఏమి ఇవ్వబోతున్నామో దానికి కట్టుబడి ఉన్నాము మరియు దానిని ఎలా నిర్మించాలో మరియు దానిని ఎలా పంపిణీ చేయబోతున్నామో తెలుసుకోవడం. డేటా మోడలర్‌గా నేను ఏమి చేస్తున్నానో నాకు తెలుసు, నేను వేర్వేరు డెవలపర్‌లతో లేదా వేర్వేరు వ్యక్తులతో వేర్వేరు ప్రాంతాల్లో పని చేయబోతున్నాను. కాబట్టి మనం కలిగి ఉన్న ఒక ముఖ్యమైన లక్షణం ఏమిటంటే, మేము డేటా మోడల్ చేస్తున్నప్పుడు, మేము ఆ డేటా మోడల్‌ను విభిన్న అభిప్రాయాలుగా విభజించవచ్చు, మీరు వాటిని సబ్జెక్ట్ ఏరియాస్ లేదా సబ్ మోడల్స్ అని పిలిచినా, మా పరిభాష. కాబట్టి మేము మోడల్‌ను నిర్మిస్తున్నప్పుడు, మేము దీనిని ఈ విభిన్న ఉప-మోడల్ దృక్కోణాలలో కూడా చూపిస్తున్నాము, కాబట్టి వేర్వేరు ప్రేక్షకులు వారికి సంబంధించిన వాటిని మాత్రమే చూస్తారు, తద్వారా వారు అభివృద్ధి చెందుతున్న వాటిపై దృష్టి పెట్టవచ్చు మరియు ముందుకు తెస్తారు. కాబట్టి నేను ఒక అప్లికేషన్ యొక్క షెడ్యూలింగ్ భాగంలో ఎవరో పని చేసి ఉండవచ్చు, నేను ఆర్డర్ ఎంట్రీలో వేరొకరిని కలిగి ఉండవచ్చు, ఇక్కడ మేము ఈ పనులన్నింటినీ ఒకే సెకన్లలో చేస్తున్నాము, కాని నేను వారికి ఉప-నమూనాల ద్వారా మాత్రమే దృక్కోణాలను ఇవ్వగలను. వారు పనిచేస్తున్న ప్రాంతానికి వర్తిస్తాయి. ఆపై వారు చూడవలసిన వాటిని విభిన్న ప్రేక్షకుల అభిప్రాయాలను ఇవ్వడానికి మొత్తం మోడల్ మరియు ఉప-మోడళ్ల మొత్తం నిర్మాణం వరకు రోల్ చేస్తారు.

డేటా మోడలింగ్ దృక్పథం నుండి మనకు కావాల్సిన ప్రాథమిక అంశాలు ఏమిటంటే, మనం తిరిగి వెళ్ళగలిగే బేస్లైన్ ఎల్లప్పుడూ ఉంటుంది, ఎందుకంటే మనం చేయగలిగేది ఏమిటంటే, అది చివరిలో లేదా చివరిలో అయినా అనేక ss, మేము ఎక్కడ ప్రారంభించామో తెలుసుకోవాలనుకుంటున్నాము మరియు డెల్టా అంటే ఏమిటి లేదా ఇచ్చిన s లో మనం ఉత్పత్తి చేసిన వాటి యొక్క తేడా ఏమిటో తెలుసుకోవడానికి ఎల్లప్పుడూ బేస్ లైన్ ఉంటుంది. మేము త్వరితగతిన తిరిగి వచ్చేలా చూసుకోవాలి. మీరు డేటా మోడలర్‌గా వస్తే, “లేదు, లేదు, మీరు అలా చేయలేరు, మేము మొదట ఈ పనులన్నీ చేయాలి” అని చెప్పే సాంప్రదాయ గేట్‌కీపర్ పాత్రలో మీకు నిజంగా అవసరమైనప్పుడు మీరు జట్టు నుండి మినహాయించబడతారు అన్ని చురుకైన అభివృద్ధి బృందాలలో చురుకుగా పాల్గొనడం. అంటే కొన్ని విషయాలు ఇచ్చిన s చేస్తున్న బండి నుండి పడిపోతాయి మరియు మీరు వాటిని తరువాత ss లో తీయండి.

ఒక ఉదాహరణగా, మీరు డేటా స్ట్రక్చర్లపై దృష్టి పెట్టవచ్చు, అభివృద్ధి గురించి చెప్పాలంటే, నేను మాట్లాడుతున్న ఆర్డర్ ఎంట్రీ పీస్. తరువాతి సెకన్లలో, మీరు తిరిగి వచ్చి, మీరు సృష్టించిన కొన్ని కళాఖండాల చుట్టూ డేటా నిఘంటువు కోసం కొన్ని డాక్యుమెంటేషన్ వంటి డేటాను పూరించవచ్చు. మీరు ఆ నిర్వచనాన్ని ఒకే s లో పూర్తి చేయబోరు; డెవలపర్లు అనువర్తనాలను రూపొందించడంలో బిజీగా ఉన్నప్పుడు మరియు ఆ డేటా స్టోర్ల చుట్టూ నిలకడగా ఉన్నప్పుడు మీరు వ్యాపార విశ్లేషకులతో పనిచేసే సమాచారాన్ని పూరించగల సమయాలు ఉన్నందున మీరు మీ డెలివరీల వద్ద పెరుగుతూనే ఉంటారు. మీరు సులభతరం చేయాలనుకుంటున్నారు మరియు అడ్డంకిగా ఉండకూడదు. మేము డెవలపర్‌లతో కలిసి పనిచేయడానికి వివిధ మార్గాలు ఉన్నాయి. కొన్ని విషయాల కోసం మనకు డిజైన్ నమూనాలు ఉన్నాయి, కాబట్టి మేము పూర్తిస్థాయిలో పాల్గొనేవాళ్ళం, కాబట్టి మనకు డిజైన్ నమూనా ఉండవచ్చు, అక్కడ మేము దానిని మోడల్‌లో ఉంచుతామని చెబుతాము, మేము దానిని డెవలపర్‌ల శాండ్‌బాక్స్ డేటాబేస్‌లకు బయటకు నెట్టివేస్తాము, ఆపై వారు చేయగలరు దానితో పనిచేయడం ప్రారంభించండి మరియు దానికి మార్పులను అభ్యర్థించండి.

డెవలపర్లు పనిచేస్తున్న ఇతర ప్రాంతాలు ఉండవచ్చు, వారు పనిచేస్తున్న ఏదో వచ్చింది మరియు వారు కొన్ని విషయాలను ప్రోటోటైప్ చేస్తున్నారు కాబట్టి వారు తమ సొంత అభివృద్ధి వాతావరణంలో కొన్ని విషయాలను ప్రయత్నిస్తారు. వారు పనిచేస్తున్న ఆ డేటాబేస్ను మేము తీసుకుంటాము, దానిని మా మోడలింగ్ సాధనంలోకి తీసుకువస్తాము, మన వద్ద ఉన్న మోడళ్లతో పోల్చండి, ఆపై వాటిని పరిష్కరించండి మరియు మార్పులను తిరిగి వెనక్కి నెట్టండి, తద్వారా వారు తమ కోడ్‌లను రీఫ్యాక్టర్ చేయగలరు కాబట్టి వారు సరైన డేటా నిర్మాణాలను అనుసరిస్తున్నారు మాకు అవసరం. ఎందుకంటే అవి మనకు ఇప్పటికే వేరే చోట ఉన్న కొన్ని విషయాలను సృష్టించి ఉండవచ్చు, కాబట్టి అవి సరైన డేటా వనరులతో పనిచేస్తున్నాయని మేము నిర్ధారించుకుంటాము. మేము దీని ద్వారా మన మార్గాల్లోకి మళ్ళిస్తూ ఉంటాము, తద్వారా పూర్తి డేటా డెలివరీలు, పూర్తి డాక్యుమెంటేషన్ మరియు మేము ఉత్పత్తి చేస్తున్న అన్ని డేటా నిర్మాణాల యొక్క నిర్వచనం.

చాలా మంచి డెలివరీల పరంగా నేను పాల్గొన్న అత్యంత విజయవంతమైన చురుకైన ప్రాజెక్టులు, మాకు ఒక తత్వశాస్త్రం ఉంది, పూర్తి భౌతిక డేటాబేస్ స్పెసిఫికేషన్‌కు అన్ని మార్పులను మోడల్ చేసింది. సారాంశంలో, డేటా మోడల్ మేము సృష్టించే క్రొత్త దేనికోసం మీరు పనిచేస్తున్న డేటాబేస్ అవుతుంది మరియు మేము ఇతర బయటి డేటాబేస్ల నుండి తీసుకుంటుంటే ఇతర డేటా స్టోర్ల యొక్క పూర్తి సూచనలు ఉంటాయి. అందులో భాగంగా మేము ప్రతిసారీ పూర్తి తరం చేయటానికి వ్యతిరేకంగా పెరుగుతున్న స్క్రిప్ట్‌లను ఉత్పత్తి చేస్తున్నాము. మరియు మేము పనిచేస్తున్న విభిన్న అభివృద్ధి బృందాలతో ss లో విషయాలను పొందే పరంగా త్వరితగతిన ఇవ్వడానికి మా డిజైన్ నమూనాలను ఉపయోగిస్తున్నాము.

యొక్క కార్యకలాపాలలో, మళ్ళీ పోల్చడానికి / విలీనం చేయడానికి బేస్లైన్ ఉంది, కాబట్టి ప్రతి మార్పును మోడలింగ్ చేయాలనే ఆలోచనను తీసుకుందాం. మేము మార్పు చేసిన ప్రతిసారీ, మనం ఏమి చేయాలనుకుంటున్నామో అది మార్పును మోడల్ చేయాలనుకుంటున్నాము మరియు చాలా ముఖ్యమైనది ఏమిటంటే, డేటా మోడలింగ్ నుండి ఇటీవల వరకు ఏమి లేదు, వాస్తవానికి, మేము దానిని తిరిగి ప్రవేశపెట్టే వరకు, మోడలింగ్‌ను అనుబంధించే సామర్థ్యం పనులు మరియు ఆ మార్పులు సంభవించే వినియోగదారు కథలు మరియు పనులతో మీ బట్వాడా. మేము మా మోడల్ మార్పులను తనిఖీ చేయగలగాలి, డెవలపర్లు వారి కోడ్‌లను తనిఖీ చేసే విధంగానే, మన వద్ద ఉన్న వినియోగదారు కథనాలను ప్రస్తావిస్తూ, అందువల్ల మేము మొదటి స్థానంలో ఎందుకు మార్పులు చేసామో మాకు తెలుసు, అది మనం చేసే పని. మేము అలా చేసినప్పుడు, మేము మా పెరుగుతున్న DDL స్క్రిప్ట్‌లను ఉత్పత్తి చేస్తాము మరియు వాటిని పోస్ట్ చేస్తాము, తద్వారా వాటిని ఇతర అభివృద్ధి డెలివరీలతో తీయవచ్చు మరియు మా బిల్డ్ సొల్యూషన్‌లో తనిఖీ చేయవచ్చు. మళ్ళీ, మనకు ఒక మోడల్ ఉండవచ్చు లేదా బహుళ జట్లతో పని చేయవచ్చు. నేను మాట్లాడినట్లుగా, కొన్ని విషయాలు డేటా మోడలర్ చేత పుట్టుకొచ్చాయి, ఇతర విషయాలు డెవలపర్లచే పుట్టుకొచ్చాయి మరియు మొత్తం ఉత్తమమైన డిజైన్‌తో ముందుకు రావడానికి మేము మధ్యలో కలుస్తాము మరియు దానిని ముందుకు నెట్టండి మరియు అది మనలో సరిగ్గా రూపొందించబడిందని నిర్ధారించుకోండి మొత్తం డేటా నిర్మాణాలు. శూన్యమైన మరియు శూన్య విలువలు, రెఫరెన్షియల్ అడ్డంకులు, ప్రాథమికంగా చెక్ అడ్డంకులు వంటి వాటితో సహా, మన డేటా మోడల్‌లో సరైన నిర్మాణాలు అన్నీ ఉన్నాయని నిర్ధారించుకునే క్రమశిక్షణను మనం కొనసాగించాలి. .

దీన్ని చేయడంలో మాకు సహాయపడే కొన్ని సాధనాల యొక్క కొన్ని స్క్రీన్షాట్ల గురించి ఇప్పుడు మాట్లాడుదాం. సహకార రిపోజిటరీని కలిగి ఉండటం చాలా ముఖ్యం అని నేను అనుకుంటున్నాను, కాబట్టి మనం డేటా మోడలర్లుగా ఏమి చేయగలం - మరియు ఇది నేపథ్యంలో డేటా మోడల్ యొక్క భాగం యొక్క స్నిప్పెట్ - మనం విషయాలపై పని చేస్తున్నప్పుడు మనం చేయగలమని నిర్ధారించుకోవాలి మనం మార్చగలిగే, మార్పులను చేయగల, మన డిడిఎల్ స్క్రిప్ట్‌లను ఉత్పత్తి చేయగలిగే వస్తువులపై పని చేయండి, మనం విషయాలను తిరిగి తనిఖీ చేస్తున్నప్పుడు మేము చేసిన మార్పుల కోసం. కాబట్టి మనం చేయగలిగేది ఏమిటంటే, ER స్టూడియోలో ఒక ఉదాహరణ, మేము పని చేయడానికి వస్తువులు లేదా వస్తువుల సమూహాలను తనిఖీ చేయవచ్చు, మేము మొత్తం మోడల్ లేదా ఉప-మోడల్‌ను తనిఖీ చేయవలసిన అవసరం లేదు, మనకు ఆసక్తి ఉన్న వాటిని మాత్రమే తనిఖీ చేయవచ్చు. ఆ తర్వాత మనం ఏమి కోరుకుంటున్నామో అది చెక్-అవుట్ లేదా చెక్-ఇన్ సమయంలో ఉంటుంది - మేము రెండు విధాలుగా చేస్తాము ఎందుకంటే వేర్వేరు అభివృద్ధి బృందాలు వివిధ మార్గాల్లో పనిచేస్తాయి. దీని కోసం అవసరాలను నడిపించే యూజర్ స్టోరీ లేదా టాస్క్‌తో మేము అనుబంధించామని నిర్ధారించుకోవాలనుకుంటున్నాము మరియు డెవలపర్లు అభివృద్ధి చేస్తున్న మరియు వారి కోడ్‌ను తనిఖీ చేసే అదే యూజర్ స్టోరీ లేదా టాస్క్ అదే అవుతుంది.

కాబట్టి మా మార్పు నిర్వహణ కేంద్రాలలో ఒకదాని యొక్క రెండు స్క్రీన్ల యొక్క శీఘ్ర స్నిప్పెట్ ఇక్కడ ఉంది. ఇది ఏమి చేస్తుంది, నేను ఇక్కడ చాలా వివరంగా చెప్పబోతున్నాను, కానీ మీరు చూస్తున్నది యూజర్ కథ లేదా పని మరియు మీరు వాస్తవ మార్పు రికార్డులను చూస్తున్న వాటిలో ప్రతి దాని క్రింద ఇండెంట్ చేయబడింది - మేము స్వయంచాలక మార్పు రికార్డును సృష్టించినప్పుడు మేము చెక్-ఇన్ మరియు చెక్-అవుట్ చేస్తాము మరియు ఆ మార్పు రికార్డుపై మరింత వివరణ ఇవ్వవచ్చు. ఇది పనితో ముడిపడి ఉంది, మీరు would హించినట్లుగా మేము ప్రతి పనికి బహుళ మార్పులు చేయవచ్చు. మరియు మేము ఆ మార్పు రికార్డులోకి వెళ్ళినప్పుడు దాన్ని చూడవచ్చు మరియు మరింత ముఖ్యంగా చూడవచ్చు, మనం నిజంగా ఏమి మార్చాము? ఈ ప్రత్యేకమైన వాటి కోసం, అక్కడ హైలైట్ చేసిన కథలో నాకు ఒక రకమైన మార్పు జరిగింది మరియు వాస్తవ మార్పు రికార్డును నేను చూసినప్పుడు, అది మారిన మోడల్‌లోని వ్యక్తిగత ముక్కలను గుర్తించింది. నేను ఇక్కడ కొన్ని లక్షణాలను మార్చాను, వాటిని పోలి ఉన్నాను మరియు మార్చవలసిన వీక్షణలను రైడ్ కోసం తీసుకువచ్చాను, వాటిపై ఆధారపడి ఉంటాయి మరియు అవి పెరుగుతున్న DLL లో ఉత్పత్తి చేయబడతాయి. ఇది బేస్ ఆబ్జెక్ట్‌లపై మోడలింగ్ మాత్రమే కాదు, డేటాబేస్ లేదా డేటా మోడల్‌లోని డిపెండెంట్ ఆబ్జెక్ట్‌ల ద్వారా కూడా అలలించాల్సిన మార్పులను ఈ విధంగా అధిక శక్తితో పనిచేసే మోడలింగ్ సాధనం కనుగొంటుంది.

మేము డెవలపర్‌లతో కలిసి పనిచేస్తుంటే, మరియు మేము దీన్ని రెండు వేర్వేరు పనులలో చేస్తుంటే, అది వారి శాండ్‌బాక్స్‌లో ఏదో ఒకటి చేస్తోంది మరియు తేడాలు ఎక్కడ ఉన్నాయో పోల్చడానికి మరియు చూడాలనుకుంటే, కుడి వైపున మరియు ఎడమ వైపున ఉన్న సామర్థ్యాలను పోల్చండి / విలీనం చేస్తాము వైపు. “ఇక్కడ ఎడమ వైపున మా మోడల్ ఉంది, ఇక్కడ వారి డేటాబేస్ కుడి వైపున ఉంది, నాకు తేడాలు చూపించు” అని మనం చెప్పగలం. అప్పుడు మనం డేటాబేస్ లోకి వస్తువులను నెట్టివేసినా లేదా మేము తిరిగి మోడల్‌లోకి తీసుకువచ్చే డేటాబేస్లో కొన్ని విషయాలు ఉన్నాయి. మేము ద్వైపాక్షిక దిశగా వెళ్ళవచ్చు, అందువల్ల మేము రెండు దిశలను ఒకేసారి మూలం మరియు లక్ష్యం రెండింటినీ అప్‌డేట్ చేయవచ్చు మరియు ఆ మార్పులను డేటాబేస్ పర్యావరణానికి అమలు చేయడానికి పెరుగుతున్న DDL స్క్రిప్ట్‌లను ఉత్పత్తి చేయవచ్చు, ఇది చాలా ముఖ్యమైనది. మనం కూడా చేయగలిగేది ఏమిటంటే, ఈ పోలికను మరియు ఏ సమయంలోనైనా విలీనం చేయగల సామర్థ్యాన్ని కూడా మనం ఉపయోగించుకోవచ్చు, మేము మార్గంలో స్నాప్‌షాట్‌లను తీసుకుంటుంటే, మనం ఎల్లప్పుడూ ఒక s యొక్క ప్రారంభాన్ని మరొక s యొక్క ప్రారంభానికి లేదా ముగింపుకు పోల్చవచ్చు, తద్వారా మనం చూడవచ్చు ఇచ్చిన అభివృద్ధిలో లేదా s ల శ్రేణిలో చేసిన వాటి యొక్క పూర్తి పెరుగుదల మార్పు.

ఇది ఆల్టర్ స్క్రిప్ట్‌కు చాలా శీఘ్ర ఉదాహరణ, డేటాబేస్‌లతో పనిచేస్తున్న మీలో ఎవరైనా ఈ రకమైన విషయాన్ని చూస్తారు, ఇదే మేము కోడ్ నుండి ఆల్టర్ స్క్రిప్ట్‌గా బయటకు నెట్టవచ్చు, తద్వారా మనం చూసుకుంటున్నాము ఇక్కడ వస్తువులను నిలుపుకోండి. అయోమయాన్ని తగ్గించడానికి నేను ఇక్కడ నుండి వైదొలిగినది ఏమిటంటే, ఈ ఆల్టర్ స్క్రిప్ట్‌లతో మనం కూడా ఏమి చేస్తాము, ఆ పట్టికలలో కూడా డేటా ఉందని మేము అనుకుంటాము, కాబట్టి మేము తాత్కాలిక పట్టికల సమాచారాన్ని లాగే DML ను కూడా ఉత్పత్తి చేస్తాము మరియు క్రొత్త డేటా నిర్మాణాలలోకి తిరిగి నెట్టండి, అందువల్ల మేము నిర్మాణాలను మాత్రమే కాకుండా, ఆ నిర్మాణాలలో ఇప్పటికే కలిగి ఉన్న డేటాను కూడా చూస్తున్నాము.

స్వయంచాలక నిర్మాణ వ్యవస్థల గురించి చాలా త్వరగా మాట్లాడటానికి వెళుతున్నాము, ఎందుకంటే మనం చాలా చురుకైన ప్రాజెక్ట్ చేస్తున్నప్పుడు మేము స్వయంచాలక నిర్మాణ వ్యవస్థలతో పని చేస్తున్నాము, అక్కడ మేము మా నిర్మాణాలను విచ్ఛిన్నం చేయలేదని నిర్ధారించుకోవడానికి వేర్వేరు డెలివరీలను కలిసి తనిఖీ చేయాలి. దీని అర్థం ఏమిటంటే, మేము డెలివరీలను సమకాలీకరించడం, డిడిఎల్ స్క్రిప్ట్‌తో నేను మాట్లాడిన మార్పు స్క్రిప్ట్‌లను తనిఖీ చేయాల్సిన అవసరం ఉంది, సంబంధిత అప్లికేషన్ కోడ్‌ను ఒకే సమయంలో తనిఖీ చేయాల్సిన అవసరం ఉంది మరియు ఇప్పుడు చాలా మంది డెవలపర్‌ల అభివృద్ధి లేదు డేటాబేస్ మరియు ఆ రకమైన విషయాలకు వ్యతిరేకంగా ప్రత్యక్ష SQL తో చేస్తున్నారు. చాలా తరచుగా మేము నిలకడ ఫ్రేమ్‌వర్క్‌లను ఉపయోగిస్తున్నాము లేదా డేటా సేవలను నిర్మిస్తున్నాము. ఆ ఫ్రేమ్‌వర్క్‌లు లేదా సేవల మార్పులను సరిగ్గా అదే సమయంలో తనిఖీ చేశారని మేము నిర్ధారించుకోవాలి. అవి కొన్ని సంస్థలలో స్వయంచాలక నిర్మాణ వ్యవస్థలోకి వెళతాయి మరియు బిల్డ్ విచ్ఛిన్నమైతే, చురుకైన పద్దతిలో, మనం ముందుకు వెళ్ళే ముందు నిర్మించే డెక్ ఫిక్సింగ్‌పై ఇది అన్ని చేతులు, తద్వారా మనం మరింత ముందుకు వెళ్ళే ముందు మనకు పని పరిష్కారం ఉందని తెలుసు. మరియు నేను పాల్గొన్న ప్రాజెక్టులలో ఒకటి, మేము దీనిని తీవ్రస్థాయికి తీసుకువెళ్ళాము - బిల్డ్ విచ్ఛిన్నమైతే, మేము మా ప్రాంతంలోని అనేక కంప్యూటర్‌లకు అటాచ్ చేసాము, అక్కడ మేము వ్యాపార వినియోగదారులతో కలసి ఉన్నాము, మాకు ఎరుపు మెరుస్తున్న లైట్లు ఉన్నాయి పోలీసు కార్ల పైభాగం వంటిది. బిల్డ్ విరిగిపోతే, ఆ ఎర్రటి మెరుస్తున్న లైట్లు ఆగిపోవటం మొదలయ్యాయి మరియు ఇదంతా డెక్ మీద ఉందని మాకు తెలుసు: బిల్డ్ ను పరిష్కరించండి మరియు తరువాత మేము ఏమి చేస్తున్నామో కొనసాగించండి.

నేను ఇతర విషయాల గురించి మాట్లాడాలనుకుంటున్నాను, మరియు ఇది ER స్టూడియోకి ఒక ప్రత్యేకమైన సామర్ధ్యం, ఈ నిలకడ సరిహద్దుల కోసం డెవలపర్‌లుగా ఈ కళాఖండాలను నిర్మించడానికి మేము ప్రయత్నిస్తున్నప్పుడు ఇది నిజంగా సహాయపడుతుంది, మాకు వ్యాపార డేటా వస్తువులు అనే భావన ఉంది మరియు అది మనకు అనుమతించేది మీరు చాలా సరళమైన డేటా మోడల్‌ను ఉదాహరణగా చూస్తే, నిలకడ సరిహద్దులు ఉన్న చోట ఎంటిటీలను లేదా ఎంటిటీల సమూహాలను చుట్టుముట్టడానికి ఇది మాకు అనుమతిస్తుంది. డేటా మోడలర్‌గా మనం కొనుగోలు ఆర్డర్ హెడర్ మరియు ఆర్డర్ అలైన్ మరియు ఇతర వివరణాత్మక పట్టికలు వంటివి మనం ఆలోచించే విధంగా మనం దానిని నిర్మించే విధంగా మరియు మా డేటా సర్వీసెస్ డెవలపర్లు ఆ విభిన్న డేటాకు ఎలా కొనసాగుతాయో తెలుసుకోవాలి నిర్మాణాలు. మా డెవలపర్లు మొత్తం కొనుగోలు వస్తువు వంటి వస్తువుల గురించి ఆలోచిస్తున్నారు మరియు వారు ఆ నిర్దిష్ట వస్తువులను ఎలా సృష్టిస్తారనే దానితో వారి ఒప్పందం ఏమిటి. మేము ఆ సాంకేతిక వివరాలను బహిర్గతం చేయగలము, తద్వారా డేటా సర్వర్‌లను నిర్మించే వ్యక్తులు దాని క్రింద ఉన్నదాన్ని చూడగలరు మరియు ఇతర ప్రేక్షకులను సంక్లిష్టతల నుండి రక్షించగలుగుతాము, తద్వారా వారు వేర్వేరు ఉన్నత-స్థాయి వస్తువులను చూస్తారు, ఇది వ్యాపారంతో కమ్యూనికేట్ చేయడానికి కూడా బాగా పనిచేస్తుంది మేము వేర్వేరు వ్యాపార భావనల పరస్పర చర్య గురించి మాట్లాడుతున్నప్పుడు విశ్లేషకులు మరియు వ్యాపార వాటాదారులు.

దాని గురించి మంచి విషయం ఏమిటంటే, మేము వీటిని నిర్మాణాత్మకంగా విస్తరించడం మరియు కూల్చివేయడం, అందువల్ల మేము అధిక-ఆర్డర్ వస్తువుల మధ్య సంబంధాలను ఆ వ్యాపార డేటా వస్తువులలోని నిర్మాణాల వద్ద ఉద్భవించినప్పటికీ వాటిని కొనసాగించగలము. ఇప్పుడు మోడలర్‌గా, s చివరకి, s ర్యాప్-అప్ చివరిలో, నేను చేయవలసినవి చాలా ఉన్నాయి, నేను తరువాతి s కోసం నా ఇంటి పనిని పిలుస్తాను. ప్రతి పేరు నేను పేరున్న విడుదల అని పిలుస్తాను - ఇది ఇప్పుడు విడుదల చివరిలో నా దగ్గర ఉన్నదానికి నా బేస్ లైన్ ఇస్తుంది. కాబట్టి నా బేస్లైన్ ముందుకు వెళుతున్నది, నా రిపోజిటరీలో నేను సృష్టించిన మరియు సేవ్ చేసే ఈ బేస్లైన్లు లేదా పేరున్న విడుదలలు నేను పోల్చడానికి / విలీనం చేయడానికి ఉపయోగించగలను, అందువల్ల నేను ఏ ఇతర s ల నుండి ఏ ముగింపుతో అయినా పోల్చగలను, ఇది దాని ప్రయాణ మార్గంలో మీ డేటా మోడల్‌లో మీ మార్పులు ఏమిటో తెలుసుకోవడం చాలా ముఖ్యం.

నేను డెల్టా డిడిఎల్ స్క్రిప్ట్‌ను కూడా పోల్చండి / విలీనం చేసి మళ్ళీ ప్రారంభం నుండి చివరి వరకు సృష్టించాను. నేను పెరుగుతున్న స్క్రిప్ట్ యొక్క మొత్తం సమూహంలో తనిఖీ చేసి ఉండవచ్చు, కానీ నాకు అది అవసరమైతే ఇప్పుడు నేను ఇతర శాండ్‌బాక్స్‌లను నిలబెట్టడానికి ఉపయోగించగల స్క్రిప్ట్‌ను కలిగి ఉన్నాను, అందువల్ల నేను ఒక s ప్రారంభంలో, పుష్ దాని ద్వారా, తదుపరి s తో ప్రారంభించడానికి ఒక డేటాబేస్ను శాండ్‌బాక్స్‌గా నిర్మించండి మరియు స్టాండప్ QA ఉదంతాలు వంటి పనులను చేయడానికి కూడా మేము వాటిని ఉపయోగించవచ్చు మరియు చివరికి మన మార్పులను ఉత్పత్తికి నెట్టాలని మేము కోరుకుంటున్నాము, అందువల్ల మనకు బహుళ విషయాలు జరుగుతున్నాయి అదే సమయంలో. మళ్ళీ, మేము పూర్తిగా ప్రణాళిక మరియు పునరాలోచనలలో పాల్గొంటాము, రెట్రోస్పెక్టివ్స్ నిజంగా నేర్చుకున్న పాఠాలు మరియు ఇది చాలా ముఖ్యమైనది, ఎందుకంటే మీరు చురుకైన సమయంలో చాలా త్వరగా వెళ్ళవచ్చు, మీరు విజయాలను ఆపి, జరుపుకోవాలి. ఏది తప్పు అని గుర్తించండి, తదుపరి సారి దాన్ని మెరుగుపరచండి, కానీ సరైన విషయాలను జరుపుకోండి మరియు మీరు ముందుకు వెళ్ళేటప్పుడు తదుపరి ss లో ముందుకు వెళుతున్నప్పుడు వాటిని నిర్మించండి.

నేను ఇప్పుడు వ్యాపార విలువ గురించి చాలా త్వరగా మాట్లాడబోతున్నాను. చాలా సంవత్సరాల క్రితం నేను చురుకైన ప్రాజెక్ట్‌గా ప్రారంభమైన ఒక ప్రాజెక్ట్ ఉంది, మరియు ఇది ఒక విపరీతమైన ప్రాజెక్ట్, కాబట్టి ఇది స్వచ్ఛమైన స్వీయ-ఆర్గనైజింగ్ బృందం, ఇక్కడ అది కేవలం డెవలపర్లు మాత్రమే. పొడవైన కథను చిన్నదిగా చేయడానికి, ఈ ప్రాజెక్ట్ నిలిచిపోతోంది మరియు వారు మరింత కార్యాచరణను ముందుకు తీసుకురావడం కంటే గుర్తించబడిన లోపాలను పరిష్కరించడానికి మరియు పరిష్కరించడానికి వారు ఎక్కువసార్లు ఖర్చు చేస్తున్నారని వారు కనుగొన్నారు మరియు వాస్తవానికి, వారు దీనిని ఆధారంగా చూసినప్పుడు బర్న్-డౌన్ చార్టులలో వారు ఈ ప్రాజెక్టును ఆరు నెలలు భారీ ఖర్చుతో పొడిగించాల్సి ఉంటుంది. మరియు మేము దానిని చూసినప్పుడు, సమస్యను పరిష్కరించడానికి మార్గం సరైన డేటా మోడలింగ్ సాధనాన్ని ప్రాజెక్టులో పాల్గొన్న నైపుణ్యం కలిగిన డేటా మోడలర్‌తో ఉపయోగించడం.

మీరు ఈ నిర్దిష్ట చార్టులో ఈ నిలువు పట్టీని చూస్తే, ఇది సంచిత వస్తువులకు వ్యతిరేకంగా సంచిత లోపాలను చూపుతోంది, మరియు నేను చూస్తే, ఆబ్జెక్ట్ ఆబ్జెక్ట్స్ లేదా నిర్మాణాల గురించి మాట్లాడుతున్నాను. డేటా మోడలర్ ప్రవేశపెట్టడానికి ముందు, లోపాల సంఖ్య వాస్తవానికి మించిపోయింది మరియు ఆ సమయం వరకు ఉత్పత్తి చేయబడిన వాస్తవ వస్తువుల సంఖ్యపై కొంచెం అంతరాన్ని నిర్మించడం ప్రారంభించింది. 21 వ వారం తరువాత, డేటా మోడలర్ వచ్చినప్పుడు, అనేక విషయాలను పరిష్కరించడానికి ఉన్నదాని ఆధారంగా డేటా మోడల్‌ను రీఫ్యాక్టర్ చేసి, ఆపై ప్రాజెక్ట్ బృందం ముందుకు వెళ్ళడంలో భాగంగా మోడలింగ్ ప్రారంభించింది, ఆ ప్రాజెక్ట్‌లో మార్పులు ముందుకు నెట్టబడుతున్నాయి . డెవలపర్ స్టిక్ భవనం కంటే డేటా మోడలింగ్ సాధనం నుండి మేము ఉత్పత్తి చేస్తున్నందున, ఉత్పత్తి చేయబడిన మరియు నిర్మించబడుతున్న వస్తువులు మరియు డేటా నిర్మాణాల సంఖ్యలో భారీ పెరుగుదలను మీరు చూశాము. వాటిని వాతావరణంలో, మరియు అవి సరైనవి ఎందుకంటే అవి సరైన రెఫరెన్షియల్ సమగ్రతను కలిగి ఉన్నాయి మరియు ఇతర నిర్మాణాలు కలిగి ఉండాలి. దాదాపు ఫ్లాట్‌లైన్‌కు వ్యతిరేకంగా లోపాల స్థాయి. ఆ తగిన చర్య తీసుకొని, డేటా మోడలింగ్ పూర్తిగా నిమగ్నమైందని నిర్ధారించుకోవడం ద్వారా, ఈ ప్రాజెక్ట్ చాలా ఎక్కువ నాణ్యతతో సకాలంలో పంపిణీ చేయబడింది, వాస్తవానికి, ఆ దశలు జరగకపోతే అది అస్సలు పంపిణీ చేయబడదు. అక్కడ చాలా చురుకైన వైఫల్యాలు ఉన్నాయి, సరైన పాత్రలలో సరైన వ్యక్తులను మీరు తీసుకుంటే చాలా చురుకైన విజయాలు కూడా ఉన్నాయి. నేను కార్యాచరణ క్రమశిక్షణగా చురుకైన పెద్ద ప్రతిపాదకుడిని, కానీ మీరు చురుకైన రకమైన ప్రయత్నంలో ముందుకు వెళ్ళేటప్పుడు మీ ప్రాజెక్ట్ జట్లుగా పాల్గొన్న అన్ని సరైన సమూహాల నైపుణ్యాలు మీకు ఉన్నాయని నిర్ధారించుకోవాలి.

సంగ్రహంగా చెప్పాలంటే, డేటా ఆర్కిటెక్ట్‌లు మరియు మోడలర్లు అన్ని అభివృద్ధి ప్రాజెక్టులలో పాల్గొనాలి; అవి నిజంగా అన్నింటినీ కలిపి ఉంచే జిగురు ఎందుకంటే డేటా మోడలర్లు మరియు వాస్తుశిల్పులుగా మనం ఇచ్చిన అభివృద్ధి ప్రాజెక్టు యొక్క డేటా నిర్మాణాలు మాత్రమే కాకుండా, సంస్థలో డేటా ఎక్కడ ఉందో మరియు ఆ డేటాను మనం ఎక్కడ నుండి పొందవచ్చు మరియు ఎలా మేము పనిచేస్తున్న నిర్దిష్ట అనువర్తనం వెలుపల ఉపయోగించబడుతుంది మరియు ఉపయోగించబడుతుంది. మేము సంక్లిష్టమైన డేటా సంబంధాలను అర్థం చేసుకున్నాము మరియు పరిపాలన దృక్పథం నుండి పత్రాన్ని మ్యాప్ చేయడానికి మరియు మీ పూర్తి డేటా ల్యాండ్‌స్కేప్ ఎలా ఉంటుందో అర్థం చేసుకోవడానికి ముందుకు సాగడం చాలా ముఖ్యమైనది.

ఇది తయారీ లాంటిది; నేను తయారీ నేపథ్యం నుండి వచ్చాను. మీరు చివరికి ఏదో ఒకదానిలో నాణ్యతను పరిశీలించలేరు - మీరు మీ రూపకల్పనలో ముందస్తుగా మరియు మీ మార్గంలో నాణ్యతను నిర్మించాల్సిన అవసరం ఉంది, మరియు డేటా మోడలింగ్ అనేది ఆ నాణ్యతను రూపకల్పనలో సమర్థవంతంగా మరియు ఖర్చుతో కూడుకున్న పద్ధతిలో రూపొందించడానికి ఒక మార్గం. . మరలా, గుర్తుంచుకోవలసిన విషయం - మరియు ఇది సామాన్యమైనది కాదు, కానీ ఇది నిజం - అనువర్తనాలు వస్తాయి మరియు వెళ్లండి, డేటా ముఖ్యమైన కార్పొరేట్ ఆస్తి మరియు ఇది ఆ అనువర్తన సరిహద్దులన్నింటినీ మించిపోయింది. మీరు ఒక అనువర్తనంలో ఉంచిన ప్రతిసారీ మీరు ముందు వచ్చిన ఇతర అనువర్తనాల నుండి డేటాను భద్రపరచమని అడుగుతారు, కాబట్టి ఇది కాలక్రమేణా మేము కొనసాగించే కీలకమైన కార్పొరేట్ ఆస్తి అని గుర్తుంచుకోవాలి.

మరియు అది అంతే! ఇక్కడ నుండి మేము మరిన్ని ప్రశ్నలు తీసుకుంటాము.

ఎరిక్ కవనాగ్: సరే, మంచిది, మొదట రాబిన్‌కు విసిరేస్తాను. ఆపై, డెజ్, మీకు కొన్ని ప్రశ్నలు ఉన్నాయని నేను ఖచ్చితంగా అనుకుంటున్నాను. రాబిన్, దాన్ని తీసివేయండి.

డాక్టర్ రాబిన్ బ్లూర్: సరే. నిజం చెప్పాలంటే, చురుకైన అభివృద్ధి పద్ధతులతో నాకు ఎప్పుడూ సమస్య లేదు మరియు మీరు ఇక్కడ ఏమి చేస్తున్నారో గొప్ప అర్ధమే అనిపిస్తుంది. 1980 లలో ఏదో ఒకదానిని చూడటం నాకు గుర్తుంది, ఇది నిజంగా, ఒక ప్రాజెక్ట్ పరంగా నియంత్రణలో లేకుండా పోయే సమస్య, మీరు ఒక నిర్దిష్ట దశకు మించి పొరపాటును కొనసాగిస్తే సాధారణంగా ఉంటుంది. మీరు ఆ దశను సరిగ్గా పొందకపోతే దాన్ని పరిష్కరించడం మరింత కష్టమవుతుంది, కాబట్టి మీరు ఇక్కడ చేస్తున్న పనులలో ఒకటి - మరియు ఇది స్లైడ్ అని నేను అనుకుంటున్నాను - కాని మీరు ఇక్కడ చేస్తున్న పనులలో ఒకటి సున్నాలో, నా అభిప్రాయం ప్రకారం, ఖచ్చితంగా ముఖ్యమైనది ఎందుకంటే మీరు నిజంగా డెలివరీలను అక్కడ పిన్ చేయడానికి ప్రయత్నిస్తున్నారు. మీరు డెలివరీలను పిన్ చేయకపోతే, డెలివరీలు ఆకారాన్ని మారుస్తాయి.

అది నా అభిప్రాయం. ఇది నా అభిప్రాయం కూడా - మీరు వెళ్ళే ముందు డేటా మోడలింగ్‌ను ఒక నిర్దిష్ట స్థాయి వివరాలకు సరిగ్గా పొందాలనే ఆలోచనతో నాకు ఎటువంటి వాదన లేదు. నేను దాని గురించి పూర్తి అవగాహన పొందనందున మీరు ప్రయత్నించాలని మరియు చేయాలనుకుంటున్నాను, ఈ ప్రాజెక్టులలో ఒకదానిని దాని పరిమాణం పరంగా, అది ఎలా ప్రవహించిందో, ఎవరు, మీకు తెలుసా, ఎక్కడ సమస్యలు ఏర్పడ్డాయి, అవి పరిష్కరించబడ్డాయి? ఎందుకంటే ఈ స్లయిడ్ దాని హృదయం అని నేను భావిస్తున్నాను మరియు మీరు దీని గురించి కొంచెం ఎక్కువ వివరించగలిగితే, నేను చాలా కృతజ్ఞుడను.

రాన్ హుయిజెంగా: ఖచ్చితంగా, నేను కొన్ని ఉదాహరణ ప్రాజెక్టులను ఉపయోగిస్తాను. వాస్తవానికి, సరైన వ్యక్తులను చేర్చుకోవడం మరియు డేటా మోడలింగ్ చేయడం ద్వారా తిరిగి తీసుకువచ్చిన పట్టాల నుండి బయటపడింది, ప్రతిదీ నిజంగా డిజైన్ బాగా అర్థం చేసుకోబడిందని నిర్ధారించుకోవడానికి ఒక మార్గం మరియు మనకు స్పష్టంగా మంచి అమలు రూపకల్పన ఉంది మోడలింగ్ ద్వారా మార్గంలో. ఎందుకంటే మీరు దీన్ని మోడల్‌ చేసినప్పుడు, మీకు తెలుసా, మీరు మీ డిడిఎల్‌ను మరియు సాధనం వెనుక మరియు వెలుపల అన్నింటినీ ఉత్పత్తి చేయగలరు, దీనిని నిర్మించడం కంటే ప్రజలు సాధారణంగా డేటాబేస్ వాతావరణంలోకి వెళ్లడం ద్వారా చేయవచ్చు. డెవలపర్‌లతో జరిగే విలక్షణమైన విషయాలు వారు అక్కడకు వెళ్లి వారు సరే, నాకు ఈ పట్టికలు కావాలి. మేము ఆర్డర్ ఎంట్రీలు చేస్తున్నామని చెప్పండి. కాబట్టి వారు ఆర్డర్ హెడర్ మరియు ఆర్డర్ డిటైల్ టేబుల్స్ మరియు ఆ రకమైన విషయాలను సృష్టించవచ్చు. కానీ విదేశీ కీ సంబంధాలను సూచించడానికి అవరోధాలు ఉన్నాయని నిర్ధారించుకోవడానికి వారు చాలా తరచుగా మరచిపోతారు లేదా నిర్లక్ష్యం చేస్తారు. వారికి కీలు సరైనవి కాకపోవచ్చు. నామకరణ సమావేశాలు కూడా అనుమానించవచ్చు. నేను పర్యావరణంలోకి ఎన్నిసార్లు వెళ్ళానో నాకు తెలియదు, ఉదాహరణకు, మీరు వేర్వేరు పేర్లతో వేర్వేరు పట్టికల సమూహాన్ని చూస్తారు, కాని ఆ పట్టికలలోని కాలమ్ పేర్లు ID, పేరు లేదా ఏమైనా ఉంటాయి, కాబట్టి అవి సరిగ్గా ఏమిటో పట్టిక లేకుండా నిజంగా కాన్ కోల్పోయాను.

కాబట్టి, సాధారణంగా మేము డేటా మోడలింగ్ చేస్తున్నప్పుడు, DDL లో కూడా ఉత్పత్తి అవుతున్న అన్ని కళాఖండాలకు సరైన నామకరణ సంప్రదాయాలను వర్తింపజేస్తున్నట్లు చూస్తాము. ప్రాజెక్టుల స్వభావం గురించి మరింత స్పష్టంగా చెప్పాలంటే, సాధారణంగా చెప్పాలంటే, నేను చాలా పెద్ద కార్యక్రమాల గురించి మాట్లాడుతున్నాను. వాటిలో ఒకటి million 150 మిలియన్ల వ్యాపార పరివర్తన ప్రాజెక్ట్, అక్కడ మేము డజనుకు పైగా లెగసీ వ్యవస్థలను భర్తీ చేసాము. మాకు ఒకేసారి ఐదు వేర్వేరు చురుకైన జట్లు ఉన్నాయి. నేను పూర్తి డేటా ఆర్కిటెక్చర్ బృందాన్ని కలిగి ఉన్నాను, కాబట్టి నా బృందం నుండి ప్రతి ఇతర అప్లికేషన్ ఏరియా జట్లలో పొందుపరిచిన డేటా మోడలర్లు ఉన్నారు, మరియు మేము విషయం తెలిసిన అంతర్గత వ్యాపార నిపుణుల కలయికతో పని చేస్తున్నాము. అవసరాల కోసం వినియోగదారు కథలు. కార్యాచరణ రేఖాచిత్రాలు లేదా బిజినెస్ ప్రాసెస్ రేఖాచిత్రాలతో, వాస్తవానికి వ్యాపార ప్రక్రియను మోడలింగ్ చేస్తున్న ప్రతి జట్లలో మాకు వ్యాపార విశ్లేషకులు ఉన్నారు, వినియోగదారుల కథలను వారు మిగిలిన జట్టుతో వినియోగించే ముందు వినియోగదారులతో మరింతగా బయటకు తీయడానికి సహాయం చేస్తారు.

ఆపై, వాస్తవానికి, దాని పైన అప్లికేషన్ కోడ్‌ను నిర్మిస్తున్న డెవలపర్లు. మరియు మేము కూడా పని చేస్తున్నాము, ఇది నాలుగు వేర్వేరు సిస్టమ్స్ ఇంటిగ్రేషన్ విక్రేతలు అని నేను అనుకుంటున్నాను, ఇది అప్లికేషన్ యొక్క వివిధ భాగాలను నిర్మిస్తోంది, అక్కడ ఒక బృందం డేటా సేవలను నిర్మిస్తోంది, మరొకటి ఒక ప్రాంతంలో అప్లికేషన్ లాజిక్ను నిర్మిస్తోంది, మరొకటి నైపుణ్యం కలిగి ఉంది మరొక వ్యాపార ప్రాంతంలో ఆ ప్రాంతంలో అప్లికేషన్ లాజిక్‌ను నిర్మిస్తున్నారు. కాబట్టి ఈ ప్రాజెక్ట్‌లో పనిచేస్తున్న వ్యక్తుల మొత్తం సహకారం మాకు ఉంది. ప్రత్యేకించి, మేము జట్టులో 150 మందిని మరియు జట్టులో 150 మంది వనరులను కలిగి ఉన్నాము, వారు ఈ విషయాన్ని తరిమికొట్టడానికి రెండు వారాల పాటు సహకరిస్తున్నారు. మరియు మీరు అన్ని సిలిండర్లపై కాల్పులు జరుపుతున్నారని నిర్ధారించుకోవాలి మరియు ప్రతి ఒక్కరూ వారి డెలివరీల పరంగా బాగా సమకాలీకరించబడ్డారు మరియు అవసరమైన అన్ని కళాఖండాల యొక్క మా డెలివరీలను మేము పూర్తి చేస్తున్నామని నిర్ధారించుకోవడానికి మీకు తరచూ రీసెట్‌లు ఉన్నాయి. ప్రతి s చివరిలో.

డాక్టర్ రాబిన్ బ్లూర్: బాగా ఆకట్టుకుంటుంది. మరియు దానిపై కొంచెం ఎక్కువ వివరాల కోసం - మీరు పూర్తి, నేను పిలుస్తాను, ఆ ప్రాజెక్ట్ చివరిలో మొత్తం డేటా ప్రాంతం యొక్క MDM మ్యాప్?

రాన్ హుయిజెంగా: మాకు పూర్తి డేటా మోడల్ ఉంది, అది అన్ని విభిన్న వ్యాపార ప్రాంతాలలో కుళ్ళిపోవటంతో విభజించబడింది. పూర్తి నిర్వచనాల పరంగా డేటా నిఘంటువు కొద్దిగా తగ్గింది. మాకు చాలా పట్టికలు నిర్వచించబడ్డాయి; మేము చాలా నిలువు వరుసలను సరిగ్గా అర్థం చేసుకున్నట్లుగా నిర్వచించాము. అక్కడ లేనివి కొన్ని ఉన్నాయి మరియు ఆసక్తికరంగా, వాటిలో చాలా సమాచారం లెగసీ వ్యవస్థల నుండి వచ్చినవి, ఇక్కడ ప్రాజెక్ట్ స్కోప్ ముగిసిన తరువాత, అది ఇప్పటికీ క్యారీ-ఫార్వర్డ్ సెట్‌గా నమోదు చేయబడుతోంది కళాఖండాలు, ప్రాజెక్ట్ వెలుపల ఉన్నాయి, ఎందుకంటే ఇది సంస్థ ముందుకు సాగడం ద్వారా కొనసాగించాల్సిన అవసరం ఉంది. కాబట్టి అదే సమయంలో సంస్థ డేటా గవర్నెన్స్ యొక్క ప్రాముఖ్యత గురించి చాలా ఎక్కువ దృక్పథాన్ని తీసుకుంది, ఎందుకంటే ఆ లెగసీ సిస్టమ్స్‌లో చాలా లోపాలను మరియు డాక్యుమెంట్ చేయనందున మేము వినియోగించడానికి ప్రయత్నిస్తున్న లెగసీ డేటా సోర్స్‌లలో చాలా లోపాలను చూశాము. చాలా సందర్భాల్లో, మేము రివర్స్ ఇంజనీర్‌ను కలిగి ఉన్న డేటాబేస్‌లను మాత్రమే కలిగి ఉన్నాము మరియు అక్కడ ఏమి ఉంది మరియు సమాచారం ఏమిటో గుర్తించడానికి ప్రయత్నించాలి.

డాక్టర్ రాబిన్ బ్లూర్: ఇది నాకు ఆశ్చర్యం కలిగించదు, దాని యొక్క ప్రత్యేకమైన అంశం. డేటా గవర్నెన్స్, దీనిని చాలా ఆధునిక ఆందోళన అని పిలుస్తాను మరియు నిజంగా, డేటా గవర్నెన్స్‌పై చారిత్రాత్మకంగా చేయాల్సిన పని చాలా ఉందని నేను అనుకుంటున్నాను. ఇది ఎప్పటికీ కాదు ఎందుకంటే మీరు, రకమైన, దీన్ని చేయకుండా దూరంగా ఉండండి. డేటా వనరు ఇప్పుడిప్పుడే పెరుగుతూ, పెరుగుతున్న కొద్దీ, చివరికి మీరు చేయలేరు.

ఏదేమైనా, నేను డెజ్‌కు వెళ్తాను ఎందుకంటే నాకు కేటాయించిన సమయం ఉందని నేను భావిస్తున్నాను. డెజ్?

డెజ్ బ్లాంచ్ఫీల్డ్: అవును ధన్యవాదాలు. ఈ మొత్తం విషయం ద్వారా నేను చాలా రకాలుగా కోపంతో ఉపయోగించిన చురుకైనదాన్ని చూడటం గురించి మాట్లాడుతున్నానని నేను చూస్తున్నాను మరియు ఆలోచిస్తున్నాను. దీనికి ప్రతికూల అర్థాలు ఉన్నప్పటికీ; నేను సానుకూల మార్గంలో అర్థం. మీరు ఒక దృష్టాంతాన్ని ఇవ్వగలరా, నా ఉద్దేశ్యం, ఇది ఒక ఖచ్చితమైన సమితిగా నేను చూడగలిగే రెండు ప్రదేశాలు ఉన్నాయి: ఒకటి క్రొత్త ప్రాజెక్టులు, ఇది మొదటి రోజు నుండే చేయవలసి ఉంది, కాని నా అనుభవంలో, ఇది తరచూ అనేక విధాలుగా ఇది అవసరమయ్యే ప్రాజెక్టులు పెద్దవి అయినప్పుడు, రెండు ప్రపంచాలను అతుక్కోవడం మధ్య ఆసక్తికరమైన సవాలు ఉంది, సరియైనదా? మీరు ఒక సంస్థలోకి వెళ్ళిన చోట మీరు చూసిన కొన్ని విజయ కథల గురించి మీకు ఎలాంటి అవగాహన ఇవ్వగలరా, వారికి రెండు ప్రపంచాల గురించి కొంచెం ఘర్షణ జరిగిందని స్పష్టమైంది మరియు మీరు విజయవంతంగా ఉంచగలిగారు ఇది స్థానంలో మరియు పెద్ద ప్రాజెక్టులను ఒకచోట చేర్చి, అక్కడ వారు పట్టాలపైకి వెళ్లి ఉండవచ్చు? ఇది చాలా విస్తృతమైన ప్రశ్న అని నాకు తెలుసు, కాని మీరు చేయగలిగిన ఒక ప్రత్యేక కేస్ స్టడీ ఉందా అని నేను ఆశ్చర్యపోతున్నాను, విధమైన, మీరు చెప్పిన చోటికి సూచించండి, మీకు తెలుసా, మేము ఇవన్నీ ఉంచాము మరియు ఇది అన్ని అభివృద్ధి బృందాన్ని కలిసి తీసుకువచ్చింది డేటా బృందం మరియు మేము, పడవను మునిగిపోయే ఏదో ఒకదానిని పరిష్కరించాము?

రాన్ హుయిజెంగా: ఖచ్చితంగా, మరియు వాస్తవానికి పైప్‌లైన్ ప్రాజెక్ట్ అయిన ఒక ప్రాజెక్ట్, డేటా మోడలర్ ప్రమేయానికి ముందు మరియు తరువాత లోపాలతో ఆ చార్ట్‌ను నేను ఎక్కడ చూపించానో సూచించాను. చాలా తరచుగా, మరియు ముందస్తుగా ఆలోచనలు ఉన్నాయి, ప్రత్యేకించి ఇది పూర్తిగా అభివృద్ధి కోణం నుండి పూర్తి అయిన చోట విషయాలు విస్తరించి ఉంటే, అనువర్తనాలను అందించడానికి ఈ చురుకైన ప్రాజెక్టులలో పాల్గొన్న డెవలపర్లు మాత్రమే. కాబట్టి అక్కడ ఏమి జరిగిందంటే, వారు పట్టాలు మరియు వాటి డేటా కళాఖండాలు, లేదా వారు ఉత్పత్తి చేస్తున్న డేటా డెలివరీలు, నాణ్యత పరంగా గుర్తుకు తగ్గాయి మరియు మొత్తం విషయాలను నిజంగా పరిష్కరించుకున్నారా? డేటా మోడలర్లు ప్రాజెక్టులను మందగిస్తారనే ఈ అపోహ చాలా తరచుగా ఉంటుంది మరియు డేటా మోడలర్ సరైన వైఖరిని కలిగి ఉండకపోతే వారు అలా చేస్తారు. నేను చెప్పినట్లుగా, మీరు కోల్పోవలసి ఉంటుంది - కొన్నిసార్లు డేటా మోడలర్లు సాంప్రదాయ గేట్ కీపర్ వైఖరిని కలిగి ఉంటారు, ఇక్కడ “డేటా నిర్మాణాలు ఎలా ఉంటాయో నియంత్రించడానికి మేము ఇక్కడ ఉన్నాము” మరియు ఆ మనస్తత్వం కనిపించకుండా పోతుంది. చురుకైన అభివృద్ధిలో పాల్గొన్న ఎవరైనా, మరియు ముఖ్యంగా డేటా మోడలర్లు, జట్లు ముందుకు సాగడానికి నిజంగా సహాయపడటానికి ఫెసిలిటేటర్‌గా పాత్ర పోషించాలి. మొదట వివరించే మార్పులను మోడలింగ్ చేయడం ద్వారా జట్లు ఎంత ఉత్పాదకతను చూపుతాయో చూపించడం ఉత్తమ మార్గం. మరలా, అందుకే నేను సహకారం గురించి మాట్లాడాను.

మేము మొదట మోడల్ చేయగల కొన్ని విషయాలు ఉన్నాయి మరియు డెవలపర్‌లను బయటకు నెట్టడానికి DDL ను రూపొందించవచ్చు. వారు పరిమితం చేయబడినట్లు వారికి అనిపించదని మేము కూడా నిర్ధారించుకోవాలి. కాబట్టి, వారు పనిచేస్తున్న విషయాలు ఉంటే, వారి అభివృద్ధి శాండ్‌బాక్స్‌లలో పని చేస్తూ ఉండనివ్వండి, ఎందుకంటే అక్కడే డెవలపర్లు తమ సొంత డెస్క్‌టాప్‌లు లేదా ఇతర డేటాబేస్‌లలో పని చేస్తున్నారు, అక్కడ వారు విషయాలను పరీక్షిస్తున్నారు. మరియు వారితో సహకరించండి మరియు "సరే, దానితో పని చేయండి" అని చెప్పండి. మేము దానిని సాధనంలోకి తీసుకువస్తాము, మేము దాన్ని పరిష్కరిస్తాము, ఆపై మేము దానిని ముందుకు నెట్టివేస్తాము మరియు మీ అప్‌డేట్ చేయడానికి మీరు దాన్ని అమలు చేయగల స్క్రిప్ట్‌లను మీకు ఇస్తాము. డేటాబేస్లు వాటిని అప్‌గ్రేడ్ చేయడానికి వాస్తవంగా మంజూరు చేయబడిన నిజమైన ఉత్పత్తి వీక్షణ ఏమిటంటే మనం ముందుకు సాగడం. మరియు మీరు దానిని చాలా త్వరగా మార్చవచ్చు. నేను వేర్వేరు అభివృద్ధి బృందాలతో పునరావృతం అవుతున్న చోట నా రోజులు నిండినట్లు నేను కనుగొన్నాను, మార్పులను చూడటం, పోల్చడం, స్క్రిప్ట్‌లను రూపొందించడం, వాటిని పొందడం, మరియు నేను ఒకసారి నాలుగు అభివృద్ధి బృందాలతో సులభంగా ఉండగలిగాను moment పందుకుంది.

డెజ్ బ్లాంచ్ఫీల్డ్: దాని నుండి గుర్తుకు వచ్చే విషయాలలో ఒకటి, మీకు తెలుసా, నేను రోజూ చేస్తున్న చాలా సంభాషణలు ఈ సరుకు రవాణా రైలు గురించి, ఒక విధమైన, మెషిన్-టు-మెషిన్ మరియు IOT. ఎంటర్ప్రైజ్లో మా ప్రస్తుత పరిసరాలలో ఇప్పుడు మనకు చాలా డేటా లభించిందని మేము అనుకుంటే, మీకు తెలుసా, యునికార్న్స్ ను ఒక క్షణం పక్కన పెడితే, గూగల్స్ మరియు లు మరియు ఉబెర్స్ పెటాబైట్ల డేటాను కలిగి ఉన్నాయని మాకు తెలుసు, కాని సాంప్రదాయ సంస్థలో మేము ఇంకా వందలాది టెరాబైట్ల గురించి మరియు చాలా డేటా గురించి మాట్లాడుతున్నాము. నా దృష్టిలో, సంస్థల వద్ద ఈ సరుకు రవాణా రైలు వస్తోంది మరియు డాక్టర్ రాబిన్ బ్లూర్ IoT గురించి ఇంతకు ముందే సూచించారు. మీకు తెలుసా, మాకు చాలా వెబ్ ట్రాఫిక్ ఉంది, మాకు సామాజిక ట్రాఫిక్ వచ్చింది, మనకు ఇప్పుడు చలనశీలత మరియు మొబైల్ పరికరాలు వచ్చాయి, క్లౌడ్ ఒక విధమైన పేలింది, కానీ ఇప్పుడు మనకు స్మార్ట్ మౌలిక సదుపాయాలు, స్మార్ట్ సిటీలు వచ్చాయి మరియు పేలిన ఈ డేటా మొత్తం ప్రపంచం ఉంది.

రోజువారీ సంస్థ కోసం, అక్కడ కూర్చుని, ఈ నొప్పి ప్రపంచాన్ని చూసే పెద్ద సంస్థకు ఒక మాధ్యమం వారి వద్దకు వస్తుంది మరియు మనస్సులో తక్షణ ప్రణాళిక లేదు, కొన్ని టేకావేలు ఏమిటి, కేవలం రెండు వాక్యాలలో, మీరు ఉంచాలి ఈ పద్దతుల్లో కొన్నింటిని ఉంచడం గురించి వారు ఎప్పుడు, ఎక్కడ సంభాషణాత్మకంగా ఆలోచించడం ప్రారంభించాలో వారికి. దాదాపుగా కూర్చుని శ్రద్ధ వహించడానికి ప్రణాళికను ప్రారంభించాల్సిన అవసరం ఎంతవరకు అవసరం మరియు కొన్ని సాధనాలను స్థానంలో ఉంచడానికి మరియు జట్టుకు శిక్షణ ఇవ్వడానికి మరియు ఈ సవాలును చుట్టుముట్టే మాటల సంభాషణను పొందడానికి ఇది సరైన సమయం అని చెప్పడానికి? కథలో ఎంత ఆలస్యం లేదా చాలా తొందరగా? మీరు చూస్తున్న కొన్ని సంస్థలకు ఇది ఎలా ఉంటుంది?

రాన్ హుయిజెంగా: చాలా సంస్థల కోసం వారు ఇంతకు ముందే చేయకపోతే మరియు డేటా మోడలింగ్ మరియు డేటా ఆర్కిటెక్చర్‌ను ఇలాంటి శక్తివంతమైన సాధనాలతో స్వీకరించినట్లయితే, వారు దీన్ని చేయాల్సిన సమయం నిన్నటిదని నేను చెబుతాను. ఇది ఆసక్తికరంగా ఉన్నందున, ఈ రోజు కూడా, మీరు సంస్థలలోని డేటాను చూసినప్పుడు, మా సంస్థలలో మాకు చాలా డేటా ఉంది మరియు సాధారణంగా చెప్పాలంటే, మేము చూసిన కొన్ని సర్వేల ఆధారంగా, మేము ఆ డేటాలో ఐదు శాతం కంటే తక్కువ సమర్థవంతంగా ఉపయోగిస్తున్నాము మేము సంస్థలను చూసినప్పుడు. మరియు IoT లేదా NoSQL తో, పెద్ద డేటా - ఇది కేవలం IoT కాకపోయినా, సాధారణంగా పెద్ద డేటా అయినప్పటికీ - మన సంస్థల వెలుపల నుండి పుట్టుకొచ్చే మరింత సమాచారాన్ని ఇప్పుడు మనం వినియోగించడం ప్రారంభించాము, ఆ సవాలు పెద్దదిగా మరియు పెద్దదిగా మారుతోంది అన్ని వేళలా. మరియు దాన్ని పరిష్కరించగలిగే అవకాశం మనకు ఉన్న ఏకైక మార్గం, ఆ డేటా ఏమిటో అర్థం చేసుకోవడంలో మాకు సహాయపడటం.

కాబట్టి, వినియోగ కేసు కొద్దిగా భిన్నంగా ఉంటుంది. మనం ఆ డేటాను చూసినప్పుడు, మనం దానిని సంగ్రహిస్తున్నాము, దాన్ని రివర్స్ ఇంజనీర్ చేయాలి, వాటిలో ఏముందో చూడండి, అది మన డేటా సరస్సులలో లేదా మన అంతర్గత డేటాబేస్లలో అయినా, ఏమి సంశ్లేషణ చేస్తుంది డేటా అంటే, దానికి అర్ధాలను మరియు దానికి నిర్వచనాలను వర్తింపజేయండి, తద్వారా డేటా ఏమిటో మనం అర్థం చేసుకోవచ్చు. ఎందుకంటే అది ఏమిటో మేము అర్థం చేసుకునే వరకు, మేము దానిని సరిగ్గా లేదా తగినంతగా ఉపయోగిస్తున్నామని నిర్ధారించుకోలేము. కాబట్టి ఆ డేటా ఏమిటో మనం నిజంగా హ్యాండిల్ పొందాలి.మరియు దాని యొక్క మరొక భాగం, దీన్ని చేయవద్దు ఎందుకంటే మీరు ఈ బాహ్య డేటాను వినియోగించే పరంగా, ఈ బాహ్య డేటాను వినియోగించుకునే మద్దతు కేసు మీకు ఉందని నిర్ధారించుకోండి. మీకు అవసరమైన విషయాలను లాగడానికి మరియు ఉపయోగించుకోవటానికి ప్రయత్నించడం కంటే మీకు అవసరమైన విషయాలపై దృష్టి పెట్టండి. మొదట ముఖ్యమైన విషయాలపై దృష్టి పెట్టండి మరియు మీరు దాని ద్వారా పని చేస్తున్నప్పుడు, మీరు బయటి నుండి ఇతర సమాచారాన్ని వినియోగించుకుంటారు మరియు అర్థం చేసుకోవడానికి ప్రయత్నిస్తారు.

దీనికి సరైన ఉదాహరణ, మేము IoT మరియు సెన్సార్లను మాట్లాడుతున్నామని నాకు తెలుసు, కాని అదే రకమైన సమస్య వాస్తవానికి చాలా సంస్థలలో చాలా సంవత్సరాలుగా, IoT కి ముందే ఉంది. ఉత్పాదక నియంత్రణ వ్యవస్థ ఉన్న ఎవరైనా, వారు పైప్‌లైన్ కంపెనీ, తయారీ, ఏదైనా ప్రాసెస్-ఆధారిత కంపెనీలు, అక్కడ వారు నియంత్రణలతో చాలా ఆటోమేషన్ చేస్తున్నారు మరియు వారు డేటా స్ట్రీమ్‌లను మరియు అలాంటి వాటిని ఉపయోగిస్తున్నారు. డేటా యొక్క ఈ ఫైర్‌హోస్‌లు గుర్తించడానికి వారు త్రాగడానికి ప్రయత్నిస్తున్నారు, సిగ్నల్ చేయడానికి నా ఉత్పత్తి పరికరాలలో సంభవించిన సంఘటనలు ఏమిటి - ఏమి జరిగింది మరియు ఎప్పుడు? మరియు ఈ భారీ డేటా ప్రవాహంలో వారు ఆసక్తి ఉన్న నిర్దిష్ట సమాచారం లేదా ట్యాగ్‌లు మాత్రమే ఉన్నాయి, అవి జల్లెడ, సంశ్లేషణ, మోడల్ మరియు అర్థం చేసుకోవాలి. మరియు వారు దానిని నిజంగా అర్థం చేసుకోవడానికి సమయం వచ్చేవరకు మిగిలిన వాటిని విస్మరించవచ్చు, ఆపై వారు తమ పరిధిని మరింతగా పరిధిలోకి లాగడానికి విస్తరించవచ్చు, అది అర్ధమే.

డెజ్ బ్లాంచ్ఫీల్డ్: ఇది నిజంగా చేస్తుంది. నేను ఎరిక్ అనే పెద్దమనిషి నుండి వచ్చిన ఒక ప్రశ్న ఉంది, మరియు మేము దాని గురించి ప్రైవేటుగా చాట్ చేస్తున్నాము. మీ నుండి అడగడానికి నేను ఆయన అనుమతి ఇచ్చాను. ఎందుకంటే ఇది చక్కగా చుట్టుముట్టడానికి దారితీస్తుంది, ఎందుకంటే మనం ఇప్పుడు కాలక్రమేణా కొంచెం వెళ్తున్నాము మరియు నేను ఎరిక్‌కు తిరిగి అప్పగిస్తాను. మరొక ఎరిక్ నుండి వచ్చిన ప్రశ్న ఏమిటంటే, స్టార్టప్ యజమానులు మోడలింగ్ పరిభాష చుట్టూ ఉన్న ప్రత్యేకమైన సవాళ్లను తెలుసుకొని, అర్థం చేసుకోవడం సమంజసమా, లేదా దానిని వ్యాఖ్యానం కోసం వేరొకరికి అప్పగించాలా? కాబట్టి, మరో మాటలో చెప్పాలంటే, ఒక స్టార్టప్ సామర్థ్యం మరియు సిద్ధంగా మరియు సిద్ధంగా మరియు దీనిపై దృష్టి పెట్టడానికి మరియు పంపిణీ చేయగలగాలి? లేదా వారు బహుశా షాపింగ్ చేసి నిపుణులను బోర్డులోకి తీసుకురావాలా?

రాన్ హుయిజెంగా: చిన్న సమాధానం ఇది నిజంగా ఆధారపడి ఉంటుందని నేను ess హిస్తున్నాను. డేటాబేస్ను నిజంగా అర్థం చేసుకునే డేటా ఆర్కిటెక్ట్ లేదా మోడలర్ అయిన ఇంట్లో ఎవరో లేని స్టార్టప్ అయితే, ప్రారంభించడానికి శీఘ్ర మార్గం ఈ స్థలంలో బాగా ప్రావీణ్యం ఉన్న కన్సల్టింగ్ నేపథ్యం ఉన్న వారిని తీసుకురావడం. వారు వెళ్తున్నారు. ఎందుకంటే మీరు కనుగొనేది - మరియు వాస్తవానికి, ఉత్పత్తి నిర్వహణలో నేను చీకటి వైపుకు రాకముందు నేను చేసిన చాలా నిశ్చితార్థాలపై నేను ఇలా చేశాను - నేను కన్సల్టెంట్‌గా సంస్థల్లోకి వెళ్లి, వారి డేటా ఆర్కిటెక్చర్ బృందాలకు నాయకత్వం వహిస్తాను, తద్వారా వారు తమను తాము దృష్టి కేంద్రీకరించుకోవచ్చు మరియు ఈ రకమైన పనులను ఎలా చేయాలో వారి ప్రజలకు శిక్షణ ఇస్తారు, తద్వారా వారు దానిని నిలబెట్టుకుంటారు మరియు మిషన్‌ను ముందుకు తీసుకువెళతారు. అర్ధమైతే నేను నా తదుపరి నిశ్చితార్థానికి వెళ్తాను. అక్కడ చాలా మంది ఉన్నారు, అలా చేసే వారు, మంచి డేటా అనుభవాన్ని కలిగి ఉంటారు.

డెజ్ బ్లాంచ్ఫీల్డ్: ఇది గొప్ప టేకావే పాయింట్ మరియు నేను పూర్తిగా అంగీకరిస్తున్నాను మరియు డాక్టర్ రాబిన్ బ్లూర్ కూడా అలాగే ఉంటారని నాకు ఖచ్చితంగా తెలుసు. ప్రత్యేకించి ప్రారంభంలో, మీరు మీ ప్రారంభ వ్యాపారంలో భాగంగా నిర్మించాలనుకుంటున్న ప్రతిపాదన యొక్క నిర్దిష్ట విలువపై SME గా ఉండటంపై దృష్టి పెట్టారు మరియు మీరు బహుశా ప్రతిదానిపై నిపుణులు కానవసరం లేదు, కాబట్టి గొప్ప సలహా. కానీ చాలా ధన్యవాదాలు, అద్భుతమైన ప్రదర్శన. నిజంగా గొప్ప సమాధానాలు మరియు ప్రశ్నలు. ఎరిక్, నేను మీకు తిరిగి అప్పగించబోతున్నాను ఎందుకంటే మేము కాలక్రమేణా పది నిమిషాలు గడిచిపోయామని నాకు తెలుసు మరియు మీరు మా సమయ విండోలకు దగ్గరగా ఉండాలని నాకు తెలుసు.

ఎరిక్ కవనాగ్: పర్లేదు. మాకు కనీసం రెండు మంచి ప్రశ్నలు ఉన్నాయి. నేను మీ మీద ఒకదాన్ని విసిరేస్తాను. మరికొన్నింటికి మీరు సమాధానం ఇచ్చారని నేను భావిస్తున్నాను. కానీ వ్రాసే ఒక హాజరైన వారి నుండి చాలా ఆసక్తికరమైన పరిశీలన మరియు ప్రశ్న, కొన్నిసార్లు చురుకైన ప్రాజెక్టులు డేటా మోడలర్ మొత్తం దీర్ఘకాలిక చిత్రాన్ని కలిగి ఉండవు మరియు అందువల్ల అవి ఒకదానిలో ఏదో ఒకదానిని రూపకల్పన చేసి, మూడు లేదా నాలుగు వాటిలో పున es రూపకల్పన చేయవలసి ఉంటుంది. ఇది ప్రతికూలంగా అనిపించలేదా? ఆ రకమైన విషయాన్ని మీరు ఎలా నివారించవచ్చు?

రాన్ హుయిజెంగా: ఇచ్చిన వాటిలో మీరు ప్రతిదీ సరిగ్గా పొందలేరు అనేది చురుకైన స్వభావం. వాస్తవానికి ఇది చురుకైన స్ఫూర్తి యొక్క భాగం, ఇది: దానితో పని చేయండి - మీరు ఇచ్చిన s లో కోడ్‌లో పని చేస్తున్న చోట మీరు ప్రోటోటైపింగ్ చేయబోతున్నారు మరియు మీరు దానికి మెరుగులు దిద్దబోతున్నారు. మరియు ఆ ప్రక్రియలో ఒక భాగం మీరు అంతిమ వినియోగదారు చూసే వస్తువులను పంపిణీ చేస్తున్నప్పుడు, “అవును అది దగ్గరగా ఉంది, కానీ నేను దీన్ని కొంచెం అదనంగా చేయవలసి ఉంది.” కాబట్టి ఇది ఫంక్షనల్ డిజైన్‌ను మాత్రమే ప్రభావితం చేస్తుంది కోడ్ యొక్క కానీ చాలా తరచుగా మేము వినియోగదారు కోరుకుంటున్న వాటిని బట్వాడా చేయడానికి ఈ కొన్ని విషయాల క్రింద ఎక్కువ డేటా నిర్మాణాన్ని సవరించాలి లేదా జోడించాలి. మరియు ఇది అన్ని సరసమైన ఆట మరియు అందుకే మీరు నిజంగా అధిక శక్తితో కూడిన సాధనాలను ఉపయోగించాలనుకుంటున్నారు ఎందుకంటే మీరు చాలా త్వరగా మోడల్ చేయవచ్చు మరియు మోడలింగ్ సాధనంలో ఆ మార్పు చేయవచ్చు మరియు డేటాబేస్ కోసం DDL ను ఉత్పత్తి చేయవచ్చు, అప్పుడు డెవలపర్లు దానిని పంపిణీ చేయడానికి వ్యతిరేకంగా పని చేయవచ్చు మరింత త్వరగా మార్చండి. డేటా నిర్మాణాల మాదిరిగానే హ్యాండ్ కోడింగ్ చేయకుండా మీరు వారిని సేవ్ చేస్తున్నారు మరియు వారు చాలా నైపుణ్యం కలిగిన ప్రోగ్రామింగ్ లేదా అప్లికేషన్ లాజిక్ పై దృష్టి పెట్టడానికి వారిని అనుమతించండి.

ఎరిక్ కవనాగ్: అది పూర్తి అర్ధమే. ఇవన్నీ ఇతర సాధనాలతో ఎలా ముడిపడివుంటాయనే దానిపై నిర్దిష్ట ప్రశ్నలను అడిగే ఇతర వ్యక్తులను మేము కలిగి ఉన్నాము. మీరు ఉదాహరణల ద్వారా కొంత సమయం గడిపినట్లు నాకు తెలుసు మరియు మీరు ఈ విషయాలలో కొన్నింటిని ఎలా బయటకు తీస్తారనే దాని గురించి మీరు కొన్ని స్క్రీన్‌షాట్‌లను చూపిస్తున్నారు. ఈ మొత్తం ప్రక్రియ పరంగా, సంస్థలలో ఆడుకునేటప్పుడు, సాంప్రదాయక ప్రక్రియలను మీరు ఎంత తరచుగా చూస్తారు, ఇక్కడ విషయాలు, రకమైనవి, ప్లోడ్ మరియు ఎక్కువ సమయం పడుతుంది. మీ కోణం నుండి s- శైలి విధానం ఎంత ప్రబలంగా ఉంది?

రాన్ హుయిజెంగా: నేను దీన్ని మరింత ఎక్కువగా చూస్తున్నానని అనుకుంటున్నాను. నాకు తెలుసు, ముఖ్యంగా గత 15 ఏళ్ళలో, ప్రజలు త్వరగా డెలివరీ చేయాల్సిన అవసరం ఉందని గుర్తించి చాలా మందిని దత్తత తీసుకోవడం నేను చూశాను. కాబట్టి ఎక్కువ సంస్థలు చురుకైన బ్యాండ్‌వాగన్‌పైకి దూసుకెళ్లడాన్ని నేను చూశాను. పూర్తిగా అవసరం లేదు; ఇది పనిచేస్తుందని నిరూపించడానికి అవి కొన్ని పైలట్ ప్రాజెక్టులతో ప్రారంభించవచ్చు, కానీ కొన్ని ఇప్పటికీ చాలా సాంప్రదాయకంగా ఉన్నాయి మరియు అవి జలపాత పద్ధతిలో అంటుకుంటాయి. ఇప్పుడు, శుభవార్త ఏమిటంటే, సాధనాలు ఆ సంస్థలలో మరియు ఆ రకమైన పద్దతుల కోసం చాలా బాగా పనిచేస్తాయి, కాని మనకు సాధనంలో అనుకూలత ఉంది, తద్వారా బోర్డు మీద దూకిన వారికి టూల్‌బాక్స్‌లో సాధనాలు ఉన్నాయి వారి చేతివేళ్లు. పోల్చడం మరియు విలీనం చేయడం వంటివి, రివర్స్-ఇంజనీరింగ్ సామర్థ్యాలు వంటివి, అందువల్ల అవి ఇప్పటికే ఉన్న డేటా వనరులు ఏమిటో చూడగలవు, కాబట్టి అవి వాస్తవానికి పోల్చి, పెరుగుతున్న DDL స్క్రిప్ట్‌లను చాలా త్వరగా ఉత్పత్తి చేయగలవు. మరియు వారు దానిని ఆలింగనం చేసుకోవడం మరియు వారు ఉత్పాదకతను కలిగి ఉండటాన్ని చూడటం మొదలుపెడితే, చురుకైన వాటిని స్వీకరించడానికి వారి వంపు మరింత పెరుగుతుంది.

ఎరిక్ కవనాగ్: బాగా, ఇది గొప్ప విషయం, చేసారో. నేను చాట్ విండోలో ఉన్న స్లైడ్‌లకు లింక్‌ను పోస్ట్ చేసాను, కాబట్టి దాన్ని తనిఖీ చేయండి; ఇది మీ కోసం కొంచెం బిట్లీ. తరువాత వీక్షించడానికి మాకు ఈ వెబ్‌కాస్ట్‌లు ఉన్నాయి. వాటిని మీ స్నేహితులు మరియు సహోద్యోగులతో పంచుకోవడానికి సంకోచించకండి. మరియు రాన్, ఈ రోజు మీ సమయానికి చాలా ధన్యవాదాలు, మీరు ప్రదర్శనలో పాల్గొనడానికి ఎల్లప్పుడూ ఆహ్లాదకరంగా ఉంటారు - ఈ రంగంలో నిజమైన నిపుణుడు మరియు మీ విషయాలు మీకు తెలుసని స్పష్టంగా తెలుస్తుంది. కాబట్టి, మీకు ధన్యవాదాలు మరియు IDERA కి ధన్యవాదాలు మరియు, డెజ్ మరియు మా స్వంత రాబిన్ బ్లూర్‌లకు.

దానితో మేము మీకు వీడ్కోలు చెప్పబోతున్నాం, చేసారో. మీ సమయం మరియు శ్రద్ధకు మళ్ళీ ధన్యవాదాలు. మీరు 75 నిమిషాలు అతుక్కుపోతున్నారని మేము అభినందిస్తున్నాము, ఇది చాలా మంచి సంకేతం. మంచి ప్రదర్శన అబ్బాయిలు, మేము మీతో తదుపరిసారి మాట్లాడుతాము. వీడ్కోలు.