跟我一起总结【数据仓库】之——数据模型记分卡

数据模型记分卡

 

正确性：

1. 找到模型的评审记录及建议，与模型比较
2. 找到已创建的用户故事，与模型比较
3. 找到已经分析的数据库或接口设计，与模型比较
4. 检查已确保选择了正确的业务范围
5. 检查以确保模型遵循了现有标准

 

完整性：

1. 确认获得了所有的业务元数据
2. 确认获得了所有的技术元数据
3. 确认获得了所有的需求
4. 确认没有提供免费的服务
5. 确认看清了所有模糊的需求

 

结构

一致性

1. 检查如果一个属性在同一个数据模型中出现超过一次，每次出现都要有相同的定义
2. 检查相同的定义没有用在两个不同的属性上
3. 检查如果一个属性在同一个数据模型中出现多次，每次出现要有相同的格式、数据类型和其他详细信息
4. 检查属性名称与数据类型匹配

完整性

1. 检查每个主键都必须有值且非空
2. 找出同一个实体中出现多次的属性
3. 确保每个实体都有一个主键
4. 确保没有用保留字作为属性名
5. 确保每个实体都至少与模型中的其他实体有一个关系

 

标准

1. 检查每个外键属性名与主键匹配
2. 检查模型遵从一致的样式标准

 

可读性

1. 检查模型上的字体大小颜色全局规整

 

数据

1. 检查有做了数据源剖析的成果
2. 确保含有枚举值的属性的枚举值完整且正确
3. 确保必需的属性不含有任何空值
4. 确保属性名与实际存储的数据保持一致
5. 确保每个外键都连接回它的相应主键
6. 确保每个属性的格式都与其实际数据保持一致

 

模型评审必需文档：

1. 要评审的数据模型
2. 实体和属性的定义
3. 需求的工作成果（不限于标书分类、会议录音、Boq、用户故事）

 

附加的文档

1. 当前的开发阶段
2. 突出问题列表
3. 附加的规则列表

 

 

序号	分类	总分数	模型打分	建议及问题描述
1	模型是否正确地捕获了需求？	15
2	模型的完整性如何？	15
3	模型与其模式的匹配情况如何？	10
4	模型的结构是否合理？	15
5	模型是否很好的利用了通用的结构？	10
6	模型是否很好地遵从了命名规范？	5
7	模型是否具有可读性？	5
8	定义是否做得足够好？	10
9	元数据与数据匹配得如何？	15

记分卡