Veri Modellemesi (Data Modeling) Nedir?

Veri modelleme (Data Modelling), en basit haliyle veri analizi anlamına gelir. Verileri anlamak, depolamak ve yönetmek için en iyi yöntemlerden biridir. Veri bilimcileri ve modelleyiciler tarafından yapılır. Aynı zamanda veri modelleme ile çalışanlara tasarımcı da denir. Tasarımcı,  yeni veya farklı bir veri tabanı yapısı geliştirirken önce verilerin veri tabanına nasıl girip çıkacağının bir diyagramını oluşturur. Buna da veri akış diyagramı (VAD) denir. Bu şema, veri biçimlerinin, yapılarının ve veri tabanı işleme işlevlerinin özelliklerini tanımlamak için kullanılır. Veri tabanı oluşturulduktan sonra veri modeli, veri tabanının var olma nedeninin ve veri akışlarının tasarlanma şeklinin belgelenmesini sağlar.

Ortaya çıkan veri modeli, bir veri tabanındaki veri öğeleri arasındaki ilişkileri gösterir ve verilerin kullanılması için bir kılavuz elde etmenize olanak tanır. Veri modelleri, yazılım geliştirme ve analitik için temel bir unsurdur. Farklı uygulamaların aynı verileri paylaşmasına izin vererek, veri tabanı içeriğini sistemler arasında tutarlı bir şekilde tanımlamak ve biçimlendirmek için standartlaştırılmış bir yöntem sağlarlar.

Veri Modelleme Neden Önemlidir? Ne işe Yarar?

Genişletilmiş ve optimize edilmiş bir veri modeli, fazlalığı ortadan kaldıran, depolama gereksinimlerini azaltan ve verimli geri almaya olanak tanıyan basitleştirilmiş, mantıksal bir veri tabanı geliştirmeye yardımcı olur. Ayrıca, tüm sistemlerin gerçek verilere dayalı 'tek bir kaynağı' olur. Bu, verimli çalışma ve düzenlemelerde kanıtlanabilirlik için gereklidir. Veri modelleme, dijital bir işletmenin temel işlevlerini sürdürebilmesinde de önemli bir adımdır.

‍

BT Uzmanları için Veri Modelleme

Bir yazılım projesi tasarlanıp inşa edilmeden önce nihai ürünün nasıl görüneceğine ve çalışacağına dair belgelenmiş bir vizyon olmalıdır. Bu vizyonun büyük bir kısmı, istenen işlevselliği belirleyen bir dizi iş kurallarından oluşur. Diğer kısım ise veri açıklaması, veri akışları (veya veri modeli) ve bunu destekleyecek veri tabanı tasarımıdır.

Veri modelleme bu aşamada vizyonu takip eder ve yazılım tasarımcıları için bir yol haritası sağlar. Prosedürlerin doğru bir şekilde izlendiği varsayıldığında, veri tabanı ve veri akışları tam olarak tanımlanıp belgelendiğinden ve sistemler bu spesifikasyonlara uygun olarak geliştirildiğinden sistemler verileri doğru tutmak için gereken beklenen işlevselliği sağlayabilir.

Veri Analitiği ve Görselleştirme için Karar Verme Aracı

Sürekli artan veri hacmi ve artan sayıda kullanıcı nedeniyle kuruluşların ham verileri karar vermek için kullanılabilecek bilgilere dönüştürmenin bir yoluna ihtiyacı vardır. Bu nedenle veri analitiği talebi oldukça fazladır. Veri görselleştirme, verileri grafiksel olarak görüntüleyerek kullanıcılar için daha erişilebilir hale getirir.

Mevcut veri modelleri ise ham verileri dinamik görselleştirmelere dönüştürülebilecek yararlı bilgiler haline getirir. Kısaca veri modelleme, verileri analize hazırlamak için verileri temizler, ölçüleri ve boyutları tanımlar, hiyerarşiler oluşturarak birimleri ve para birimlerini ayarlar ve formüller ekleyerek verileri iyileştirir.

Veri Modelleme ve Türleri

Veri modelleme kullanarak veri analiz yapma, veri yönetiminin önemli bir parçasıdır. Bu nedenle veri modelleme aynı zamanda veri ihtiyaçlarını bulma, analiz etme ve kapsam belirlemede bir analiz ve tasarım yöntemidir. Modelleme ise yazma (sözdizimi), anlam (anlambilim) ve bu veriler arasındaki karşılıklı ilişkiler alanındaki gereksinimlerle ilgilidir. Bu veri gereksinimlerinin kesin bir biçimde görüntülenmesi ve iletilmesi, bir veri modeli kullanılarak yapılabilir.

Bir veri modeli ise farklı biçimler alabilir ve kullanıma bağlı olarak kavramsal, mantıksal ve fiziksel/teknik olarak ayırt edilebilir. Kavramsal veri modelleme ve mantıksal veri modelleme, gereksinim analizi faaliyetleridir, fiziksel veri modelleme ise bir tasarım faaliyetidir. Varlık türleri ve öznitelik türleri içeren mantıksal veri modelleri, kavramsal bir veri modeli temelinde oluşturulur (bilgi modeli olarak da bilinir - öznitelik içermez). Verilerin kendisi ise mantıksal veri modellerinin örneklerini oluşturduğu için bir veri tabanında saklanır ve teknik veri modelleri elde etmenizi sağlar.

Temel olarak üç tür birincil veri modeli vardır; ilişkisel, boyutsal ve varlık-ilişkisi (ER). Ek olarak, hiyerarşik, ağ, nesne yönelimli ve çok değerli olanlar dahil olmak üzere daha az genel olan birçok veri modelleme yöntemi vardır. Model tipi, mantıksal yapıyı yani verilerin mantıksal olarak nasıl depolandığını, nasıl organize edildiğini ve geri alındığını tanımlar.

İlişkisel yaklaşımda "eski" olmasına rağmen bugün hala kullanımda olan en yaygın veri tabanı modeli ilişkiseldir. Veriler sabit biçimli kayıtlarda saklanır, satırlar ve sütunlar içeren tablolar halinde düzenlenir. En temel veri modeli türünün iki öğesi ise ölçümler ve boyutlardır. Ölçüler, toplam veya ortalama gibi matematiksel hesaplamalarda kullanılan miktarlar ve gelir gibi sayısal değerlerdir. Boyutlar ise metin veya sayısal olabilir. Hesaplamalarda kullanılmazlar, açıklamalar veya konumlar içerirler. Ham veriler bir ölçü veya boyut olarak tanımlanır. İlişkisel veri tabanı tasarımında kullanılan diğer terimler arasında "ilişkiler" (satırlar ve sütunlar tablosu), "öznitelikler" (sütunlar), "demetler" (satırlar) yer alır.

Boyutsal yaklaşım daha az yapılandırılmış olduğundan iş kullanımı ile daha ilgili olan bağlamsal bir veri yapısını destekler. Bu veri tabanı yapısı, çevrimiçi sorgular ve veri depolama araçları için optimize edilmiştir. İşlem tutarı gibi kritik veri öğelerine "gerçekler" denir ve bunlara referans bilgileri veya "boyutlar" eşlik eder. Ürün kimliği, birim fiyatı veya işlem tarihi verileride mevcuttur. Olgu tablosu, boyutlu bir modeldeki birincil tablodur. Veriler, belirli bir faaliyet türü için birlikte depolanarak hızlı ve verimli bir şekilde alınabilir, ancak ilişki bağlantılarının olmaması, verilerin analitik olarak alınmasını ve kullanılmasını zorlaştırabilir. Veri yapısı, verileri üreten ve kullanan iş fonksiyonuna bağlı olduğundan farklı sistemlerden (örneğin bir veri ambarında) gelen verileri birleştirmek sorun yaratabilir.

Bir ER modeli, etkinlikleri, işlevleri veya "varlıkları" temsil etmek için farklı şekillerde bağımlılıkları veya "ilişkileri" tanımlamak için satırlarla grafik biçimde bir iş verisi yapısını temsil eder. ER modeli daha sonra her satırın bir varlığı temsil ettiği ve o satırdaki alanların nitelikler içerdiği ilişkisel bir veri tabanı oluşturur. Tüm ilişkisel veri tabanlarında olduğu gibi tabloları birbirine bağlamak için önemli veri öğeleri kullanılır.

Veri Modelleme Teknikleri

Veri modelleme önce genel vizyonu oluşturmak için kavramsal model, ardından mantıksal model ve son olarak fiziksel modelde ayrıntılı tasarım yapılan sistematik bir süreçtir. Kavramsal modeli oluşturmak, genellikle fikirleri bir programcının/geliştiricinin akış şemasına benzer bir grafik forma dönüştürür. Modern veri modelleme araçları, mantıksal ve fiziksel veri modellerinizi ve veri tabanlarınızı tanımlamanıza, oluşturmanıza yardımcı olur. İşte bazı yaygın veri modelleme teknikleri ve adımları:

• Varlıkları belirleyin ve bir "varlık-ilişki" diyagramı (ERD) oluşturun: Varlıklar ayrıca "işiniz için önemli olan veri öğeleri" olarak tanımlanır. Örneğin, "Müşteri" veya "satış" bir varlıktır. Bir ERD'de, bu farklı varlıkların birbirleriyle nasıl ilişkili olduğunu ve bunlar arasında hangi bağlantıların bulunduğunu belgeleyebilirsiniz.
• Gerçekleri, ölçümleri ve öznitelikleri tanımlayın: Gerçekler, verilerinizin bir ürünün satışı gibi belirli bir olayı veya işlemi gösteren kısmıdır. Ölçümler miktar, gelir, maliyet vb. niceldir. Öznitelikler ise açıklamalar, konumlar ve tarihler gibi niteliksel ölçümlerdir.  
• Bir grafik aracı veya SQL (Structured Query Language) sorguları kullanarak bir veri görüntüleme bağlantısı oluşturun: SQL'e aşina değilseniz, grafik aracı en sezgisel seçenektir. Bu yöntem, öğeleri modelinize sürüklemenize ve bağlantılarınızı görselleştirmenize olanak tanır. Bir görünüm oluşturduğunuzda tabloları ve hatta diğer görünümleri tek bir çıktıda birleştirme seçeneğine sahip olursunuz. Grafik görünümde bir kaynak seçip onu zaten çıktıya bağlı olan bir kaynağın üzerine sürükleyerek bu tabloları birleştirebilir veya bir kombinasyon oluşturabilirsiniz.

Modern analitik çözümleri, sürükle ve bırak grafik gösterimi aracılığıyla veri kaynaklarını seçmenize, filtrelemenize ve bağlamanıza da yardımcı olabilir. Bilgi Teknolojileri alanında çalışan veri uzmanları için gelişmiş araçlar mevcuttur ancak kullanıcılar veri iç görülerine dayalı bir hikaye anlatmak için bir veri modeli oluşturarak ve tabloları, çizelgeleri, haritaları ve diğer nesneleri düzenleyerek kendi senaryolarını da oluşturabilirler. Siz de veri analizlerinizi verimli şekilde yapmak, verileri sağlıklı bir şekilde depolamak isterseniz veri modelleme yöntemlerini uygulayabilir, Komtaş’ın sunduğu veri hizmetlerinden yararlanarak süreci daha pratik hale getirebilirsiniz.