Tietojen mallintaminen – Data Modeling

Paikka: Verkkokoulutus
Ajankohta: 7.–8.2.2022
Järjestäjä: Hovi Competence Development Oy/ Ari Hovi

Tämä ei ole pelkkä tietokannan suunnittelu -kurssi, vaan kattaa käsitteiden mallintamisen liiketoimintaihmisten kanssa, arkkitehtuurityyppisen mallinnuksen sekä laajat, yritystasoiset tietomallinnukset. Myös laajat mallinnukset voi laatia nopeasti ja tehokkaasti – oikeilla menetelmillä ja organisoinnilla.

Ari Hovi tiimeineen on kehittänyt tähän ainutlaatuisen menetelmän – Hovi Data Frameworkin, jolla liiketoimintatieto mallinnetaan nopeasti ja mahdollisimman kattavasti. Se luo yhteisen kielen sisäisen it:n, data-ammattilaisen, konsultin ja liiketoiminnan välille. Sen hyödyntämisellä projektien onnistumisen todennäköisyys kasvaa huimasti.

Lue lisää  Hovi Data Frameworkista Hovi Data Framework – Uusi konsepti ja It-hankkeiden suurimmat haasteet

Kurssi kattaa monipuolisesti käsitteiden ja tietojen mallintamisen erilaisilla alueilla: liiketoiminnan tietojen mallintaminen, tietoarkkitehtuurissa tarvittava mallintaminen, tietokantaan johtava mallintaminen sekä lyhyesti myös tietovarastointiin liittyvät mallintamismenetelmät. Mukana mallinnusta nopeuttavat, Ari Hovin kehittämät universaalit käsitemallit.

Tietojen mallintaminen eli käsiteanalyysi ja kuvaaminen ovat tärkeitä menetelmiä ja niitä tarvitaan monissa eri tiedonhallinnan prosesseissa. On kuvattava ylätason liiketoimintalähtöisiä kokonaismalleja, sovellusaluekohtaisia tarkempia malleja sekä tietokannan suunnittelussa tarvittavia malleja. Malleja siis laaditaan moniin tarkoituksiin ja on tärkeää osata laatia tarkkoja ja myös ylätason kokonaismalleja. Koulutuksessa käsitellään myös ei-strukturoidun, Big Datan mallinnusta.

Mallintaminen tuottaa tieto- tai käsitemalleja. Mutta lisäksi mallintaminen on parhaimmillaan synergiaa luovaa yhteistyötä, jossa osallistujat jakavat näkemyksiään, oppivat ja – mikä on tärkeää – sitoutuvat hankkeeseen. Mallintamisessa määritellään tärkeät käsitteet, jolloin syntyy yhteinen kieli ja sanasto eri osapuolten kesken, parhaimmillaan yli organisaatiorajojen.

Kurssilla perehdytään mallintamisen moniin kuvaustapoihin, menetelmiin ja annetaan käytännön ohjeita sekä ylätason ”helikopterikuva” -mallien että tarkkojen mallien muodostamiseen ja määritysten laatimiseen. Kurssilla käydään läpi myös tietovarasto-alueen mallinnusmenetelmiä EDW-kannan suunnitteluun (mm. Data Vault -mallin esittely) sekä tähtimallisuunnittelun periaatteet.

Runsaat käytännönläheiset harjoitustehtävät ja esimerkit syventävät oppimista.

Kohderyhmä

Kurssi sopii arkkitehdeille, mallinnukseen osallistuville, projektipäälliköille ja esimiehille. Kurssi on tärkeä myös henkilöille, jotka lukevat tai soveltavat jo tehtyjä malleja, kuten sovellussunnittelijat, ohjelmoijat sekä ETL:n ja raporttien toteuttajat. Ei esitietovaatimuksia. 

Sisältö

Mallintamisen tausta

  • miksi käsitemallinnus on oleellisen tärkeää
  • mallintamisen alueet
  • ER-mallinnus (käsiteanalyysi), oliosuuntautunut mallinnus (UML)
  • miten saada tuloksia nopeammin

Mallintamisen vaiheet

  • mallintaminen organisaation eri tasoilla, mm. yritys- ja sovellustaso
  • top down vs. bottom up
  • mallintamisen rooli Tietoarkkitehtuurissa
  • vaiheiden kuvaus
  • käsitemallien yhteys relaatiokantoihin

ER-mallinnus (käsiteanalyysi)

  • mallintajan ”mentaliteetti”
  • mallintamisen elementit
  • käsitteiden löytäminen ja määrittely
  • perusrakenteet
  • monimutkaisia rakenteita
  • perusavainpohdintoja
  • määrittelyiden kirjoittaminen

Käytännön ohjeita

  • välineet (CASE-välineet, seinätekniikka), Ellie -työkalu
  • mallintamisistuntojen vetäminen käyttäjien kanssa
  • laajat mallinnukset, tasoittainen mallintaminen
  • miten saada liiketoimintaihmiset ja substanssiosaajat mukaan

Muita menetelmiä

  • tarveanalyysi
  • normalisointi

Erilaiset kohdealueet

  • yritystason mallinnus
  • Hovin Universaalit tietomallit
  • liiketoimintalähtöinen mallinnus
  • Data Warehouse mallinnusvaihtoehdot
  • perusperiaatteet operatiivisten kantojen mallinnuksesta
  • Big Data -mallinnus

Kouluttaja

Kouluttajana toimii Hannu Järvi.

Hannu on työskennellyt tekoälyn parissa ensimmäisen kerran  90-luvun puolivälissä. Hänellä on kirkas käsitys siitä, mikä on tekoälyssä tänä päivänä realismia, ja mikä mainospuhetta.

Hannu on auttanut organisaatioita AI-strategiatyössä pienistä organisaatioista suurimpiin vientiryrityksiin, mukaan lukien yliopistollisen keskussairaalan johtoryhmä ja TOP10-pörssiyrityksen AI-strategiatyöstä vastaava johtajisto.

Hän on kouluttanut hetorogeenisiä ryhmiä AI-vasta-alkajista koneoppimisen tohtoreihin tunnistamaan ja työskentelemään yhdessä AI:n liiketoiminnallisten mahdollisuuksien parissa.

Kurssin arvostelut

”Ari Hovin Tietojen mallintaminen -kurssi oli innostava ja mukaansatempaava! Mallintamalla opitaan tarkastelemaan asioita tietokeskeisesti ja voidaan tehdä tärkeitä oivalluksia, joiden avulla kierretään tiedonhallinnan sudenkuoppia kuten tuplatyötä ja tiedon siiloutumista. Suosittelen kurssia, koska tietojen mallintaminen on yhteistyötä, johon tekemisen kautta oppiminen sopii erittäin hyvin.”

 

”Selkeä ja käytännön läheinen kurssi, joka teki ymmärrettäväksi asian, joka monesti koetaan hankalaksi. Antaa hyvän kokonaisnäkemyksen aihealueesta ja todentaa mallinnuksen hyödyllisyyden monella osa-alueella tietokantojen suunnittelusta yrityksen toimintamallien ymmärtämiseen.”

 

Osallistumismaksu

Jäsenhinta koskee TIVIA-yhteisön henkilöjäseniä sekä yhteisöjäsenten henkilökuntaa.

  • Jäsenhinta 1260 €
  • Normaalihinta 1400 €

Kaikkiin hintoihin lisätään alv 24 %.

Tutustu myös muihin TIVIAn järjestämiin koulutuksiin.

Jos et vielä ole TIVIA-yhteisön jäsen, liity nyt ja osallistu koulutukseen jäsenetuhintaan (jäsenmaksut 20–65 €)! Tutustu myös yritysjäsenyyteen!

Peruutusehdot

Mikäli peruutus tehdään myöhemmin kuin kaksi viikkoa ennen kurssin alkua, veloitamme puolet kurssimaksusta.
Jos peruutusta ei tehdä lainkaan, laskutamme koko kurssimaksun.
Estyneen osallistujan tilalle voidaan kustannuksitta vaihtaa toinen henkilö.
Varaamme mahdollisuuden perua tai siirtää koulutuksen, mikäli osallistujia ei ole riittävästi.