Caisse

Panier () Chargement en cours...

    • Nombre:
    • Fourni par:
    • Dates:
    • Endroit:

    $

Modélisation de données

L'analyste d'affaires doit repérer, définir et documenter précisément les exigences des utilisateurs. La compréhension des besoins des utilisateurs est un facteur déterminant de la réussite d'un analyste. En se servant de modélisation logique de données, un analyste d'affaires peut véhiculer les exigences de telle sorte qu'elles soient faciles à valider. Par l'entremise de modèles, toutes les parties prenantes peuvent comprendre les exigences, les règles de l'entreprise et les méthodes de gestion des données pour un projet donné.

Pendant ce cours, les analystes d'affaires auront des exercices pratiques en modélisation d'exigences, à l'aide de diagrammes entités-relations, de super types et de sous-types, ainsi que d'entités attributives et associatives. La modélisation logique de données comprend du travail direct avec les utilisateurs de l'entreprise, afin de préciser clairement les besoins de ceux-ci.

Les étudiants qui poursuivent leur certification vers un certificat agréé et/ou par une université reconnue au Canada doivent assister à au moins 90 p. 100 des cours en classe, participer aux exercices ainsi qu'aux vérifications des connaissances sur la section, puis obtenir une note minimale de 72 p. 100 lors d'une évaluation comportant 25 questions à choix multiples.

GK# 2379
Crédits Fournisseurs:
No matching courses available.
Start learning as soon as today! Click Add To Cart to continue shopping or Buy Now to check out immediately.
Scheduling a custom training event for your team is fast and easy! Click here to get started.

Who Should Attend?

Analystes de systèmes, d'affaires; chefs de projets de TI, chefs associés de projets, chefs de projets, coordonnateurs de projets, analystes de projets, chefs de file d'un projet, chefs principaux de projets, chefs d'équipes; gestionnaires de produits, de programmes.

Ce que vous apprendrez

  • Façons dont les modèles logiques de données sont reliées aux exigences
  • Identification des entités et attributs
  • Détermination des relations et des règles d'entreprise
  • Intégrité des données à l'aide de la normalisation

Le plan de cours

1. Introduction à la modélisation logique de données

  • Importance de la modélisation logique des données lorsqu'il est question d'exigences
  • Circonstances où il convient d'utiliser des modèles logiques de données
  • Relations entre les modèles logiques et physiques de données
  • Éléments de modèle logique de données
  • Lecture d'un modèle de données de haut niveau
  • Identification de préalables de modèle de données
  • Identification de sources d'information des modèles de données
  • Étapes du développement d'un modèle logique de données

2. Compréhension du contexte et des moteurs d'un projet

  • Importance du contenu d'une solution bien définie
  • Utilisations du diagramme de découpage fonctionnel
  • Utilisations d'un diagramme de flux de données de niveau contextuel
  • Identification des sources d'exigences
    • Diagrammes de découpage fonctionnel
    • Diagrammes de flux de données
    • Utilisation de modèles de cas
    • Modèles de flux de travail
    • Règles d'entreprise
    • Diagrammes d'état de la situation
    • Diagrammes de classe
    • Autre documentation
  • Types de projets de modélisation
    • Systèmes administratifs pour les transactions
    • Systèmes de renseignements d'entreprise et de stockage des données
    • Intégration et consolidation de systèmes existants
    • Maintenance de systèmes existants
    • Analyse d'entreprise
    • Application de série

3. Modélisation de données conceptuelles

  • Découverte d'entités
  • Définition d'entités
  • Documentation d'une entité
  • Identification d'attributs
  • Distinction entre entités et attributs

4. Modélisation de données conceptuelles - Identification des relations et des règles d'entreprise

  • Modélisation des relations fondamentales
  • Cardinalité des relations
    • Bijective
    • Un à plusieurs
    • Multivoque
  • Relation obligatoire ou facultative?
  • Désignation des relations

5. Identification d'attributs

  • Découvrir les attributs pour le domaine
  • Assigner les attributs à l'entité pertinente
  • Nommer les attributs à l'aide de conventions établies en matière de désignation
  • Documentation des attributs

6. Relations supérieures

  • Modélisation de relations multivoques
  • Modélisation de relations multiples entre les deux mêmes entités
  • Modélisation de relations autoréférentielles
  • Modélisation de relations ternaires
  • Identification de relations redondantes

7. Élaboration de modèle logique de données

  • Utilisation de supertypes et de sous-types afin de gérer la complexité
  • Utilisation de supertypes et de sous-types afin de représenter des règles et des contraintes

8. Intégrité des données à l'aide de la normalisation

  • Normalisation d'un modèle logique de données
    • 1re forme normale
    • 2e forme normale
    • 3e forme normale
    • Raisons de la dénormalisation
  • Contraste entre les applications transactionnelles versus de renseignements d'entreprise

9. Vérification et validation

  • Vérification de la précision technique d'un modèle logique de données
  • Utilisation d'outils CASE afin d'aider la vérification
  • Vérification du modèle logique de données en vous servant d'autres modèles
    • Diagrammes de flux de données
    • Matrice CRUD

Prérequis

Cours d’approfondissement

  • Validation et essais des exigencies (to be available in 2013)