Opinie czytelników
Podsumowanie:Książka „Data Modeling Made Simple” otrzymała mieszane recenzje, z których wiele chwali jej przystępny styl pisania i praktyczne przykłady, podczas gdy niektórzy krytycy zauważają jej ograniczenia w zakresie i zakresie, szczególnie dla doświadczonych praktyków. Książka jest zalecana dla początkujących i profesjonalistów biznesowych, ale może nie spełniać potrzeb osób poszukujących szczegółowych wskazówek technicznych.
Zalety:⬤ Przystępny i łatwy do zrozumienia styl pisania odpowiedni dla początkujących i profesjonalistów biznesowych.
⬤ Praktyczne przykłady ze świata rzeczywistego, które pomagają w zrozumieniu koncepcji modelowania danych.
⬤ Podejście krok po kroku i jasne wyjaśnienia, szczególnie w sekcjach dotyczących modeli obszarów tematycznych i normalizacji.
⬤ Struktura książki pomaga w nauce, z rozdziałami, które opierają się na sobie nawzajem.
⬤ Zawiera przydatne narzędzia, takie jak karta wyników modelu danych.
Wady:⬤ Brakuje głębi w zaawansowanych tematach, co może sprawić, że bardziej doświadczeni czytelnicy będą chcieli więcej szczegółów.
⬤ Niektórzy recenzenci uznali książkę za zbyt uproszczoną lub obszerną, stwierdzając, że nie zawiera ona wystarczających wskazówek technicznych (np. dotyczących modelowania relacji lub indeksowania).
⬤ Kwestie prezentacji, takie jak projekt i jakość druku, zostały zauważone jako utrudniające czytelność.
⬤ Niektóre treści (np. rozdziały dotyczące XML i nieustrukturyzowanych danych) mogą wydawać się styczne do głównego tematu modelowania danych.
(na podstawie 35 opinii czytelników)
Oryginalny tytuł:
Data Modeling Made Simple: A Practical Guide for Business and It Professionals
Zawartość książki:
Książka Data Modeling Made Simple zapewni profesjonalistom z branży biznesowej lub IT praktyczną wiedzę na temat koncepcji modelowania danych i najlepszych praktyk. Książka ta jest napisana w stylu konwersacyjnym, który zachęca do przeczytania jej od początku do końca i opanowania tych dziesięciu celów:
⬤ Wiedzieć, kiedy model danych jest potrzebny i jaki typ modelu danych jest najbardziej skuteczny w każdej sytuacji.
⬤ Czytanie modelu danych o dowolnym rozmiarze i złożoności z taką samą pewnością, jak czytanie książki.
⬤ Zbuduj w pełni znormalizowany relacyjny model danych, a także łatwy w nawigacji model wymiarowy.
⬤ Zastosuj techniki, aby przekształcić logiczny model danych w wydajny projekt fizyczny.
⬤ Wykorzystanie kilku szablonów w celu zwiększenia wydajności i dokładności gromadzenia wymagań.
⬤ Wyjaśnij wszystkie dziesięć kategorii karty wyników modelu danych.
⬤ Poznanie strategii poprawy relacji roboczych z innymi.
⬤ Docenienie wpływu, jaki nieustrukturyzowane dane mają i będą miały na wyniki modelowania danych.
⬤ Poznanie podstawowych koncepcji UML.
⬤ Umieścić modelowanie danych w kontekście XML, metadanych i zwinnego rozwoju.
Recenzja książki autorstwa Johnny'ego Gaya
W tej recenzji odniosę się do każdej sekcji książki i przedstawię to, co uznałem za najbardziej wartościowe dla modelarza danych. Porównuję, jak struktura książki ułatwia nowemu modelarzowi danych wejście w temat, podobnie jak instruktor może ułatwić początkującemu pływakowi wejście do basenu.
Ta książka zaczyna się jak powieść Dana Browna. Zaczyna się nawet od bohatera, naszego ulubionego modelarza danych, zagubionego na ciemnej drodze gdzieś we Francji. W tym przypadku ratuje go nie szyfr, ale coś, co bardzo przypomina model danych w formie mapy. Autor uważa, że oba są narzędziami do odnajdywania drogi.
