دانلود رایگان مقاله یک رویکرد چند عاملی برای استخراج نیازمندی های اطلاعاتی انبارهای داده

چکیده

            در حالی که مهندسی نیازمندی های سیستم های معاملاتی با هدف کشف عملکرد سیستم در نظر گرفته می شود، مهندسی نیازمندی های انبار داده ها قصد دارد محتوای اطلاعاتی انبار داده را کشف کند. اگر چه مفاهیم اهداف، تصمیمات، فرآیندهای کسب و کار، رویدادهای تجاری برای تعیین زمینه برای کشف اطلاعات مورد استفاده قرار گرفته است، این حرکت از جهت به دست آوردن اطلاعات مربوط، بدون هدف و بدون قابلیت پی گیری اطلاعات می باشد. ما چهار تکنیک استخراج را پیشنهاد می کنیم که از نگرانی های مدیر در طول تصمیم گیری استنباط می شوند و راهنما و قابلیت پی گیری را فراهم می کنند. اینها یک مجموعه از این فرم را تشکیل می دهند که هر یک مجموعه اطلاعات کشف شده را تقویت می کند. در نتیجه، امکان از دست دادن الزامات از دست رفته کاهش می یابد در نتیجه برای مهندسی نیازمندی های موثرتر ساخته می شود.

1. مقدمه

        در سال های اخیر توجه زیادی به مساله مهندسی نیازمندی های انبار داده معطوف شده است. یک تفاوت اساسی بین مهندسی نیازمندی های سنتی و مرسوم، RE، برای سیستم های معاملات و همچنین برای انبارداری داده وجود دارد. سابقا به دنبال کشف قابلیت های سیستم می باشد. این قابلیت کشف شده در سیستم ساخته می شود و یا عملیاتی می شود. در مقابل، مشکل DWRE تعیین محتوای اطلاعاتی انبار داده ها می باشد. این اطلاعات باید به صورت چند بعدی شکل بگیرد. بنابراین، DWRE با هدف تعيين حقایق و ابعاد که شامل انبار داده می شود، شکل می گیرد.

           علاقه زیادی به سیستم های تبادلی روی تمرکز [ ۱، ۲ ] و تکنیک های سناریوی محور وجود دارد [ ۳، ۴ ]. اینها با هم جفت شدند تا تکنیک جفت شدگی هدف - سناریو [ ۵، ۶ ] را به دست آورند. جهت گیری هدف از ابزار برای کاهش اهداف استفاده می کند و سلسله مراتب اهداف را شناسایی می کند که قرار است در سیستم عملیاتی شود. عدم توجه نزدیک به جنبه های داده / اطلاعات در جهت هدف قرار می گیرد. جهت گیری سناریو، عملکرد و تغییرات آن را با شناسایی تعامل معمول بین سیستم و کاربر نشان داده می شود. با وجود اینکه داده های نمونه بر روی رابط کاربر سیستم جریان می یابند، تمرکز روی جنبه های داده نیست؛ داده ها و مدل سازی آنها در RE سناریوی گرا نادیده گرفته می شوند. اتصال به سناریو هدف اجازه می دهد تا یک سناریو برای یک هدف از سلسله مراتب هدف ایجاد شود. در نتیجه، تغییرات اهداف کشف می شود. با توجه به این تغییرات، هر گونه عملکرد جدید نشان داده شده توسط سناریو در سلسله مراتب هدف معرفی شده است. بنابراین، یک سیستم همکاری متقابل برای توسعه اهداف سیستم به وجود آمده است. باز هم توجه کنید که داده ها به طور عمده نادیده گرفته می شوند.

          تعدادی از پیشنهادهای DWRE هدفمند در دسترس هستند و همه این اهداف را با داده ها پیوند می دهند، به این ترتیب ساخت ساختار چند بعدی انبار داده ها از اهداف است [7-13]. به غیر از رویکردهای هدفمند، DWRE نیز می تواند بر اساس شاخص های عملکرد کلیدی، KPI باشد. ایده [14، 15] تعیین اطلاعات مورد نیاز برای برآورد این شاخص هامی باشد. مفاهیم فرآیندهای کسب و کار / حوادث بر اساس رویکرد BEAM * [16] شکل می گیرند، و اطلاعات مربوط به این مفاهیم مربوط می شود.

           تجزیه و تحلیل ما از رویکردهای DWRE که در بخش بعد ارائه شده است، نشان می دهد که حتی اگر این رویکردها برای استخراج اطلاعات تلاش داشته باشند، روش تحقق آن عمدتا به طور مشخص و نامشخص است. به عبارت دیگر، هیچ روش تفسیری از روش ها، ابزارها و تکنیک های موجود در کشف اطلاعات مربوطه وجود ندارد.

            در حالی که در تکنیک های مهندسی مورد نیاز در جهت هدف، حداقل از سهام داران خواسته می شود که بر روی دستیابی به هدف تمرکز نمایند: در ایجاد اطلاعات، چنین نقطه مرکزی از دست رفته است و اطلاع رسانی اطلاعات بیش از حد وابسته به تجربه سهامداران است. تلاش ما در اینجا این است که از طریق مشخص کردن نقاط کانونی، وظیفه حمایت از اطلاعات را فراهم کنیم. توجه کنید که ما بیش از یک نقطه کانونی را دنبال می کنیم. این امر برای بهتر شدن محدوده عوامل است که به اطلاع رسانی کمک می کند. علاوه بر این، ما فرض می کنیم که نقاط کانونی ما باید برای سهامداران خریداری بالا داشته باشد. بنابراین، ما با شناسایی مسائل سهام با اهمیت در یک سازمان شروع می کنیم، هر مسئله را به عنوان نقطه کانونی مورد بررسی قرار می دهیم، و سپس یک رویکرد مرحله ای برای تهیه اطلاعات برای هر نقطه کانونی ایجاد می کنیم.

          طرح مقاله به شرح زیراست. در بخش بعد، ما رویکردهای DWRE را برای نشان دادن این که اطلاعات به صورت ad hoc است، تحلیل می کنیم. پس از آن در بخش 3، برخی از نگرانی های مهم مدیریتی را شناسایی می کنیم. تکنیک های تشویق ما این نگرانی ها را برطرف می کنند و بنابراین باید فرایند تشویق مدیران اجرایی شود. علاوه بر این، این نگرانی ها مجموعه ای از تکنیک هایی است که می تواند برای به حداقل رساندن فرصت های مورد نیاز از دست رفته استفاده شود. بخش 4 شامل بحث در مورد مدل مورد نیاز تصمیم ما است.این مدل، مبنای تکنولوژیکی برای تکنیک های پیشروی را ارائه می دهد که در بخش 5 ارائه شده است. در بخش 6 مفاهیمی که اساس تکنیک های پیشبرد ما را تشکیل می دهند با مفاهیم مشابهی که در MIS یافت می شوند مقایسه می شوند. بخش 7 در مورد درس های آموخته شده از کاربرد روش های ما در حوزه بیمارستان توضیح می دهد. سرانجام بخش 8 بخش پایانی است.

2. تجزیه و تحلیل روش های DWRE

          Boehnlein و Ulbricht [7، 8] به چارچوب مدل معنایی  (SOM) پایبند هستند. پس از ساخت یک مدل هدف برای کسب و کار، فرآیندهای کسب و کار که برای رسیدن به اهداف انجام می شوند، مدل سازی می شوند. سیستم های کسب و کار کاربردی که در نتیجه این ها هستند، برای تولید یک طرح با توجه به مدل ارتباط ساختار سازمانی، SERM استفاده می شود. اشیاء کسب و کار به عنوان نهادهای SERM نمایان می شوند و وابستگی بین نهادها از ساختار مشتق می شود. بعد از آن، یک مرحله چهارم ویژه به SOM اضافه می شود که در آن تنها ویژگی هایی که مربوط به تحلیل اطلاعات مورد نیاز برای تصمیم گیری هستند شناسایی می شوند. سپس نویسندگان طرح SERM را به حقیقت و ابعاد تبدیل می کنند. حقایق با پرسش از این مسئله تعیین می شود که چگونه می توان اهداف را با معیارها ارزیابی کرد. ابعاد از وابستگی های طرح SERM شناسایی می شوند.

          Bonifati [9] با استفاده از روش هدف - کیفیت - متریک، کاهش هدف را به همراه دارد. هنگامی که هدف کاهش انجام شود، صفحات انتزاع ساخته می شوند. این ورق حاوی اطلاعات، در میان اطلاعات دیگر، در مورد تمرکز کافی از هدف و عوامل تغییرات است. اولی معیارهای کیفیت اهداف را ارایه می دهد، در حالی که دومی ابعاد تولید می کند. کیفیت به عنوان عواملی در نظر گرفته می شود که مربوط به هدف هستند. هیچ کدام از راهنمایی هایی در مورد کیفیت ارائه نشده است، اما بعضی از نمونه ها ارائه شده است. اینها همان هزینه، عملکرد، منابع مورد نیاز، و غیره می باشند.

          در [11]، تصمیمات با اهداف و برای هر تصمیم مرتبط هستند، اطلاعات مرتبط با نوشتن سناریوهای اطلاعاتی بدست می آید که توالی درخواست های اطلاعاتی بیان شده در یک زبان SQL است. بنابراین یک سناریو اطلاعات یک تعامل متقابل متضاد بین سیستم ها برای شناسایی اطلاعات مورد نیاز برای تصمیم گیری است. اطلاعات به دست آمده سپس به یک نمودار ER برای تبدیل به طرح بعدی ابعاد با استفاده از الگوریتم گلفرولی تبدیل می شود.درخواست های بازیابی اطلاعات به طور منظم از مفهوم فازی «اطلاعات مربوطه» استفاده می کنند. آنچه «ارتباط» نامیده می شود، بیان نشده است.

Abstract

        Whereas requirements engineering for transactional systems aims to discover the functionality of the system-to-be, data warehouse requirements engineering aims to discover the Information contents of the data-warehouse-to-be. Though notions of goals, Decisions, business processes, business events have been used to set the context for Information discovery, the move from these to obtain the relevant Information is largely ad hoc, unguided, and does not provide traceability of Information. We propose four elicitation techniques that are inferred from manager concerns during Decision making and that provide guidance and traceability. These form a suite such that each augments the set of already discovered Information. Consequently, the possibility of missing requirements is reduced, thereby making for more effective requirements engineering.

1 Introduction

         In recent years much attention has been paid to the issue of data warehouse requirements engineering, DWRE. There is a fundamental difference between traditional requirements engineering, RE, for transactional systems and that for data warehousing. The former is oriented toward discovering the functionality of the system-to-be. The discovered functionality is then implemented or operationalized in the system to be built. In contrast, the problem of DWRE is to determine the Information contents of the data-warehouse-to-be. This Information is to be structured into multi-dimensional form. Thus, DWRE aims at the determination of facts and dimensions comprising the data warehouse.

         Much interest in RE for transactional systems is on goaloriented [1, 2] and scenario-oriented techniques [3, 4]. These were coupled together to yield the goal–scenario coupling technique [5, 6]. Goal orientation uses Means–Ends analysis to reduce goals, and the goal hierarchy identifies the goals that are to be operationalized in the system. Notice the near absence of the data/Information aspect in goal orientation. Scenario orientation reveals functionality and its variations by identifying typical interaction between the system and the user. Even though example data are shown to flow across the system–user interface, focus is not on the data aspect; data and their modeling are largely ignored in scenario-oriented RE. Goal–scenario coupling allows development of a scenario for a goal of the goal hierarchy. Consequently, variations of goals are discovered in its scenario. Due to this variation, any new functionality indicated by the scenario is introduced in the goal hierarchy. Thus, a mutually cooperating system is developed to better discover system goals. Again, notice that data are largely ignored.

         A number of proposals for goal-oriented DWRE are available, and all of these link goals with data, that is, all are aimed at obtaining the multi-dimensional structure of data warehouses from goals [7–13]. Other than goal-oriented approaches, DWRE can also be based on Key Performance Indicators, KPIs. The idea [14, 15] is to determine theInformationrequiredtoestimate theseindictors.Notions of business processes/events form the basis of the BEAM* approach [16], and the elicited Information pertains to these concepts.

         Our analysis of DWRE approaches, presented in the next section, shows that even though these approaches attemptto elicit Information, the method of elicitation remains largely ad hoc and undefined.In other words,there is no articulation of the methods, tools, and techniques that can be deployed in discovering relevantInformation. 

          Whereas in goal-oriented transactional requirements engineering techniques, the stakeholder is at least asked to concentrate on goal achievement; in Information elicitation such a focal point is missing, and Information elicitation is overly dependent on stakeholder experience. Our attempt here is to provide support in the Information elicitation task by defining focal points. Notice that we are looking for more than one focal point. This is to better cover the range of Factors that contribute to Information elicitation. Further, we assume that our focal points should have high buy-in for the stakeholder. Therefore, we begin by identifying high-stake issues in an organization, treat each issue as a focal point, and then develop a stepwise approach to elicit Information for each focal point.

        The layout of the paper is as follows. In the next section, we analyze DWRE approaches to show that Information elicitation is ad hoc. Thereafter, in Sect. 3, we identify some important managerial concerns. Our elicitation techniques address these concerns, and therefore, there shall be high manager buy-in in the elicitation process. Further, these concerns yield a suite of techniques that can be deployed to minimize the chances of missing requirements. Section 4 contains a discussion of our Decision requirement model. This model forms the technological basis for the elicitation techniques as presented in Sect. 5. In Sect. 6, the concepts that form the basis of our elicitation techniques are compared with similar concepts found in MIS. Section 7 discusses the lessons learned from an application of our methods in the hospital domain. Finally, Sect. 8 is the concluding section.

2 Analysis of DWRE methods

         Boehnlein and Ulbricht [7, 8] rely on the semantic object model (SOM) framework. After building a goal model for the business at hand, the business processes that are performed to meet the goals are modeled. The business application systems resulting from these are then used to yield a schema in accordance with the Structured Entity Relationship Model, SERM. Business objects get represented as entities of SERM, and dependencies between entities are derived from the task structure. Thereafter, a special fourth stage is added to SOM in which only those attributes that are relevant to Information analysis required for Decision making are identified. The authors then convert the SERM schema to facts and dimensions; facts are determined by asking the question how can goals be evaluated by metrics. Dimensions are identified from dependencies of the SERM schema.

        Bonifati [9] carries out goal reduction by using the Goal–Quality–Metric approach. Once goal reduction is done, abstraction sheets are built. These sheets contain Information, among other Information, about the quality focus of the goal and variation Factors. The former delivers measures for quality of goals that become facts, whereas the latter yield dimensions. Quality is considered as Factors that are of relevance to the goal. There is no guidance on what constitutes quality, but some examples are provided. These are cost, performance, resources required, etc.

        In [11], Decisions are associated with goals and for each Decision, relevant Information is obtained by writing Informational scenarios that are sequences of Information requests expressed in an SQL-like language. An Information scenario is thus a typical system–stakeholder interaction to identify Information required for a Decision. The Information obtained is then converted into an ER diagram for conversion into fact–dimension schema using Golfarelli’s algorithm. Typical Information retrieval requests use the rather fuzzy notion of “relevant Information.” What constitutes “relevance” is not spelled out.

چکیده

1. مقدمه

2. تجزیه و تحلیل روش های DWRE

3. عوامل مدیریتی

3.1 عوامل موفقیت بحرانی 

3.2 پایان دادن به موفقیت

3.3 معنی بهره وری

3.4 تجزیه و تحلیل بازخورد

3.5 خلاصه

4. مدل مورد نیاز تصمیم

4.1 مفهوم تصمیم

4.2 اطلاعات

5. اصلاح نیازمندی های تصمیم گیری 

5.1 استخراج CSFI

5.2 استخراج ENDSI

5.3 استخراج MEANSI

5.4 بازخورد استخراج اطلاعات

5.5 فرایند استخراج جهانی

5.6 مخزن

5.7 ساختار اطلاعات

6 مقایسه

7. تجربه

7.1 کاربرد تکنیک های اطلاع رسانی اطلاعات

7.1.1 کاربرد تکنیک های اطلاع رسانی در لایه فرمولاسيون سیاست

7.1.2 کاربرد تکنیک های اطلاع رسانی در لایه فرمول سازی اجرای قانون

7.1.3 کاربرد تکنیک های اطلاع رسانی در لایه عملیاتی

7.3 تصمیمات مشترک در سراسر لایه ها اطلاعات مختلفی تولید می کنند

8. نتیجه گیری

منابع

Abstract

1 Introduction

2 Analysis of DWRE methods

3 Manager Factors

3.1 Critical success Factors

3.2 Ends achievement

3.3 Means efciency

3.4 Feedback analysis

3.5 Summary

4 The Decision requirement model

4.1 The notion of a Decision

4.2 Information

5 Eliciting Decision requirements

5.1 CSFI elicitation

5.2 ENDSI elicitation

5.3 MEANSI elicitation

5.4 Feedback Information elicitation

5.5 The global elicitation process

5.6 The repository

5.7 Information structuring

6 Comparison

7 Experience

7.1 Applicability of Information elicitation techniques

7.1.1 Applicability of Information elicitation techniques at policy formulation layer

7.1.2 Applicability of Information elicitation techniques at policy enforcement rule formulation layer

7.2 Eliciting new Information by using diferent elicitation techniques

7.3 Common Decisions across layers generate diferent Information

8 Conclusion

References