Luồng dữ liệu logic và luồng dữ liệu kỹ thuật

Trong một chuyên ngành, nên dùng cách nói logic để nói với người ngoài ngành, vì hiệu quả truyền thông là tốt nhất, dùng cách nói kỹ thuật để nói giữa những người cùng chuyên ngành nhằm xử lý công việc nội bộ ngành đó.

Các vấn đề kỹ thuật trong bất kỳ chuyên ngành nào đều khó hiểu với người ngoài ngành, ví dụ chúng ta ai cũng có răng để ăn nhưng hầu hết chúng ta đều không có kiến thức chuyên ngành về răng, cũng chẳng bao giờ đọc bài báo nào về chuyên ngành răng cả, nghe đến đã thấy chán rồi, mà có cố gắng đọc thì cũng không hiểu gì. Tuy nhiên, đối với đời sống thực của con người, răng quan trọng đến mức có hẳn một chuyên ngành y khoa về nó: ngành nha khoa; tương tự có hẳn loại bệnh viện riêng cho nó: bệnh viên răng hàm mặt.

Một bác sỹ nha khoa nói với bệnh nhân rằng họ phải “cấy ghép răng giả” thì bệnh nhân hiểu ngay, nhưng nói họ phải “cấy ghép implant” thì hầu hết bệnh nhân đơ luôn tại chỗ, hoặc là đơ toàn tập nếu như nói bệnh nhân cần “cấy ghép implant khe hở môi vòm miệng”.

Tức là, “cấy ghép răng giả” là cách nói logic, thể hiện bản chất của vấn đề; còn nói “cấy ghép implant” hay “cấy ghép implant khe hở môi vòm miệng” là cách nói kỹ thuật, để chỉ một trong số các kỹ thuật chuyên sâu dùng để xử lý vấn đề cụ thể trong trường hợp tương ứng.

Trong một chuyên ngành, nên dùng cách nói logic để nói với người ngoài ngành, vì hiệu quả truyền thông là tốt nhất, dùng cách nói kỹ thuật để nói giữa những người cùng chuyên ngành nhằm xử lý công việc nội bộ ngành đó.

Tương tự, “luồng dữ liệu” là cách nói logic mà hầu hết người ngoài ngành công nghệ sẽ hiểu, còn nói “luồng dữ liệu được xử lý bằng kỹ thuật hồi quy” thì hầu hết người ngoài ngành, thậm chí nhiều người trong ngành công nghệ cũng đơ toàn tập.

Xử lý dữ liệu bằng kỹ thuật hồi quy, về bản chất chỉ là dùng kỹ thuật hồi quy của thống kê để xử lý luồng dữ liệu đầu vào thành luồng dữ liệu đầu ra mà thôi. Trường hợp này nếu chúng ta dùng hình 3.1.1  để nói thì đảm bảo người ngoài ngành công nghệ đều hiểu ngay lập tức.

Hình 3.1.1 phân biệt rõ chỗ nào là logic và chỗ nào là kỹ thuật:

• Các dataflows là logic, nên dù là input hay output, cũng không có gì khó hiểu cả, với bất kỳ ai. Các dataflows này, khi không nói gì thêm, thì được hiểu là logic dataflows, tức là ta không xét các input dataflows do người nhập vào bằng tay, hay do cảm biến nhiệt độ, độ ẩm, gió tự động sinh ra data và truyền thẳng vào phần mềm machine learning.
• Machine learning là khối chức năng thuần túy kỹ thuật, người ngoài ngành không cần hiểu. Khối này được tách riêng ra khỏi các logic dataflows, tức là tách riêng “sự khó hiểu” ra khỏi sự quan tâm của người ngoài ngành, tránh cho họ khỏi rối não.

Hình 3.1.2 là một lựa chọn cụ thể về mặt kỹ thuật của mỗi dataflow, trong đó tất cả các dataflows đều được mô tả nguồn sinh, đích nhận và loại data:

• 2 input dataflows có nguồn là data do cảm biến nhiệt độ và độ ẩm sinh ra, 1 input dataflow (dữ liệu về gió) có nguồn là do người dùng nhập.
• 2 output dataflows có nguồn là phần mềm machine learning và đích đến là trang web.
• Tất cả các dataflows đều là digital data.

Người ngoài ngành công nghệ cần được nghe để hiểu vấn đề sản xuất kinh doanh của chính họ. Họ là khách hàng của chúng ta, là ban lãnh đạo doanh nghiệp khách hàng của chúng ta, họ tham gia quyết định những gì chúng ta làm, quyết định công việc của chúng ta có hanh thông hay không, vì vậy họ cần hiểu, nhưng chỉ cần hiểu ở mức logic là đủ rồi.

THÔNG ĐIỆP: phân biệt giữa logic dataflows và technical dataflows là bắt chước phân biệt thiết kế cơ sở dữ liệu logic và thiết kế cơ sở dữ liệu vật lý. Cơ sở dữ liệu logic là thiết kế các bảng và chuẩn hóa dạng chuẩn 1, 2, 3 theo relational model, nhưng cài đặt các bảng này cùng relationships giữa chúng, các rules lên một hệ quản trị cơ sở dữ liệu cụ thể thì ta có được thiết kế cơ sở dữ liệu vật lý.

>>> Nếu bạn đang có nhu cầu học lập trình trực tuyến, tìm hiểu ngay tại đây:

Mentor Hoàng Xuân Thịnh

Kỹ sư về Giải pháp chuyển đổi số cho doanh nghiệp

Chuỗi bài về chuyển đổi số và business analysis:

BÀI 0. Giới thiệu chuỗi bài viết về Chuyển đổi số và Phân tích nghiệp vụ

BÀI 1. Không bắt đầu bằng “Hello World”

BÀI 2. Dữ liệu là nguyên liệu của máy tính

BÀI 3. Dataflow – Luồng dữ liệu

            BÀI 3.1. Luồng dữ liệu logic và luồng dữ liệu kỹ thuật

            BÀI 3.2. Học hỏi từ kỹ thuật thiết kế máy bay, áp dụng vào thiết lập bài toán chuyển đổi số

BÀI 4. Case study – Tình huống nghiên cứu

BÀI 5. Basic workflow – Luồng công việc cơ bản: Quy trình tạo ra sản phẩm/dịch vụ mang lại doanh thu

BÀI 6. Bài phân tích số 1: Bài phân tích workflow

BÀI 7. Basic dataflows và supportive dataflows thể hiện trạng thái chuyển đổi số hiện tại

BÀI 8. Bài phân tích số 2: Tìm kiếm các vấn đề sản xuất kinh doanh từ mô hình workflow-dataflow hiện tại