Algorithms in Business

everywhere

Struktura danych w kontekście algorytmu biznesowego.

Zapoznanie się z obszernym dokumentem taryfy ubezpieczeniowej wymaga od projektanta przeprowadzania mniej lub bardziej dokładniej analizy biznesowej, z wyciągnięciem kluczowych informacji i reguł biznesowych w obszarze szeroko rozumianych ubezpieczeń komunikacyjnych i majątkowych. Niestety, nie da się w tym temacie pominąć przeprowadzenia analizy wstępnej, pozwalającej na ogólne rozpoznanie całości, a następnie wychwycenia powiązań dla poszczególnych obszarów ubezpieczeń i zdefiniowania danych niezbędnych do przeprowadzenia kalkulacji składki. Definiowanie danych jest możliwe dzięki opisaniu ich za pomocą odpowiednich atrybutów w strukturze danych.

3

Graficzne modelowanie algorytmu biznesowego wiąże się wykorzystaniem modułów wspomagających zapisanie pliku tekstowego w formie graficznej m.in.: struktury danych, tabel, słowników czy podmodeli. Jakie właściwości cechują strukturę danych i jak pomóc samemu sobie podczas modelowania algorytmu ubezpieczeniowego składki tak, by nie pominąć najistotniejszych informacji z obszernego zapisu taryfy ubezpieczeniowej? W niniejszym poście zapraszam do zapoznania się z atrybutami struktury danych. Udzielę kilku porad, jak najlepiej ją zdefiniować.

Struktura danych i jej atrybuty

Kręgosłupem dla wszystkich modułów aplikacji jest struktura danych. Definiując pojęcie „struktura” (łac. Struktura, budowa, sposób budowania), wielu z nas ma na myśli sposób ułożenia elementów składowych i wzajemnych powiązań pomiędzy nimi. W myśl tej definicji, strukturę danych możemy również określić jako logiczny porządek, na którym działają algorytmy taryfikacyjne, stanowiące ciąg zdefiniowanych funkcji obliczeniowych i decyzyjnych.

Struktura danych daje możliwość ujednolicenia nomenklatury taryfy ubezpieczeniowej użytej podczas budowy modelu i aplikacji zewnętrznych. Podczas tworzenia algorytmu obliczeniowego służy ona do definiowania poszczególnych obliczeń. Struktura danych powinna być uporządkowana. Pozwala na to:

  • wprowadzenie katalogów,
  • tematyczne grupowanie pojęć wykorzystywanych w aplikacji,
  • jasne opisanie pojęć biznesowych.

Jednakowe nazewnictwo we wszystkich modułach aplikacji zdecydowanie ułatwi konfigurację modeli, ułatwi innym użytkownikom pracę nad algorytmem obliczeniowym, a także da możliwość łatwiejszego wprowadzania zmian, które mogą wyniknąć z szybko zmieniających się potrzeb biznesowych.

Właściwości struktury danych pozwalają na przechowywanie w niej różnych typów danych. Stąd też, każdemu z elementów struktury należy nadać jeden z kilku określonych typów: tekst, liczba, data, logiczny lub słownik. Dzięki temu możemy poprawnie zdefiniować takie pojęcia, jak np.: data urodzenia, kod pocztowy, miejsce zamieszkania, kwota netto, kwota brutto, itd.

Dobrą praktyką podczas konstrukcji struktury danych jest poprawne biznesowo nazywanie i opisywanie danych, grupowanie ich tematyczne oraz katalogowanie.

Powrót

Dodaj komentarz

Twój adres e-mail nie zostanie opublikowany. Pola, których wypełnienie jest wymagane, są oznaczone symbolem *

Możesz użyć następujących tagów oraz atrybutów HTML-a: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <strike> <strong>