Intake-Formular → Entwurf Datenmodell (Entitäten, Felder, Einschränkungen)
Verwandeln Sie ein rohes Intake-Formular in ein normalisiertes Datenmodell mit Entitäten, Beziehungen, Feldtypen, Einschränkungen und Beispiel-Datensätzen, bereit für API- oder Datenbankerstellung.
Prompt-Übersicht
Tipps für dich
Beginnen Sie mit geschäftlicher Sprache für Entitätsnamen; generieren Sie danach maschinensichere IDs. Stellen Sie 2–3 reale Datensätze bereit, um zu testen, ob das Modell Randfälle abdeckt. Wenn ein Attribut in mehreren Entitäten vorkommt, überdenken Sie die Normalisierung oder führen Sie ein Lookup ein.
Vom Operations-TeamNexusAi TechnologyProblem, das es löst
Unstrukturierte Formularfelder führen zu doppelten Daten, mehrdeutigen Bezeichnungen und fehleranfälligen Tabellenkalkulationen. Dieser Prompt wandelt Formulareingaben in ein klares, normalisiertes Schema um, das skalierbar ist.
Normalisierte Entitäten
Fasst Formularfelder in stabile, skalierbare Tabellen zusammen.
Klare Beziehungen
Definiert Eigentum, Kardinalität und Löschverhalten.
Validierungsbereit
Fügt Typen, Bereiche und Enumerationen für starke Validierung hinzu.
Beispieldaten
Stellt realistische Datensätze bereit, um Annahmen schnell zu testen.
KI-Prompt-Anweisungen
Agieren Sie als: Senior Workflow- und Datenmodellierungsarchitekt.
Warum diese Aufgabe wichtig ist: Ein sauberes, normalisiertes Datenmodell ist das Rückgrat jeder formularbasierten Anwendung. Es verhindert Duplikate, ermöglicht Berichte und unterstützt stabile APIs und Automatisierungen.
Wichtige Grenzen:
- Bevorzugen Sie 3NF-ähnliche Normalisierung, es sei denn, explizite Denormalisierung ist für die Leseleistung gerechtfertigt.
- Verwenden Sie klare, geschäftsfreundliche Namen; fügen Sie maschinensichere Bezeichner hinzu.
- Machen Sie Annahmen explizit und listen Sie offene Fragen auf.
Benutzereingaben (unten einfügen):
[Geschäftsziel]
[Primäre Formularfelder]
[Wichtige Stakeholder]
[Beispiele für nachgelagerte Anforderungen: Genehmigungen, Berichte, Dashboards]
[Erwartetes Volumen und Wachstum]
Ziele:
1) Wandeln Sie das Formular in Entitäten, Felder, Datentypen und Einschränkungen um.
2) Kartieren Sie Beziehungen (1–1, 1–viele, viele–viele) und Verknüpfungstabellen.
3) Schlagen Sie Bezeichner, Eindeutigkeitsschlüssel und Auditfelder (created_at, updated_at, created_by) vor.
4) Stellen Sie Beispiel-Datensätze bereit, um Form und Benennung zu validieren.
Analyseablauf:
1) Analysieren Sie die Formularfelder und gruppieren Sie sie nach konzeptioneller Entität.
2) Identifizieren Sie Normalisierungsmöglichkeiten und entfernen Sie wiederholte Gruppen.
3) Definieren Sie Feld-Datentypen, Validierungsbereiche und Enumerationen.
4) Legen Sie Primärschlüssel, natürliche Schlüssel und Fremdschlüssel fest.
5) Dokumentieren Sie Beziehungskardinalität sowie Lösch-/Aktualisierungsverhalten.
6) Fügen Sie bei Bedarf Audit-, Statusfelder und Soft-Delete hinzu.
7) Listen Sie abgeleitete Felder und deren Berechnungsorte auf.
8) Heben Sie Annahmen und unbeantwortete Fragen für Stakeholder hervor.
Erforderliches Ausgabeformat:
- Entitätenliste mit: Name, Beschreibung, Felder[{Name, ID, Typ, Pflichtfeld, Standardwert, Enum, Validierung}], Schlüssel, Beziehungen[{Ziel, Typ, FK, Verhalten}] und Notizen.
- Beispiel-JSON mit 2–3 Datensätzen pro Kernentität.
- Offene Fragen und empfohlene Entscheidungen.
Qualitätskontrollen:
- Benennung ist konsistent und im Singular für Entitäten, snake_case oder camelCase für technische IDs.
- Keine doppelten Felder über Entitäten hinweg ohne Begründung.
- Alle Beziehungen haben klare Eigentümerschaft und Löschverhalten.
Prüfliste:
- Kann dieses Modell die Top-5-Berichtsfragen beantworten?
- Sind Statusfelder und Zeitstempel dort vorhanden, wo Lebenszyklus relevant ist?
- Sind alle Enumerationen geschlossen und dokumentiert?
Abschließende Anweisung: Erstellen Sie zuerst das Modell und die Beispiele. Geben Sie dann eine einleitende Begründung und eine kurze Migrationsnotiz für bestehende Tabellendaten an.
Erwartetes Ergebnis
Entitäten: Request, Requester, Department, Attachment. Request hat Felder: request_id (PK), Titel, Beschreibung, Priorität (Enum: Niedrig/Mittel/Hoch), Status (Enum: Neu/In Prüfung/Genehmigt/Abgelehnt), submitted_at, requester_id (FK). Beziehungen: Request viele-zu-eins Requester; Request viele-zu-eins Department; Attachment viele-zu-eins Request. Beispiel-JSON-Objekte für Request und Requester enthalten. Offene Fragen: SLAs pro Abteilung? Größenbeschränkungen für Anhänge?
Umsetzungsprozess
Modellieren Sie die Entitäten in ChatGPT
Öffnen Sie ChatGPT. Fügen Sie Ihr Geschäftsziel, aktuelle Formularfelder und die wichtigsten Berichtsfragen ein. Fordern Sie eine normalisierte Entitätenliste mit Feldern, Typen und Beziehungen sowie Beispiel-Datensätze an. Erwarten Sie einen strukturierten Schema-Vorschlag und Beispiel-JSON zur Validierung der Feldstrukturen.
10-15 minGenerieren Sie SQL oder Typen mit Codex
Öffnen Sie Codex und fügen Sie die Entitätsspezifikation aus ChatGPT ein. Fordern Sie CREATE TABLE-Anweisungen oder TypeScript-Interfaces mit Enums und Einschränkungen an. Erwarten Sie ausführbaren DDL-Code oder stark typisierte Modelle, die Sie in Ihr Backend integrieren können.
10-20 minImplementieren Sie es in Ihrer Datenbank
Wenden Sie das DDL in Ihrer Datenbank an und befüllen Sie die Beispiel-JSON als Testdaten. Überprüfen Sie, ob Primär-/Fremdschlüssel und Enums mit der Geschäftsterminologie übereinstimmen. Bewahren Sie die offene Fragenliste von ChatGPT auf, um diese vor dem Produktivstart mit Stakeholdern abzustimmen.
20-30 min
