前面兩天以好電視概略紀錄了影音串流(筆者的直接業務)以及前台後的框架架構說明。
今天要來記錄這個Plus的專案Scope

專案範圍

翻新舊網建構智能推薦且跨平台的網站、APP，並保留現有網站資料、整合功能、TVAPP前後台、以及會員功能。

需求分析

細節紀錄於會議記錄中，這裡列出雙方重點事項：

• 甲方提供Process Flow
• 甲方提供測試資料庫API、乙方提供智能API
• SIT系統整合測試相關測試資料
• UAT 使用者測試環境，系統驗收單
• 系統上線、進行User Training，程式原始碼
• 驗收結案，上線驗收簽收單

需求訪談

依雛型系統架構，逐項調整功能內容。

專案組織

這次專案一共有7位參與(不含技術支持)，以及乙方開發團隊(５位），一共12位。

在開發專案中，筆者為資料庫負責單位，這個資料庫也是串流檔案的詮釋資料（簡稱SysD)，以及後台的UI使用管理者設計。後台在前一篇以提及，今天的重點在詮釋資料的資料庫。這次專案中有兩個資料庫，分別裝載著影音檔和詮釋資料。

資料庫

資料庫是結構化的資料集合，由資料庫管理系統(DBMS) 控制。資料和DBMS 以及與之關聯的應用程式統稱為資料庫系統，簡稱為資料庫。 最常見的資料庫類型，通常以一系列表中的行Row和欄Column建立，以提高處理和資料查詢的效率。

專案中就是將SysD透過API將所需的資料欄位Join後提供網站、以及智能訓練所需。開發過程進入SIT階段可以知道，資料庫陳年的情況，這時候20年的歷史共業一湧而出，資料欄位的NULL值、空值、欄位資料錯置等等，以及智能訓練需要的Task標籤欄位短缺，為了這次的智能專案，幾乎是全員啟動，設定標籤，提供智能進行監督式學習（AI學習的方式之一)。

關於ML機器學習，後面另篇記錄，跨進Python的世界。

資料正規化

資料的NULL值、空值、欄位資料錯置等情況，一覽無遺的正視正規化資料的重要性。正規化(Normalization) 就是結構化分析與設計中，建構資料庫所運用的一種技術，目的是為了降低資料的「重覆性」 與避免「更新異常」的情況，髒資料的發生，以減少資料庫中數據與資料的一致性。

10年的資料庫功力在這時候傾巢而出，將正確資料屬性放到正確的位置上，將３萬筆資料修正、調整，這是建構智能網站的重要基本盤。