Werden wir Helden für einen Tag
Home | About | ArchiveNormalization
沒有Computer science訓練就是沒有，最近才學Database normalization。
在設計Database時費發思量在想，例如一個病人有一個column叫做disease，而阿小明又有兩種病（例如AIDS, SARS），咁點算。如果係一般情況，同事會將"AIDS, SARS"原隻寫在disease這個field。不合乎2NF。好了，到要extract所有SARS病人，用電腦選了所有disease = SARS的病人，才發現紀錄成"AIDS, SARS"的小明沒有選入去，身患重病的小強的“AIDS, Asthma, SARS, Dermatitis"沒有選入去，以及突然寫全寫"Severe Acute Respiratory Syndrome"的小鈴沒有選入去和寫了細草"sars"的小平沒有選入去。最後又是要人手選，十零至一百幾廿個都話，要是數據係一千幾萬個，如何人手做？每次見到這些data，要analysis，先要花三小時做clean-up，浪費時間。
我於是在想，那加一百幾廿個column，disease 1至disease 100，每個column每格只寫一個病。那麼要選SARS的病人，只需要選disease 1至disease 100任一個空格有SARS這個字的就OK了。但如果小慧只有一個disease，那麼就會有99個空格出現，這些空格會以NULL存檔，十分浪費空間。另外，如果小珠有第101個病時，又怎算？
最後，我找到了答案，茅塞頓開。就算我學了Normalization，我仍在用Spreadsheet的模式思考。
最近看到一篇論文，主要講到研究的數據收集和分析，要經過三個步驟。以臨床研究為例，Step 1: 先要有醫護人員收集臨床數據，Step 2: 數據要整理、輸入和儲存，Step 3: 統計師分析。Step 1，醫生、護士當然有degree讀。Step 3: 統計學都有degree讀。但Step 2呢？Step 2是完全被忽略的，就算有，他們都只會是窩在Computer Science部門的Database Guru。設計Step 2作業的工作，多數只會認為是一般文書工作，只要隨便一個自稱會Excel、Acess的Clerk或Sec擔任，又或由沒有這方面exposure的醫護人員及／或統計師兼任。但就因為這樣，錯data常有、數據的儲存方法也令它們不適合作統計分析。浪費時間、浪費研究經費。