Metadatos en Plataformas ECM

Transcripción

1 Metadatos en Plataformas ECM understanding documents Ofrece tu sistema soporte para tipos documentales en bases de datos? Por qué debería importarte? Marzo, 2013 Basado en: Manejo de metadatos en plataformas ECM de Joaquín Hierro. Conoce openprodoc, ECM Open Source Java.

2 Cuando se registran metadatos para un documento en un sistema ECM, estos metadatos se almacenan como registros en una base de datos sin que el usuario se de cuenta. Al buscar un documento, en la mayoría de los casos, lo que hacen los gestores documentales o software ECM es realizar un conjunto de consultas SQL relacionadas con dichos metadatos. Por esta razón, la diferencia en tiempos de búsquedas entre un sistema y otro, en buena mediada, está determinado por esa estructura interna de almacenamiento de metadatos que elijen los fabricantes de software ECM. Metadatos: son datos que describen un documento o contenido y que son utilizados para facilitar el acceso a dicho contenido. Es posible que quienes se encuentran en la búsqueda de un sistema de gestión de documentos o contenidos, no se detenga a este nivel; pero es importante que se tenga en mente que la lentitud de un sistema es una de las principales causas por la que los usuarios dejan de usarlo. A continuación, repasamos las preguntas fundamentales que debemos hacernos sobre manejo de metadatos a la hora de adquirir software ECM y algunas de las estrategias que pueden seguir los fabricantes en esta materia y que delimitan las posibilidades que sus productos pueden ofrecernos. Pregunta 1: Permite este sistema la definición de tipos documentales? Existen sistemas para los que no es posible definir tipos documentales. Estos sistemas traen por defecto una serie de metadatos que son bastante comunes para todos los documentos y contenidos, por ejemplo, nombre, fecha de creación o autor. Estos sistemas resultan demasiado limitados y no nos dejarían contar con un cuadro de clasificación (clasificación documental) medianamente complejo. Por fortuna, la mayoría de ECMs modernos nos permiten la definición de tipos documentales, en ese caso, tendremos que hacernos la segunda pregunta importante. Tipo documental Clase de documento s que se distingue por la semejanza de sus características físicas y/o intelectuales. Fuente: Norma ISAD Pregunta 2: Cómo se manejan los metadatos en los tipos documentales? Una definición de un tipo documental trae aparejado la estipulación de unos metadatos que describan cualquier documento que se pueda incluir dentro de esa tipología. Por ejemplo, si definimos un tipo documental DNI -Documento Nacional de Identificación español, sabemos que debemos incluir metadatos mínimos como nombre, primer apellido, segundo apellido, número DNI. No incluiríamos nunca dentro de este tipo documental un metadato número de factura porque dicho metadato no es una característica que describa al tipo documental DNI. Como se explicó al comienzo de este white paper, los fabricantes de software de gestión documental y ECM van a definir la manera en que almacenan dichos metadatos en una base de datos y esta decisión va a afectar el rendimiento de la herramienta.

3 Aunque los sistemas gestores de bases de datos cuentan con mecanismos de optimización de consultas, el rendimiento de la base de datos no será comparable nunca entre un sistema con una estructura adecuada y otro con una inadecuada. cuáles son pues las posibilidades de estructurar los metadatos que tienen los fabricantes? Opción A. Metadatos normalizados que se reutilizan (Diccionario de metadatos) Definición de Metadatos Creación de tipos Asociación de Metadatos a tipos Esta estructuración de los metadatos permite que se creen tablas por cada metadato y ofrece un alto nivel de normalización. Su defecto es que nos limita a la hora de modificar las características de un metadato en un tipo documental concreto, ya que ese metadato es compartido por otros. Por ejemplo, tenemos varios tipos documentales que llevan el campo documento de identificación y este metadato se ha definido en la base de datos con una características pensadas para un DNI (sólo admite 9 dígitos); pero de repente, necesitamos que uno de esos tipos documentales acepte en su metadato documento de identificación 10 dígitos. Cómo podremos hacerlo? Opción B. Metadatos que se definen para cada tipo Definición de tipo X Definición de Metadatos para tipo X Cuando un gestor trabaja con este sistema, se definen metadatos individualizados para cada tipo. Ni se reutilizan ni se normalizan. Aunque este sistema produce una proliferación de definiciones desnormalizadas, ofrece mayor flexibilidad y junto con Orientación a Objetos y una normalización por procedimientos o equipo centralizador puede permitir un funcionamiento más ágil. Orientación a Objetos El manejo de metadatos de un gestor puede estar o no orientado a objetos. Decimos que un sistema de gestión documental es orientado a objetos cuando trata a los tipos documentales creados en él como objetos con capacidades de herencia y polimorfismo. Herencia: se considera la existencia de herencia cuando tipos documentales definidos a partir de otros, heredan dinámicamente de ellos sus metadatos, seguridad, ciclo de vida, y restricciones. Por ejemplo, si se define un tipo de documento Informe (documento padre), que contenga como atributos Titulo, Autores, Fecha, Resumen y Palabras Clave, y un subtipo Informe Médico, Orientación a Objetos Entender los tipos documentales como objetos de la vida real, con unos atributos que les identifican y con la capacidad de agrupar conceptos relacionados que comparten atributos comunes.

4 este heredaría automáticamente los metadatos del tipo padre. La ventaja de esta estrategia es que en los documentos hijos sólo tendríamos que definir unos pocos metadatos que los hacen especiales y difrentes del padre y de sus hermanos. En el caso del Informe Médico podemos pensar en nuevos atributos, distintos de los del padre, como Especialidad Médica. Polimorfismo: Hablamos de polimorfismo en un gestor documental si para cualquier operación o proceso en que se espera un tipo de documento (padre), puede aceptarse un documento de cualquiera de sus subtipos (hijos). Por ejemplo, si busco un tipo documental Documento de Identificación, el gestor me devuelve también DNIs y Pasaportes. Modelado de metadatos Ya hemos visto a nivel teórico cómo podemos entender la estrategia de estructuración de metadatos y tipos documentales en un sistema de gestión documental o ECM. Ahora vamos a considerar cómo ese modelo puede ser plasmado en tablas del sistema de gestión de bases de datos. Opción A. Tabla única con columnas mixtas En esta opción agruparíamos bajo la misma tabla todos los tipos documentales y sus metadatos. Cada fila de la tabla constituiría un documento de cierto tipo documental y sus respectivos metadatos. Las columnas son metadatos de clases no necesariamente coincidentes. Para el Documento de tipo 1, el Atributo 1 puede ser un DNI, para el Documento de tipo 2 el atributo 1 puede ser una matricula de un coche. Tipo documental Atributo 1 Atributo 2 Documento de tipo 1 Metadato1 para tipo 1 Metadato2 para tipo 1 Documento de tipo 2 Metadato1 para tipo 2 Metadato2 para tipo 2 Cada entrada de la tabla contiene los metadatos por orden, y un atributo adicional que es el tipo documental. Las limitaciones de este opción son las siguientes: - No se puede añadir más columnas/metadatos que las definidas. - No se puede superar la longitud máxima definida para cada columna. - Los tipos de datos que deben utilizarse no reflejan fielmente los datos contenidos en la tabla. - La comprobación y formato de los tipos la hace el gestor documental, no la base de datos. - No es posible crear índices en la base de datos para optimizar las búsquedas o limitar valores, ya que la misma columna comparte tipos de metadatos diferentes con restricciones distintas. - Esta tabla única crecerá de forma indefinida, limitando el rendimiento del sistema.

5 Opción B. Tabla única con columnas homogéneas Tipo documental Atributo 1 Atributo 2 Documento de tipo 1 Metadato 1 Documento de tipo 2 Metadato 1 En esta opción sólo existe una tabla que resulta de la unión de los metadatos de todos los tipos, pero en cada registro o fila sólo se rellenan los matadatos pertenecientes a ese tipo. Esto implica la presencia de filas con atributos vacíos en la tabla. Por ejemplo, si el Documento de tipo 1 es un DNI y el Atributo 1 es un número de DNI, en el registro de Documento tipo 2 que es una receta médica, el atributo 1 quedaría vacío, pero no el atributo 2, que es el número de la Seguridad Social. Las ventajas que esta opción nos ofrece son: - Los tipos de datos reflejan realmente los datos contenidos - Puede crearse índices de BBDD para optimizar el acceso a la información - Hace posible implementar un modelo orientado a objetos que permita buscar en varios tipos documentales simultáneamente. Esta opción también tiene algunas limitaciones: - Crecimiento imparable de la tabla, tanto en número de columnas (metadatos) como en número de registros (documentos). - En esta tabla los datos deben marcarse como NULL (ninguno metadato puede ser obligatorio), ya que en todas los registros se cumplirá que queden atributos sin rellenar. Opción C. Una tabla por tipo documental En esta opción se define una tabla por cada tipo documental existente. Los registros la tabla (filas) se corresponden con documentos de esa tipología y las columnas con los metadatos que corresponden a ese documento en particular. Tabla tipo 1 Documento Atributo 1 Atributo 2 Documento 1 Metadato 1 Metadato 2

6 Las principales ventajas de este modelo son: - Refleja fielmente el modelo relacional. - Permite la creación de índices en la base de datos para optimizar el acceso y asegurar unicidad de valores. - La información se encuentra en distintas tablas, lo que hace a las búsquedas bastante eficientes. Los principales inconvenientes son: - Si desconocemos el tipo documental buscado, la búsqueda debe hacerse en múltiples tablas, lo que implica una operación de UNION entre muchas tablas. Esto puede consumir grandes recursos y sacrificar el rendimiento del sistema, e incluso, superar los límites impuestos por el sistema de gestión de bases de datos. Opción D. Tabla parcial por cada tipo documental En esta opción, cada tipo documental genera una tabla, pero esta tabla sólo contiene los metadatos o atributos que no están contenidos en la tipología padre. Volviendo al ejemplo de las tablas Informe e Informe Médico, la tabla Informe tendría los campos Titulo, Autores, Fecha, Resumen y Palabras Clave; y la tabla Informe Médico sólo contendría el metadato Especialidad Médica. Las tablas tendrían que estar relacionadas mediante un identificador de cada documento. Tabla Padre Documento Atributo 1 Atributo 2 Documento 1 Metadato 1 Metadato 2 Atributo 3 Metadato 3 Tabla Hijo Documento Documento 1 Atributo 4 Entre las ventajas de esta opción encontramos: - La creación de índices - Las tablas compactas y con pocas columnas. - Puede hacerse búsquedas y operaciones con herencia fácilmente, ya que en cualquier tabla está la información de un Tipo Documental y todos sus subtipos.

7 Los principales inconvenientes son: - Debe hacerse un acceso a multiples tablas para mostrar todos los metadatos de un documento. Opción E. Una Tabla Por Metadato Para cada metadato se crea una tabla que se relaciona con el documento que contiene dicho metadato. Metadato 1 Documento Documento 1 Documento 2 Valor Metadato Valor Metadato 1 en Documento 1 Valor Metadato 1 en Documento 2 Las ventajas de esta opción son: - Las tablas creadas son relativamente compactas y con pocas columnas, aunque tendrán muchos registros. Los principales inconvenientes son: - Siempre que se desea recuperar los metadatos de un elemento, debe accederse a varias tablas. - Las búsquedas son siempre complejas y sobre varias tablas. - No puede imponerse condiciones de unicidad ni índices de base de datos. Opción F. Esquemas de metadatos Un esquema de metadatos es un conjunto de metadatos que incluye unas reglas de uso y una sintaxis. Los esquemas se desarrollan para un propósito concreto. Un ejemplo de esquema de metadados es el famoso Dublin Core que incluye 15 metadatos distintos (Por ejemplo: Autor. Título y Tema). Un tipo documental puede contener los metadatos incluidos en varios esquemas, por ejemplo, el Dublin Core más otro esquema específico. Los sistemas modernos ECM tienden a usar el concepto de esquemas para el manejo de tipos, además de la herencia. Por ejemplo, en Athento, todos los documentos son del tipo documento (tipo padre), pero a su vez, tienen un subtipo: pueden ser una nota o una carpeta. Y cada uno de estos subtipos es definido por la combinación de un número de esquemas.

8 La ventaja del uso de esquemas es que nos permite normalizar y reutilizar metadatos. Así, un tipo documental nota y un tipo carpeta pueden usar el esquema Dublin Core. Este sistema tiene como ventajas todas las de los anteriores modelos: Reutilización y normalización Rapidez en las consultas Tablas compactas Capacidad para usar índices. Como desventajas, las bases de datos de los sistemas que usan esquemas y tipos documentales con herencia suelen tener un gran tamaño y una gran complejidad. (1:N) (N:M) tipo documento pertenece contiene Esquemas documental Las relaciones entre las tablas de esquemas y de tipos documentales, pueden ser gestionadas por la base de datos, o por el sistema de gestión documental en orden de obtener mayor flexibilidad. Esperamos que este white paper os haya resultado de utilidad. Para cualquier duda, no dudéis en preguntarnos