8.9 資料建模工具、AI輔助與品質檢查
資料分析與資料建模
8.9.1 工具選擇
資料模型可使用圖形化ERD工具、UML建模工具、Mermaid或其他文字式工具。選擇時應考量符號支援、版本管理、協作、資料字典及輸出格式，而不是只比較圖形是否美觀。資料模型的存在目的，是確認系統分析人員所理解的資料模型是否為確實為真實需求，以及將來可以讓程式設計開發人員理解資料庫要如何設計。
8.9.2 AI可以協助的工作
AI可以協助擷取候選實體與屬性、辨識重複名詞、提出關係問題、產生ERD程式碼及比對需求追蹤。
然而，AI特別容易虛構識別碼、狀態值、基數及歷程需求，因此所有輸出都只能視為候選，必須人工確認。
8.9.3 可追溯提示詞
以下的提示詞是個範例，可以讓AI進行協助。
8.9.4 品質檢查
以下是需要進行的品質檢查，這個品質檢查也可以讓AI代勞，但由人員進行確認。
- 實體是否具有明確且不重疊的定義？
- 識別方式是否唯一且穩定？
- 屬性是否放在真正描述的實體中？
- 關係、基數與選擇性是否有需求依據？
- 多對多關係是否需要關聯實體？
- 狀態與歷程是否足以支持流程及稽核？
- 是否把TBC誤寫成正式規則？
- 是否與使用案例、活動圖及資料字典一致？
8.9.5 AI Lab：候選資料模型審查
以UC-06「處理評分更正」為範圍，提供FR-09、FR-10、BR-11、BR-12及DR-06，要求AI建立候選ERD與資料字典。檢查AI是否保存處理人員、處理時間及更正前後內容，並移除沒有來源的「核准」「駁回」等結果值。