Qu’est-ce qu’un indicateur Soft-Delete ?
Il s’agit d’une colonne sur l’ensemble de données qui indique que l’élément a été supprimé dans l’interface et n’apparaîtra plus dans l’interface utilisateur Brightspace. Dans le contexte des différentiels, il s’agit d’un moyen d’indiquer que la ligne n’est plus utilisée et peut potentiellement être supprimée de votre stockage de données. Pour de plus amples renseignements, veuillez consulter l’article Introduction des suppressions logicielles pour les ensembles de données Brightspace .
Le dilemme : Pouvez-vous seulement utiliser des fichiers différentiels quand il n’y a pas d’indicateur de suppression douce ?
De nombreux ensembles de données Brightspace ont un indicateur de suppression douce, cependant, certains ne l’ont pas. Idéalement, pour minimiser le volume et le temps de traitement, il serait plus efficace d’utiliser uniquement des fichiers différentiels (et de ne pas utiliser les fichiers complets). Toutefois, les fichiers différentiels n’incluent que les insertions et les mises à jour et donc n’incluent pas les lignes qui ont été définitivement supprimées depuis l’exécution précédente. Ces suppressions peuvent être confirmées à l’aide de fichiers complets, cependant, il existe certaines stratégies que vous pouvez adopter pour vous permettre de capturer les lignes supprimées ou inutiles en utilisant uniquement des fichiers différentiels, même lorsqu’il n’y a pas d’indicateur de suppression douce sur l’ensemble de données lui-même.
Pour les études de cas suivantes montrant les stratégies disponibles, nous utiliserons "Content User Progress" comme ensemble de données cible. "Content User Progress" est souvent un très grand ensemble de données car il contient toutes les progressions de tous les utilisateurs par rapport à tout le contenu et n’inclut pas de champ de suppression douce. Il est souvent difficile de travailler avec comme fichier complet et peut devenir une table massive lorsqu’il est stocké.
Stratégie 1 : Hériter de la suppression douce d’un ensemble de données dépendant (objet de base)
Souvent, lorsqu’un ensemble de données n’a pas d’indicateur de suppression douce, il existe un ensemble de données associé que vous pouvez utiliser pour identifier les lignes de l’ensemble de données cible qui sont réellement supprimées. Il est important de rappeler ici la relation entre les deux ensembles de données : l’ensemble de données avec des suppressions douces devrait être une condition préalable pour toutes les mises à jour dans l’autre ensemble de données. Par exemple, dans l’exemple des objets de contenu et de la progression utilisateur de contenu ci-dessous, vous ne pouvez plus avoir de progression liée au contenu une fois que l’objet de contenu a été supprimé.
Lorsque vous utilisez "Content User Progress" dans un rapport, l’ensemble de données "Content Objects" est souvent utilisé également pour obtenir le titre du contenu, pour le regrouper par module, ou pour créer un lien vers les unités organisationnelles afin d'obtenir les informations du cours. L’ensemble de données "Content Objects" contient un indicateur de suppression douce (IsDeleted), et probablement si le contenu a été supprimé, la progression historique n’est plus pertinente pour toute analyse ou rapport et doit être exclue. Ce processus peut également être automatisé sous forme de procédure stockée pour s’exécuter périodiquement et supprimer toutes les lignes de "Content User Progress" où la ligne de "Content Objects" est indiquée comme supprimée.
Stratégie 2 : Traiter les lignes comme supprimées lorsque les inscriptions ou les rôles rendent les données inutiles
Lorsque vous examinez le niveau du cours, il peut être prudent de supprimer les lignes qui ne sont pas le type de données que vous cherchez à analyser. Par exemple, Brightspace traite tous les utilisateurs de la même manière dans les données, mais vous ne voudrez peut-être signaler que les actions des étudiants ou en particulier les étudiants qui sont actuellement dans un cours et qui n’ont pas besoin de stocker les actions des autres utilisateurs. Dans ce cas, il peut être utile de supprimer régulièrement les lignes correspondant à des actions pour des personnes qui ne sont pas votre cible. Une note de prudence ici - si vos politiques permettent aux individus de changer de rôle dans le même shell de cours, ou de se réinscrire après avoir été retiré, cela peut ne pas être une stratégie correcte à utiliser car vous pouvez supprimer des lignes que vous pourriez réellement vouloir à l’avenir.
Lorsque vous utilisez "Content User Progress", vous pouvez vous joindre à "Enrollments and Withdrawals" ou "User Enrollments" pour obtenir l’état d’inscription actuel d’un utilisateur et son rôle, afin d’avoir suffisamment d’informations pour déterminer si la ligne vaut la peine d’être maintenue.
Stratégie 3 : Conserver les données, quel que soit leur statut
Dans certains cas, il peut ne pas être utile d'utiliser les stratégies précédentes pour purger les données ou continuer à utiliser les ensembles de données complets. Par exemple, l’ensemble de données "Role Details" ne contient pas de champ de suppression douce. Cependant, il est peu probable que vous modifiiez les rôles souvent et que vous les supprimiez encore moins, de sorte qu’il y aura peu de lignes et peu de mises à jour. En outre, laisser une ligne qui a été supprimée dans l’interface n’a pas d’impact négatif sur n’importe quelle logique de rapport, car ce rôle ne sera plus utilisé dans les inscriptions et sera donc filtré hors de tout rapport d’état actuel résultant. Il vaut vraiment la peine de se concentrer sur l’optimisation des ensembles de données plus importants pour minimiser le stockage et l’utilisation de fichiers complets, mais à un moment donné, l’analyse coûts-avantages favorisera de laisser les ensembles de données plus petits sans suppressions ou de continuer à extraire les ensembles de données complets périodiquement pour vérifier les suppressions. Il est important de connaître la limite dans votre organisation et de prendre des décisions en conséquence.
Conclusion
Avec l’attente que votre objectif ultime est de vous éloigner complètement de l’utilisation des ensembles de données complets et de vous appuyer uniquement sur les différentiels, les indicateurs de suppression douce vous en rapprochent partiellement, et les stratégies ci-dessus peuvent vous y rapprocher encore davantage. En fin de compte, minimiser les données que vous téléchargez, traitez et stockez non seulement vous fait économiser de l’argent, mais permet également de remettre les rapports dont vos utilisateurs ont besoin entre leurs mains plus rapidement. Il est également important de garder à l’esprit que certains ensembles de données n’auront jamais de champ de suppression douce car ce sont des journaux, et donc leurs lignes ne seront pas supprimées. En réfléchissant soigneusement aux données qui doivent être conservées et pourquoi, vous pouvez optimiser votre traitement des données et minimiser l’espace de stockage nécessaire pour les données Brightspace sans sacrifier aucune de vos capacités de création de rapports.