モデルの存在しないデータ・フォーマットを分析します。 対応する DFDL モデルを作成できるように、構造を理解します。
DFDL を使用したデータのモデル化は、プログラミングと非常によく似ています。 業務上の課題を解決するために新しいプログラミング言語を学習してプログラムを作成する必要があるとします。 例として Java で考えてみましょう。 Java の本を購入し、言語の理論を研究します。 適切な Java エディターを入手し、その使用方法を学習します。 しかし、最も難しいのは、業務上の問題を解決するプログラムをどのように構造化するかを考案することです。 良いスタートを切るために、他のプログラマーが作成したサンプルを参考にすることがあるでしょう。
DFDL データ・モデリングも同じです。 モデリング言語の理論を学習したり、その言語のエディターの使用方法を学習したりすることができます。 しかし、最も難しいのは、実際のデータを見て、そのデータに最適なモデルを作成する方法を考案することです。 運良く、何らかの形でデータ・モデル (メタデータ) が既に存在する場合、この問題はすべて、または部分的に解決されます。 DFDL 用に、特定のデータ・フォーマット (COBOL や C のメタデータなど) を DFDL スキーマに変換するインポーターが IBM から提供されています。 しかし、参照できるモデルが存在しない場合や、データ・フォーマットのサンプルが 1 つまたは少ししかない場合はどうしたらよいでしょうか。 コンマ区切り値 (CSV) メッセージなどのフォーマット済みのテキスト・メッセージにはモデルがないことがよくあります。 構造を理解し、対応する DFDL モデルを作成するために、データ・フォーマットを分析する方法について学習することができます。