มาทำ Data Dictionary ง่ายๆ กัน: ChatGPT — Part 1

มาสร้าง data dictionary เอกสารที่หลายคนไม่อยากทำกันด้วย ChatGPT กันเถอะ ผมได้ทดลองทำ data dictionary ด้วย sql statement ที่ generate มาจาก Lucid Chart มาดูกันว่าเอกสารที่ได้จะออกมาหน้าตายังไง

การใช้ ChatGPT มาช่วยทำเอกสารตัวนี้ทำให้ลดเวลาลงไปได้เยอะเลยทีเดียว ผมได้ทดลองโดยนำมาใช้ในงานส่วนตัวของตัวเองด้วย ซึ่งผลที่ได้ก็ค่อนข้างน่าพอใจเลย เพียงแค่มี ERD ที่ออกแบบไว้จากใน LucidChart เพียงแค่นี้แล้วส่งต่อให้ ChatGPT ก็เสกเอกสารออกมาให้เลย ฮ่าๆ

มาเริ่มดูขั้นตอนกัน ผมเริ่มด้วยการออกแบบตาราง ERD จากใน LucidChart ซึ่งเจ้าตัว LucidChart นี้ ด้วยความสามารถที่สามารถ export sql statement จากตารางได้ ผมจึงได้ใช้ประโยชน์จากจุดนี้ร่วมกับ ChatGPT

Lucid Chart ERD Table FILE

ขั้นแรกออกแบบตาราง ERD ที่เราต้องการ

Export ERD

ถัดมา คลิกเลือกตารางที่เป็นเป้าหมายของเรา จากนั้นคลิกที่ปุ่ม Export ERD จากเมนูด้านขวามือ

Export to ERD Data Dialog

สุดท้าย เจ้า LucidChart ก็จะ generate ตัว sql statement จากตารางที่ผมได้เลือกไว้ออกมาให้

CREATE TABLE `FILE` (
  `id` int,
  `ref_id` varchar(36),
  `data_ref_id` varchar(36),
  `data_ref_name` varchar(255),
  `content_type` varchar(255),
  `file_name` varchar(1000),
  `file_uri` varchar(1000),
  `file_type` varchar(255),
  `file_size` varchar(255),
  `is_active` varchar(1),
  `created_date` timestamp,
  `created_by` varchar(36),
  `modified_date` timestamp,
  `modified_by` varchar(36),
  PRIMARY KEY (`id`)
);

ทีนี้ผมก็จะนำ sql statement ที่ได้มา มาทำเป็น data dictionary ด้วย ChatGPT

ซึ่งใน ChatGPT ที่ผมใช้นั้นจะเป็น ChatGPT 3.5 ซึ่งค่อนข้างไวกว่าตัวเวอร์ชั่นใหม่

```
CREATE TABLE `FILE` (
  `id` int,
  `ref_id` varchar(36),
  `data_ref_id` varchar(36),
  `data_ref_name` varchar(255),
  `content_type` varchar(255),
  `file_name` varchar(1000),
  `file_uri` varchar(1000),
  `file_type` varchar(255),
  `file_size` varchar(255),
  `is_active` varchar(1),
  `created_date` timestamp,
  `created_by` varchar(36),
  `modified_date` timestamp,
  `modified_by` varchar(36),
  PRIMARY KEY (`id`)
);
```

Hi, generate the data dictionary from this sql statement with this pattern.
```
column name, data type, size, data format, m/o, description, example data.
```
m/o standard for mandatory and optional

Input message for chat gpt 3.5

และด้วยคำสั่งข้างต้น เรามาดูผลลัพธ์ที่ออกมากัน ตัวผลลัพธ์ที่ได้จะออกมาในรูปแบบ markdown language ซึ่ง ChatGPT สามารถที่จะแสดงผลออกมาให้เราเห็นเป็นตารางได้เลย

Generated message from chat gpt 3.5

จากผลลัพธ์ที่ได้ ผมก็เพียงแค่ตรวจสอบและแก้ไขเล็กน้อยเพื่อให้ข้อมูลถูกต้อง จากนั้นก็ copy & paste style เลย ฮ่าๆ ซึ่งสามารถเอาไปใช้ต่อใน word, excel, หรือ confluence ก็ได้ ซึ่งตรงจุดนี้สามารถช่วยลดเวลาผมในการทำเอกสารไปได้เยอะเลยทีเดียว (ด้วยส่วนตัวแล้วสำหรับผม งานเอกสารค่อนข้างแอบน่าเบื่อนิดหน่อยหน่ะนะ แหะๆ คนขี้เกียจแบบผมก็ต้องหาทางช่วยลดเวลากันหน่อย ซึ่งผลลัพธ์แล้วผมพอใจเลย)

ทีนี้เรามาดูต่อกันอีกสักเล็กน้อยใน ChatGPT 4 ซึ่งผลที่ได้ออกมาค่อนข้างน่าพอใจเหมือนกัน และมีรายละเอียดต่างๆ ที่ค่อนข้างดีกว่า ตามที่ทางผู้พัฒนาเค้าแจ้งไว้เลย แต่ด้วยความเร็วแล้วผมว่ามันแอบช้าไปหน่อย เลยกลับมาใช้ ChatGPT 3.5 เหมือนเดิม

Generated message from chat gpt 4

สุดท้ายแล้ว จากการใช้งาน ChatGPT ในการทำเอกสาร data dictionary สามารถช่วยลดระยะเวลาในการทำไปได้หลายเท่าเลยทีเดียว ซึ่งจากตัวอย่างผมใช้งานร่วมกับ LucidChart แต่ถ้าเพื่อนๆ ไม่มี ก็สามารถใช้ตัวอื่นได้นะ หรือจะใช้ sql statement ตรงๆ เลยก็ได้ หรือตัว JSON เองก็เอามาใช้ได้เหมือนกัน

ต่อจากนี้ ในมุมของผมเอง ผมคิดว่าเราไม่ควรจะกลัว AI หรือหลีกเลี่ยงมัน แต่ควรที่จะเรียนรู้การใช้ประโยชน์จาก AI ดีกว่า เพื่อช่วยให้งานของเรามีประสิทธิภาพ และผลลัพธ์ที่ได้ออกมาดีขึ้นในทุกๆ ด้าน ยังไงก็ติดตามผมต่อไปนะครับ ว่าครั้งหน้าจะเอา ChatGPT มาทำอะไรต่อ แล้วเจอกันครับ :)