Bước đầu tiên Alec và nhóm nghiên cứu đã thực hiện là tạo ra bộ thẻ CRC bằng cách phân tích văn bản về các trường hợp sử dụng. Để bắt đầu, Alec đã chọn ca sử dụng đặt hàng (xem Hình 5-17). Ông và nhóm của ông sau đó sử dụng các quy tắc phân tích văn bản (xem hình 6-11) để xác định các lớp ứng cử viên, các thuộc tính, hoạt động, và các mối quan hệ. Sử dụng các quy tắc này trên luồng sự kiện bình thường, họ đã xác định khách hàng, yêu cầu tìm kiếm, CD, danh sách và đánh giá dưới dạng các lớp ứng cử viên. Họ đã khám phá ra ba loại yêu cầu tìm kiếm khác nhau: tìm kiếm tiêu đề, tìm kiếm tác giả và tìm kiếm danh mục. Bằng cách áp dụng các quy tắc phân tích văn bản cho mô tả ngắn, một lớp ứng viên bổ sung đã được phát hiện: thứ tự. Bằng cách đánh giá
Bản dịch của 65K và 66K – CNTT-ĐHSPHN
lại các hoạt động trong ca sử dụng này, họ thấy rằng khách hàng đặt một đơn đặt hàng và khách hàng thực hiện yêu cầu tìm kiếm.
Để có thể làm việc kỹ càng nhất, Alec và nhóm của ông cũng đã đánh giá các yêu cầu ban đầu được sử dụng để tạo ra ca sử dụng. Các yêu cầu ban đầu được trình bày trong hình 4-15. Sau khi xem lại thông tin này, họ đã xác định một tập các thuộc tính cho khách hàng (tên, địa chỉ, e-mail và thẻ tín dụng) và các đơn hàng (CDs cho mua và số lượng) và các lớp ứng viên khác đã được khám phá: danh mục CD và trung tâm thông quan thẻ tín dụng. Hơn nữa, họ nhận ra rằng lớp Category Search (Tìm kiếm Danh mục) sử dụng lớp CD Categories (Danh mục CD). Cuối cùng, họ cũng xác định ba phân lớp của CD Categories: Rock, Jazz và Classical. Mục tiêu của Alec, vào thời điểm này, là hoàn thiện nhất có thể. Như vậy, ông nhận ra rằng họ có thể đã xác định nhiều lớp ứng cử viên, các thuộc tính, hoạt động và mối quan hệ mà có thể không có trong mô hình cấu trúc cuối cùng.