《数据建模-经典教程》读书笔记十二：数据模型记分卡

一、理解数据模型记分卡

        数据模型记分卡的4个基本特征：

        1）不仅会凸显需要改进的地方，而且还会强调可取之处。

        2）提供一个外部、客观的视角。记分卡使用计分制和多项指标来客观评估模型质量。

        3）提供简单、直观的审查方法。

        4）支持所有类型的模型。

二、记分卡模板

三、记分卡简介

1、模型对于项目需要的表达如何？ 应该确保模型表达了所有的项目需求。如果项目需求中 能获取订单信息，那么应该在统计分项目中检查模型是否可以获取订单信息。

2、模型的完整性如何？需求完整性和元数据完整性。需求完整性意味着每个需求都出现在模型中，同时还意味着数据模型仅仅包含着被需求的内容，而没有多余的、额外的东西。元数据完整性意味着围绕模型的一些描述性信息出是完备的。例如对物理数据模型进行评审时，就可以评判出模型对应的数据格式是否可以为空。

3、模型与其规划的匹配如何？应该确保模型类型（概念、逻辑、物理、还包括关系型、维度型、NOSQL型）与模型的定义匹配。

         概念模型定义的是模型范围和业务需求。

        逻辑模型定义了与技术无关的业务解决方案。

        物理模型定义了依赖技术的技术解决方案。其中强调了执行性能、安全性及开发工具的限制因素等。

        关系型数据模型关注的是业务规则。

        维度型数据模型关注的是业务问题。

        NOSQL模型关注的是在文档或图示等非RDBMS技术备件下数据的存储问题。

4、模型的结构健壮性如何？该项用来验证建模使用的设计方法。应该留意数据模型上的任何结构性缺陷。例如，一个空的主键应该被改正。

5、模型的通用结构化设计如何？该计分项验证抽象技术使用的合理性。

6、模型中的标准化命名如何？此项用来验证模型 是否使用了正确的、一致的标准化命名，考察命名是否符合标准化结构、命名表达及命名风格是否统一等。结构化意味着对实体、关系及属性使用不同的组件进行命名。命名表达意味着应该给予属性、实体适当的名字，包含适当的拼写、缩写。命名风格意味着命名外观应具有一致性、标准性。

7、模型的可阅读性如何？该项用来验证模型是否便于阅读。

8、模型中的定义如何？该项用来验证模型定义是否清晰，完整和正确。清晰意味着模型阅读者只需浏览定义一遍就可以理解其中的含义。完整性意味着定义处于适当的细节水平，其中包含诸如出处，近义词，例外，示例等必要的组件。正确意味着定义符合该条目的含义，而且与整个业务相一致。

9、模型与企业数据模型的一致性如何？该项用来验证数据模型结构是否用宽泛，前台一致的上下文进行表述，即要求模型中使用的术语，规则同样可以在整个企业或组织范围内使用。

10、元数据与数据的匹配情况如何？该项用来验证数据模型与将被存储在相应结构中的数据是否一致。

四、记分卡示例