Data Modelling（数据建模）：业务分析师的“数据建筑师”技能

用结构化方法为数据世界搭建骨架。

当面对杂乱无章、关系模糊的数据需求时，

我总会说：“先建一个数据模型吧！”

因为，没有数据模型，就像没有蓝图就盖房子，注定混乱和失败。

---

什么是 Data Modelling？

Data Modelling（数据建模）不是单纯画表格，也不是随便拉条线，

它是：

• 把现实世界的信息系统化、结构化地表达出来
• 明确数据对象、属性及它们之间的关系
• 架起业务和技术沟通的桥梁

一句话：用图表语言，把数据变得有逻辑、有层次、易理解。

---

我常用 Data Modelling 的应用场景

• 设计新的业务系统数据库（如CRM、ERP）
• 梳理现有系统的数据结构和痛点
• 作为需求分析和系统设计的必备前置
• 辅助数据治理、数据标准化
• 优化系统性能，减少冗余与冲突

---

我的 Data Modelling 流程

1. 了解业务需求
   • 深入了解业务流程、数据使用场景、关键数据要素
   • 明确数据建模的目标（是为了运营、分析还是集成？）
2. 识别实体与属性
   • 实体（Entity）：业务世界中需要被记录的对象（如客户、订单、产品）
   • 属性（Attributes）：实体的具体特征（如客户姓名、下单时间）
3. 定义实体关系
   • 实体与实体之间存在什么联系？（一对一、一对多、多对多）
   • 业务规则如何影响数据关联？
4. 选择建模层级
   • 概念模型（Conceptual Model）：高层次、业务视角，关注核心实体及关系
   • 逻辑模型（Logical Model）：增加字段、类型、关系细节，不依赖特定数据库
   • 物理模型（Physical Model）：最终映射到数据库，考虑索引、分区等技术实现
5. 绘制 ER 图（Entity-Relationship Diagram）
   • 用标准符号表示实体、属性、关系
   • 保持清晰、直观，便于沟通和审阅
6. 验证与优化
   • 与业务部门、开发团队一起审阅
   • 检查规范性（如范式化），确保数据一致性与完整性

---

一个真实案例

在为一家连锁零售商设计会员系统时，最初业务只是提出了简单的“客户管理”需求。

我带着团队逐步挖掘，通过数据建模厘清了：

• 一个会员（Customer）可以拥有多个会员卡（Membership Card）
• 会员卡可以在多个门店（Store）使用
• 每次消费（Transaction）要记录对应会员卡和门店信息
• 不同会员等级（Tier）又影响积分计算逻辑

最终，绘制出一张清晰的概念模型，

让所有人第一次真正理解了系统需要处理的数据结构。

开发顺利，测试顺利，上线也顺利！

---

Data Modelling 带给我的价值

• 将抽象业务需求转化为具体的数据设计
• 提前发现潜在问题，降低后期返工成本
• 提升数据一致性、完整性和可扩展性
• 搭建起业务与开发团队之间的理解桥梁

---

我的经验建议

• 不要急于下手建模，一定要先充分理解业务
• 坚持从概念到逻辑，再到物理逐步推进，不要跳步
• 名称要清晰、规范，字段、实体命名一目了然
• 用场景驱动模型，不要为了范式化而失去业务可用性
• 建模是协作过程，多听业务、多听开发的声音
• 持续迭代更新，随着业务发展调整模型，避免僵化

---

最后的共勉

在数据驱动一切的时代，

Data Modelling 是BA搭建信息世界的地基与骨架。

它让我们BA在面对复杂需求时，

依然能保持冷静、清晰、专业，

成为那个能驾驭混乱、搭建秩序的人。