第五章数据建模和设计

• 数据建模和设计

背景

数据建模是发现、分析和确定需求的过程，用一种称为数据模型的精确形式表示和传递这些数据需求。数据一般采用6种模式进行表示：1.关系模式，2.多维模式，3.面向对象模式，4.事实模式，5.时间序列模式，6.nosql模式。每个模式又可以分为三个层级：概念模型，逻辑模型，物理模型。数据模型包含了数据使用者所必须的元数据。

语境关系图

 

概念

主要介绍建模的不同数据类型、数据模型的组成部分，适合于开发的数据模型以及在不同情况下选择不同类型的原因。

数据建模和数据模型

模型：模型是现实中事物的一种表征或者想要创造事物的一种模式。一个模型可以包含一个或多个图表。模型图可以帮助人通过标准化的语言快速理解其内容

数据建模常用在系统开发与系统维护的工作环境中，也称为系统开发周期，数据建模的直接结果就是对组织数据的理解，数据模型描述了组织已经理解或者未来需要的数据，使用标签符号可视化地将数据需求传递给数据建模人员。

数据模型的重要性：1.提供有关数据的通用词汇表；2.获取、记录组织内数据和系统的详细信息；3、在交流中作为主要的交流工具；4、提供了应用定制、整合，甚至替换的起点

建模的数据类型

1. 类别信息：用于对事物进行分类和分配事物类型的数据。如开放关闭分类订单
2. 资源信息：实施操作流程所需资源的基本数据。如产品、客户
3. 业务事件信息：在操作过程中创建的数据。如客户订单
4. 详细交易信息：销售系统、传感器等生成的大容量数据，可以用来做聚合分析等

数据模型组件

实体，关系，属性和域

实体：组织收集信息的载体--用来回答谁、什么、何时、为什么、怎么办。实体在定义的时候要保证1、清晰，2、准确，3、完整

关系：是实体之间的联系，用来捕获概念实体之间的高级别交互、逻辑实体之间的详细交互以及物理实体之间的约束，关系中出现的实体称为元数

数据建模的方式：关系建模，维度建模，面向对象建模，基于事实建模，基于时间建模，非关系型建模

建模方式	表示法
关系	信息工程，信息建模集成定义，巴克符号，陈氏符号
维度	维度
面向对象	统一建模语言（UML）
基于事实	对象角色建模，完全面向交流的信息建模
基于时间	数据拱形模型，锚建模
非关系型	文档，列，图，建值

业务驱动

1. 提供有关数据的通用词汇表
2. 获取、记录组织内数据和系统的详细信息
3. 在项目中作为主要的交流沟通工具
4. 提供了应用定制、整合，甚至替换的起点。

目标

确认和记录不同视角对数据需求的理解，从而使应用程序与当前和未来的业务需求更加紧密的结合在一起，并为成功的完成广泛的数据应用饿管理活动奠定基础

确认和记录不同视角的理解有助于：1.格式化，2.范围定义，3.知识保留记录

原则

活动

主要介绍数据建模的概念、逻辑和物理模型的设计步骤，以及维护和审查数据模型的步骤和方法，并讨论正向工程和逆向工程

规划数据建模

数据建模工作计划主要包括评估组织需求，确定建模标准，明确数据模型存储管理

数据建模工作交付成果有四个方面：A、图表；B、定义；C、争议和悬而未决的问题；D、血缘关系。

建立数据模型

正向工程：指从需求开始构建新应用程序的过程。首先需要通过建立概念模型来理解需求的范围和核心术语；然后建立逻辑模型来详细描述业务过程；最后是通过具体的建表语句来实现物理模型

概念数据模型建模步骤：1.选择模型类型，2.选择表示方法，3.完成初始概念模型，4.收集组织中最高级的概念，5.收集与这些概念相关的活动，6. 合并企业术语，7.获取签署。

逻辑数据模型建模：作用就是补充概念模型的需求细节。1.分析信息需求，2.分析现有文档3 添加关联实体。4 添加属性。5 指定域。6 指定键。

物理数据模型建模：1.解决逻辑抽象【子类型吸收。超类型分区。】2.添加属性细节 3.添加参考数据对象 4.指定代理键 5.逆规范化 6.建立索引 7.分区 8.创建视图。

审核数据模型

 价值实现时间。支持成本。数据模型质量验证器（数据模型记分卡）。评估正确性、完整性、一致性。

维护数据模型

保持模型最新的状态

工具

数据建模工具

数据血缘工具

数据分析工具

元数据资料库

数据模型模式

行业数据模型

方法

命名约定的最佳实践

数据建模和数据库设计标准是有效满足业务数据需求的指导原则，它们符合企业架构和数据架构的需求，以确保数据质量标准

数据库设计中的最佳实践

PRISM 设计原则：1 性能和易用性。2 可重用性。3 完整性。4 安全性。5 可维护性。

数据建模和设计治理

数据建模和设计质量管理

数据建模和数据库设计是企业短期需求和长期需求之间的合理平衡

1.开发数据建模和设计标准

1.标准数据建模和数据库设计可交付成果的列表和描述。

2.适用于所有数据模型对象的标准名称、可接受的缩写和非常用单词的缩写规则列表。

3.所有数据模型对象的标准命名格式列表，包括属性和分类词。

4.用于创建和维护这些可交付成果的标准方法的列表和说明。

5.数据建模和数据库设计角色和职责的列表和描述。

6.数据建模和数据库设计中捕获的所有元数据属性的列表和描述，包括业务元数据和技术元数据

7.元数据质量期望和要求。

8.如何使用数据建模工具的指南。

9.准备和领导设计评审的指南。

10.数据模型版本控制指南。

11.禁止或需要避免的事项列表。

2.评审数据模型及数据库设计质量

3.管理数据模型版本与集成

Why。What。How。When。Who。Where。

度量指标

1.模型多大程度上反映了业务需求？2.模型的完整性如何？（需求完整性。元数据完整性）3.模型与模式的匹配度是多少？4.模型的结构如何？5.模型的通用性如何？6.模型遵循命名标准的情况如何？7.模型的可读性如何？8.模型的定义如何？（清晰/完整/准确）9.模型与企业数据架构的一致性如何？10.与元数据的匹配程度如何？