数据治理-数据建模和设计

定义

        发现、分析和确定数据需求的过程，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。过程是循环迭代的，可能包括概念、逻辑和物理模型。

常见的6种数据模型

        关系模式、多维模式、面向对象模式、事实模式、时间序列模式、NoSQL模式。根据描述详细程度不同，可分为：概念模型、逻辑模型、物理模型。

业务驱动因素

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。

数据建模和设计的目标

        确认并记录不同视角对数据需求的理解，确保应用程序更符合当前和未来的业务需求，为更多数据应用和数据管理奠定基础，例如主数据管理和数据治理项目。

数据建模和设计活动

1. 规划数据建模；
2. 建立数据模型（创建概念、逻辑、物理模型）；
3. 审核数据模型；
4. 维护数据模型。

输入

        现有的数据模型和数据库；数据标准；数据集；初始数据需求；原始数据需求；数据架构；企业分类法；

交付成果

概念、逻辑、物理数据模型

方法

命名规范，数据库设计规范，数据库类型选择；

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（基本模式、套件模式、整合模式）、行业数据模型。

度量指标