“数据建模和设计”的版本间差异

来自DAMAChina
跳到导航 跳到搜索
无编辑摘要
无编辑摘要
 
（未显示同一用户的5个中间版本）
第1行： 第1行：
数据建模是发现、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。
数据建模是发现、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。


=== 数据建模和设计的驱动因素 ===
=== 业务驱动因素 ===
数据模型对于有效的数据管理至关重要，如：
数据模型对于有效的数据管理至关重要，如：


第9行： 第9行：
* 提供了应用定制、整合，甚至替换的起点。
* 提供了应用定制、整合，甚至替换的起点。


=== 数据模式和设计的目标 ===
=== 目标和原则 ===
数据建模的目标'''是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地结合在一起，并为成功地完成广泛的数据应用和管理活动奠定基础'''，如主数据管理和数据治理计划。良好的数据建模会降低支持成本，增加未来需求重复利用的可能性，从而降低构建新应用的成本。数据模型是元数据的一种重要形式。
数据建模的目标'''是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地结合在一起，并为成功地完成广泛的数据应用和管理活动奠定基础'''，如主数据管理和数据治理计划。良好的数据建模会降低支持成本，增加未来需求重复利用的可能性，从而降低构建新应用的成本。数据模型是元数据的一种重要形式。


第18行： 第18行：
* 知识保留记录：数据模型通过以书面的形式获取知识来保存系统或项目的企业信息。它能给未来项目提供原始记录。数据模型有助于更好地理解一个组织、一个业务方向、一个已存在的应用，也有助于理解修改现有数据结构所带来的影响。数据模型作为一种可重复利用的资产，可以帮助业务专业人员、项目经理、分析师、建模师和开发人员了解环境中的数据结构。
* 知识保留记录：数据模型通过以书面的形式获取知识来保存系统或项目的企业信息。它能给未来项目提供原始记录。数据模型有助于更好地理解一个组织、一个业务方向、一个已存在的应用，也有助于理解修改现有数据结构所带来的影响。数据模型作为一种可重复利用的资产，可以帮助业务专业人员、项目经理、分析师、建模师和开发人员了解环境中的数据结构。


=== 数据的类型 ===
=== 基本概念 ===
通常进行数据建模的四种类型包括(Edvinsson，2013)：
* 数据建模
* 类别信息（Category information）：用于对事物进行分类和分配事物类型的数据。例如，按市场类别或业务部门分类的客户；按颜色、型号、大小等分类的产品；按开放或关闭分类的订单。
* 数据模型
* 资源信息（Resource information）：实施操作流程所需资源的基本数据。例如，产品、客户、供应商、设施、组织和账户等。在IT专业人员定义中，资源实体有时被称为参考数据。
* [[可建模的数据类型]]
* 业务事件信息（Business event information）：在操作过程中创建的数据。例如，客户订单、供应商发票、现金提取和业务会议等。在IT专业人员定义中，事件实体有时被称为交易性业务数据。
* 数据模型组件
* 详细交易信息（Detail transaction information）：详细的交易信息通常通过销售系统（商店或在线应用）生成。它还可以通过社交媒体系统、其他互联网交互（点击流等）和机器上的传感器产生。这种类型的数据（大容量或快速变化）通常被称为大数据。
** 实体
** 关系
** 属性
** 域
* [[数据建模的方法]]
* 规范化（Normalization）
* 抽象化（Abstraction）
** 泛化（Generalization ）
** 特化（Specialization）
*正向工程
*逆向工程


=== 数据建模的方法 ===
=== 管理活动 ===
常见的数据建模方法包括：


* [[关系建模]]
* 规划数据建模
* [[维度建模]]
* 建立数据模型
* [[面向对象建模]]
** 概念数据模型建模
* [[基于事实建模]]
** 逻辑数据模型建模
* [[基于时间建模]]
** 物理数据模型建模
* [[非关系型建模]]
* 审核数据模型
* 维护数据模型
 
=== 工具和方法 ===
 
==== 工具 ====
 
* 数据建模工具
* 数据血缘工具
* 数据剖析工具
* 元数据存储库
* 数据模型模式
* 行业数据模型
 
==== 方法 ====
 
* 命名约定的最佳实践
* 数据库设计中的最佳实践
 
=== 数据建模和设计治理 ===
 
* 数据建模和设计质量管理
** 发数据建模和设计标准
** 评审数据模型以及数据库设计质量
** 管理数据模型版本与集成
* 度量指标
 
=== 参考资料 ===
[[证券期货业数据模型第1部分]]：抽象模型设计方法 JR/T 0176.1—2019
 
[[证券期货业数据模型第3部分]]：证券公司逻辑模型 JR/T 0176.3—2021
 
[[证券期货业数据模型第4部分]]：基金公司逻辑模型 JR/T 0176.4—2022

2023年2月19日 (日) 14:51的最新版本

数据建模是发现、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。

业务驱动因素

数据模型对于有效的数据管理至关重要，如：

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

目标和原则

数据建模的目标是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地结合在一起，并为成功地完成广泛的数据应用和管理活动奠定基础，如主数据管理和数据治理计划。良好的数据建模会降低支持成本，增加未来需求重复利用的可能性，从而降低构建新应用的成本。数据模型是元数据的一种重要形式。

确认和记录不同视角对数据的理解有助于：

  • 格式化：数据模型是对数据结构和数据关系的简洁定义。能够评估当前或者理想情况下业务规则对数据的影响情况。格式化的定义赋予数据规范的结构，减少在访问和保存数据时发生异常的概率。通过展现数据中的结构和关系，数据模型使数据更容易被使用。
  • 范围定义：数据模型可以帮助解释数据上下文的边界，以及已购买的应用程序包、项目、方案或现有系统的实施。
  • 知识保留记录：数据模型通过以书面的形式获取知识来保存系统或项目的企业信息。它能给未来项目提供原始记录。数据模型有助于更好地理解一个组织、一个业务方向、一个已存在的应用，也有助于理解修改现有数据结构所带来的影响。数据模型作为一种可重复利用的资产，可以帮助业务专业人员、项目经理、分析师、建模师和开发人员了解环境中的数据结构。

基本概念

  • 数据建模
  • 数据模型
  • 可建模的数据类型
  • 数据模型组件
    • 实体
    • 关系
    • 属性
    • 域
  • 数据建模的方法
  • 规范化（Normalization）
  • 抽象化（Abstraction）
    • 泛化（Generalization ）
    • 特化（Specialization）
  • 正向工程
  • 逆向工程

管理活动

  • 规划数据建模
  • 建立数据模型
    • 概念数据模型建模
    • 逻辑数据模型建模
    • 物理数据模型建模
  • 审核数据模型
  • 维护数据模型

工具和方法

工具

  • 数据建模工具
  • 数据血缘工具
  • 数据剖析工具
  • 元数据存储库
  • 数据模型模式
  • 行业数据模型

方法

  • 命名约定的最佳实践
  • 数据库设计中的最佳实践

数据建模和设计治理

  • 数据建模和设计质量管理
    • 发数据建模和设计标准
    • 评审数据模型以及数据库设计质量
    • 管理数据模型版本与集成
  • 度量指标

参考资料

证券期货业数据模型第1部分：抽象模型设计方法 JR/T 0176.1—2019

证券期货业数据模型第3部分：证券公司逻辑模型 JR/T 0176.3—2021

证券期货业数据模型第4部分：基金公司逻辑模型 JR/T 0176.4—2022

取自“http://dmbok.dama.org.cn/wk/index.php?title=数据建模和设计&oldid=305”