数据建模

数据建模的软件工程是创建的过程数据模型为信息系统通过应用某种形式的技术。

数据建模是一个过程用来定义和分析数据的需求，以支持所需的业务流程，在组织相应的信息系统的范围之内。因此，数据建模的过程涉及专业的数据建模者与业务利益相关者以及信息系统的潜在用户密切合作。

在从需求到用于信息系统的实际数据库的过程中，产生了三种不同类型的数据模型。数据需求最初被记录为概念数据模型，它本质上是一组关于数据的技术独立规范，用于与业务利益相关者讨论初始需求。然后将概念模型转换为逻辑数据模型，该模型记录了可以在数据库中实现的数据结构。一个概念数据模型的实现可能需要多个逻辑数据模型。数据建模的最后一步是将逻辑数据模型转换为物理数据模型将数据组织成表格，并说明访问、性能和存储细节。数据建模不仅定义了数据元素，还定义了它们的结构和它们之间的关系。

数据建模技术和方法用于以标准、一致、可预测的方式对数据进行建模，以便将其作为资源进行管理。强烈建议对所有需要在组织内定义和分析数据的标准方法的项目使用数据建模标准，例如，使用数据建模：

• 协助业务分析师、程序员、测试员、手册编写者、IT包选择者、工程师、经理、相关组织和客户理解和使用商定的半正式模型，该模型包含组织的概念及其相互之间的关系
• 将数据作为资源进行管理
• 整合信息系统
• 设计数据库/数据仓库（又名数据存储库）

可以在各种类型的项目期间和项目的多个阶段中执行数据建模。数据模型是渐进式的；没有业务或应用程序的最终数据模型这样的东西。相反，数据模型应该被视为活文档，它会随着业务的变化而变化。理想情况下，数据模型应该存储在存储库中，以便随着时间的推移可以检索、扩展和编辑它们。惠顿等人。(2004)确定了两种类型的数据建模：

• 战略数据建模：这是创建信息系统战略的一部分，它定义了信息系统的整体愿景和架构。信息技术工程是一种包含这种方法的方法论。
• 系统分析期间的数据建模：在系统分析中，逻辑数据模型是作为新数据库开发的一部分创建的。

数据建模还用作详细说明特定数据库的业务需求的技术。它有时被称为数据库建模，因为数据模型最终是在数据库中实现的。

在业务流程集成的背景下，数据建模是对业务流程建模的补充，最终产生数据库。

设计数据库的过程涉及生成前面描述的三种类型的模式-概念、逻辑和物理。这些模式中记录的数据库设计通过数据定义语言进行转换，然后可用于生成数据库。全属性数据模型包含其中每个实体的详细属性（描述）。术语“数据库设计”可以描述整个数据库系统设计的许多不同部分。主要并且最正确的是，它可以被认为是用于存储数据的基本数据结构的逻辑设计。在关系模型中，这些是表和视图。在对象数据库中实体和关系直接映射到对象类和命名关系。然而，术语“数据库设计”也可用于设计整个过程，不仅是基本数据结构，还包括用作数据库管理系统或DBMS中整个数据库应用程序一部分的表单和查询。

在此过程中，系统接口占当前系统开发和支持成本的25%至70%。造成这种成本的主要原因是这些系统不共享通用数据模型。如果在一个系统一个系统的基础上开发数据模型，那么不仅在重叠区域重复相同的分析，而且必须执行进一步的分析以创建它们之间的接口。组织内的大多数系统都包含相同的基本数据，并为特定目的重新开发。因此，有效设计的基本数据模型可以针对组织内不同系统的目的，通过最少的修改xxx限度地减少返工

数据模型表示感兴趣的信息领域。虽然创建数据模型的方法有很多，但根据LenSilverston(1997)的说法，只有两种建模方法脱颖而出，自顶向下和自底向上：

• 自下而上模型或视图集成模型通常是重新设计工作的结果。它们通常从现有的数据结构表单、应用程序屏幕上的字段或报告开始。从企业的角度来看，这些模型通常是物理的、特定于应用程序的并且是不完整的。它们可能不会促进数据共享，特别是如果它们是在未参考组织其他部分的情况下构建的。
• 另一方面，自上而下的逻辑数据模型是通过从了解主题领域的人那里获取信息以抽象方式创建的。系统可能不会实现逻辑模型中的所有实体，但该模型可用作参考点或模板。

有时模型是以两种方法的混合创建的：通过考虑应用程序的数据需求和结构，以及通过始终引用主题领域模型。不幸的是，在许多环境中，逻辑数据模型和物理数据模型之间的区别是模糊的。此外，一些CASE工具不区分逻辑数据模型和物理数据模型。

数据建模有几种表示法。实际模型通常称为“实体-关系模型”，因为它根据数据中描述的实体和关系来描述数据。实体关系模型(ERM)是结构化数据的抽象概念表示。实体-关系建模是一种关系模式数据库建模方法，用于软件工程中以自顶向下的方式生成系统的一种概念数据模型（或语义数据模型），通常是关系数据库及其需求。

这些模型用于需求分析期间信息系统设计的xxx阶段，以描述信息需求或将存储在数据库中的信息类型。该数据建模技术可以用来描述任何本体（即一个概述和使用的术语及其关系的分类）有一定的话语宇宙的兴趣，即区域。

已经开发了多种技术来设计数据模型。虽然这些方法指导数据建模人员的工作，但使用相同方法的两个不同的人通常会得出截然不同的结果。最值得注意的是：

• 巴赫曼图
• 巴克符号
• 陈的注解
• 数据库建模
• 扩展巴科斯-诺尔形式
• IDEF1X
• 对象关系映射
• 对象角色建模和完全面向通信的信息建模
• 关系模型
• 关系模型/塔斯马尼亚

通用数据模型是传统数据模型的推广。它们定义了标准化的一般关系类型，以及可能与这种关系类型相关的事物种类。通用数据模型的定义类似于自然语言的定义。例如，通用数据模型可以定义关系类型，例如一个“分类关系”，是一个二元关系的个体的事情，一种东西（类）和a“部分整体关系”之间，存在之间的二元关系两个东西，一个是部分的作用，另一个是整体的作用，不管是什么相关的东西。

给定一个可扩展的类列表，这允许对任何单个事物进行分类，并为任何单个对象指定部分-整体关系。通过对可扩展的关系类型列表进行标准化，通用数据模型能够表达无限数量的事实，并将接近自然语言的能力。另一方面，传统数据模型具有固定且有限的域范围，因为这种模型的实例化（使用）仅允许表达模型中预定义的各种事实。

DBMS的逻辑数据结构，无论是分层的、网络的还是关系的，都不能完全满足对数据概念定义的要求，因为它的范围有限并且偏向于DBMS采用的实现策略。也就是说，除非有意在数据库中实现语义数据模型，否则这种选择可能会轻微影响性能，但通常会xxx提高生产力。

因此，从概念角度定义数据的需要导致了语义数据建模技术的发展。也就是说，在数据与其他数据的相互关系的上下文中定义数据含义的技术。如图所示，在资源、想法、事件等方面，现实世界在物理数据存储中被象征性地定义。语义数据模型是一种抽象，它定义了存储的符号如何与现实世界相关。因此，模型必须是真实世界的真实表示。

语义数据模型可用于多种用途，例如：

• 数据资源规划
• 建立共享数据库
• 供应商软件评估
• 现有数据库的整合

语义数据模型的总体目标是通过将关系概念与人工智能领域已知的更强大的抽象概念相结合来捕获数据的更多含义。这个想法是提供高级建模原语作为数据模型的组成部分，以促进真实世界情况的表示。