Datenmanagement

Datenmodellierung

Unter Datenmodellierung versteht man die Erstellung einer visuellen Darstellung von Datenelementen und -flüssen im Kontext eines Geschäftsprozesses. Datenmodelle werden erstellt, um zu dokumentieren, wie Daten zur Unterstützung eines Geschäftsprozesses strukturiert sind. Sie können aus bestehenden Datenbankschemata zurückentwickelt werden, um Re-Engineering-Bemühungen zu unterstützen.

Warum Modelldaten?

Datenmodelle sind eine bewährte Methode zur Erstellung eines Basisentwurfs. Die visuelle Darstellung hilft bei der Dokumentation und Kommunikation des Entwurfs mit Prüfern und Mitarbeitern. Sie ist von Vorteil, wenn ein System erweitert werden soll, und sie ist unerlässlich, wenn eine Anwendung auf eine Microservices-Architektur umgestellt wird.

Die Datenmodellierung, wie sie Actian vorsieht, umfasst die folgenden Schlüsselaspekte:

Konzeptionelle Modellierung: Actian unterstützt Unternehmen bei der Erstellung eines konzeptionellen Datenmodells, das die Sicht auf die Daten und ihre Beziehungen auf hoher Ebene festhält. Dieses Modell stellt die Datenanforderungen und Geschäftskonzepte des Unternehmens dar und vermittelt ein klares Verständnis der Dateneinheiten, Attribute und ihrer Abhängigkeiten. Durch die Ausrichtung des Datenmodells an den Geschäftszielen gewinnen die Unternehmen Vertrauen in die Relevanz und Genauigkeit der konzeptionellen Darstellung.
Logische Modellierung: Die Datenlösungen von Actian ermöglichen es Unternehmen, das konzeptionelle Modell in ein logisches Datenmodell umzuwandeln. Dieses Modell konzentriert sich auf die Struktur, die Semantik und die Beziehungen der Datenelemente und abstrahiert von spezifischen Implementierungsdetails. Durch den Einsatz von branchenüblichen Modellierungstechniken wie Entity-Relationship (ER) oder Unified Modeling Language (UML) gewinnen Unternehmen Vertrauen in die Integrität und Beständigkeit des logischen Datenmodells.
Physische Modellierung: Actian ermöglicht es Unternehmen, das logische Datenmodell in ein physisches Datenmodell zu übersetzen, das auf bestimmte Technologieplattformen und Datenbanksysteme abgestimmt ist. Dieses Modell definiert die physischen Speicherstrukturen, Datentypen, Indizierungsstrategien und Optimierungsüberlegungen. Actians Fachwissen im Bereich der Datenbanktechnologien stellt sicher, dass Unternehmen das physische Datenmodell sicher implementieren können und dabei Leistung, Scalability und Datenzugriff optimieren.
Datenintegration und Interoperabilität: Die Datenmodellierungslösungen von Actian konzentrieren sich auf die Sicherstellung der Datenintegration und Interoperabilität zwischen verschiedenen Systemen und Plattformen. Wir bieten Tools und Methoden, die den Datenaustausch, das Mapping und die Transformation zwischen verschiedenen Datenmodellen und -formaten erleichtern. Durch die Gewährleistung nahtloser Dateninteroperabilität schafft Actian Vertrauen in die Fähigkeit von Unternehmen, Daten aus verschiedenen Quellen zu integrieren und effektiv zu nutzen.
Data Governance und Compliance: Actian erkennt die Bedeutung von Data Governance und Compliance bei der Datenmodellierung. Unsere Lösungen ermöglichen es Unternehmen, Data Governance in das Datenmodell zu integrieren und so Datenqualität, Datenschutz und Sicherheit zu gewährleisten. Durch die Anpassung des Datenmodells an gesetzliche Anforderungen und Branchenstandards schafft Actian Vertrauen in die Fähigkeit von Unternehmen, die Datenintegrität zu wahren und Datenschutzbestimmungen einzuhalten.

Arten von Datenmodellen

Es gibt mehrere Möglichkeiten, Daten zu modellieren. Im Folgenden finden Sie einige Beispiele:

Ein Entity-Relationship (ER)-Diagramm ist das gängigste Modell. Es zeigt, wie verschiedene Objekte, die Entitäten darstellen, durch Linien miteinander verbunden sind.
Ein objektorientiertes Modell eignet sich zur Darstellung von Verbindungen zwischen Objekten, die in einer objektorientierten Datenbank gespeichert werden sollen.
Ein relationales Modell zeigt, wie Tabellen in einem relationalen Datenbankschema durch Schlüssel miteinander verbunden sind.
Ein dimensionales Datenmodell ist beim Entwurf eines Star-Schema für ein Data Warehouse nützlich.
Ein Netzdatenmodell kann zeigen, wie Daten Aufzeichnung strukturiert und verbunden sind.
Ein Graphenmodell kann Verbindungen zwischen Knoten in einer Graphdatenbank beschreiben.

Die drei Ebenen der Datenmodellierung

Je nachdem, in welchem Stadium der Modellierung Sie sich befinden, kann ein Unternehmen von allen drei Ebenen Nutzen , um Datenbeziehungen zu artikulieren:

Zu Beginn eines Projekts ist es hilfreich, auf einer hohen Ebene zu skizzieren, welche Daten zur Unterstützung eines Geschäftsprozesses verwendet werden sollen. Das konzeptionelle Datenmodell bietet diese zusammenfassende Sicht auf die Prozesse, die für den Betrieb des Geschäftsprozesses verwendet werden. Auf dieser Ebene wird auf Details verzichtet, damit die Konzepte leicht vermittelt werden können.
Die meisten Modelle beginnen mit dem logischen Datenmodell des zu implementierenden Geschäftsprozesses. Dieses Modell beschreibt alle Entitäten, ihre Attribute und die Beziehungen zwischen ihnen. Primärschlüsselbeziehungen werden ebenso hervorgehoben wie Fremdschlüsselbeziehungen. Ein Unternehmensanalytiker würde ein solches Datenmodell erstellen.
Die unterste Ebene ist das physische Datenmodelldas genügend Details enthält, um ein Datenbankschema zu erstellen. Ein Datenbankdesigner oder Anwendungsentwickler würde diese Datenmodellebene zeichnen. Das physische Modell kann auf ein Schema abgebildet werden, das für die jeweilige Datenbanktechnologie geeignet ist. Bei einer relationalen Datenbank kann das physische Modell ein logisches Datenmodell de-normalisieren, um die Leistung für die am häufigsten verwendeten Fragen zu optimieren, die von der Datenbank beantwortet werden sollen. Zu den Schematypen, die ein physischer Entwurf unterstützt, gehören SQL, NoSQL und JSON.

Modellierung von Multiplizitäten

Es gibt mehrere Möglichkeiten, Entitätsbeziehungen darzustellen. Zu den allgemeinen Arten von Beziehungen, die abgebildet werden, gehören:

Null, eins oder optionale Beziehung.
Eins-zu-Eins-Beziehung.
Null oder mehr Beziehungen.
Eine oder mehrere Beziehungen.
Eine Beziehung mit begrenzter Reichweite.

Notationen für die Datenmodellierung

Konstrukteure haben die Wahl zwischen verschiedenen Notationsstilen, die sie beim Zeichnen von Modellen verwenden können. Einige der gängigen Stile sind:

Die IE-Notation ist ein sauberer Stil für High-Level-Datenmodelle. Sie ist einfach, weil sie auf Attributdetails verzichtet.
Die Barker-Notation kann auf mehreren Ebenen verwendet werden. Sie ist detaillierter als die IE-Notation.
Die IDEF1X-Notation eignet sich gut für den physischen Datenbankentwurf, ist aber nicht mehr populär.
Die Object Management Group (OMG) hat einen Modellierungsstandard namens Universal Modeling Language (UML) vorgeschlagen. Bis zur Ratifizierung befindet sich dieser Standard noch im Entwurfsstadium.

Konstruktion eines Modells

Die Erstellung eines Modells umfasst mehrere Schritte und kann mühsam sein. Der Nutzen der einzelnen Schritte besteht darin, ein tiefes Verständnis der Daten und ihrer Zusammenhänge zu entwickeln, das Ihnen hilft, bessere Anwendungen zu erstellen. Die häufigsten Schritte in dieser Reihenfolge sind:

Verstehen Sie, welche Anwendungsfälle oder Geschäftsprozesse das Modell unterstützen soll.
Erstellen Sie ein konzeptionelles Modell.
Verstehen Sie das Datenvolumen und die Fragen, die die Datenbank beantworten muss.
Erstellen Sie das logische Datenmodell und validieren Sie es auf Vollständigkeit und Genauigkeit.
Entscheiden Sie, welches Datenbankmodell die Anwendung am besten unterstützt, z. B. SQL, NoSQL oder JSON.
Normalisierung, Reduzierung von Duplikaten und De-Normalisierung zur Leistungssteigerung.
Erstellen Sie ein physisches Datenbankmodell.
Erstellen Sie das Datenbankschema.
Laden Sie Testdaten und schreiben Sie Abfragen.
Validieren Sie die Ergebnisse der Anfrage .
Setzen Sie das Modell ein.