Što je model podataka?

Tumačenje i dokumentacija postojećih procedura dizajna i razvoja softvera i transakcija nazivaju se informacijskim modelom. Metode i instrumenti informacijskog modeliranja pojednostavljuju složene dizajne sustava kako bi pojednostavnili re-inženjering za upravljanje informacijama. Koristi se za logično i fizički dizajn skladišta informacija. U ovoj ćemo temi naučiti o modeliranju skladišta podataka.

Potreba za modelom skladišta podataka

  1. Prikupljanje poslovnih zahtjeva
  2. Poboljšanje performansi baze podataka
  3. Pruža dokumentaciju izvora i ciljanog sustava

1. Zbirka poslovnih zahtjeva

Skladište podataka obično je dizajnirano da utvrdi entitete potrebne za skladište podataka i činjenice koje moraju biti zabilježene s arhitektima podataka i poslovnim korisnicima. Ovaj prvi dizajn ima dosta ponavljanja prije nego što se odluči konačni model.

Moramo u ovom trenutku prevladati prevladavajuće nedostatke u fazi dizajna. Budući da postojeći sustav implementira skladište podataka, arhitekti ponekad uključuju veliki dio starog sustava u novi dizajn, štedeći vrijeme ili otkrivanje.

Logični model učinkovito obuhvaća potrebe poduzeća i služi kao temelj za fizički model.

2. Poboljšanje performansi baze podataka

Provjera učinkovitosti je ključna karakteristika spremišta podataka. U skladištu podataka uključene su ogromne informacije, tako da je vrlo važno koristiti proizvodni model podataka za metapodate i upravljanje podacima koji koriste BI potrošači.

Fizički model dodaje indeksiranje kako bi se optimizirala učinkovitost baze podataka. Sheme su ponekad također izmijenjene. Na primjer, ako zvjezdasta shema obećava brži oporavak podataka, može se promijeniti u shemu snježne pahulje

3. Pruža dokumentaciju izvornog i ciljanog sustava

U razvoju ETL sustava vrlo su važni za provjeru fizičkih i logičkih modela izvornog i ciljnog sustava.

Ovu dokumentaciju nudi informacijsko modeliranje kao referencu za budućnost.

Konceptualni model podataka

Najveći odnos između različitih entiteta određen je konceptualnim modelom podataka.

To je prvi korak u stvaranju modela podataka odozgo prema dolje koji predstavlja preciznu prezentaciju poslovne organizacije.

Dizajnira ukupnu strukturu baze podataka i navodi predmetna područja

Sadrži vrste i interakcije entiteta. Simbolične oznake (IDEF1X ili IE) predstavljaju vezu između tema polja. U informacijskom modelu kardinalnost pokazuje odnos jedan prema jednom ili više njih

Model podataka o odnosima

Koriste se modeliranje relativnih informacija u transakcijsko orijentiranim OLTP shemama. Relacijski model podataka ima značajne značajke:

  • Korištenje ključa
  • Redukcija podataka
  • Odnos podataka

Korištenje ključa

Glavni ključ u tablici je ključ. Koristi se kao jedinstvena identifikacija. Stupac bez nule je primarni ključ. Za glavni se ključ koristi strani ključ. Oni povezuju informacije iz jedne tablice u drugu tablicu i povezuju se.

Redukcija podataka

Model informacija o odnosima primjenjuje zakone o integritetu informacija

Otpuštanje podataka je uklonjeno. Informacije se ne sakupljaju više puta. To osigurava dosljednost podataka i ograničeno pohranjivanje podataka

Odnos podataka

Svi se podaci pohranjuju u tablicama, a svaki odnos ima stupce i retke.

Na stolu bi trebalo biti zaglavlje i tijelo. Zaglavlje je popis tablica stupaca, a tablica se sastoji od redaka. Tuple je jedina vrijednost koja se proizvodi sjecištem stupaca i redaka.

Višedimenzionalni model podataka

Organizacija koja odražava značajne subjekte tvrtke i povezanost između njih logična je perspektiva višedimenzionalnog modela podataka. Baze podataka i tablice nisu ograničene na prirodnu bazu podataka. ER dijagrami nisu prikazani.

  • Značajke
  • činjenicama
  • Dimenzija

a. Dimenzija

  1. Aspekt je prikupljanje podataka koji se sastoji od pojedinačnih komponenti informacija koje se ne preklapaju
  2. Možete postaviti, grupirati i filtrirati podatke krajnjih korisnika radi pregleda i pregledavanja.

b. činjenicama

  1. Tablica stupaca koja se koristi za odgovaranje na pitanja poduzeća iz numeričkih razloga.
  2. Mjere su aditivne, polu-aditivne i ne aditivne

c. Značajke

  1. Apstraktni uvjeti osmišljeni su tako da omoguće sažetak informacija u studiji
  2. Mogu se opisati i kao naslovi stupaca koji nisu uključeni u izračun izvještaja.

Prednosti dimenzionalnog modela

  1. Standardizacija dimenzija olakšava izvještavanje o svim područjima poslovanja.
  2. Dimenzionalno za spremanje podataka kako bi se olakšalo dobivanje podataka iz podataka kada su podaci pohranjeni u bazi podataka.
  3. Tvrtka je dimenzionalnom modelu vrlo razumljiva. Ovaj se model temelji na uvjetima tvrtke tako da kompanija razumije značenja svake stvarnosti, aspekta ili značajke.
  4. Za brzo pretraživanje informacija dimenzijski su modeli deformirani i optimizirani. Mnoge platforme baze podataka priznaju ovaj model i optimiziraju planove izvedbe upita.
  5. Dimenzionalni modeli mogu povoljno se prilagoditi promjenama. Tablice dimenzija mogu sadržavati dodatne stupce bez utjecaja na upotrebu ovih tablica od strane trenutnih aplikacija obavještajnih podataka tvrtke.

Modeliranje podataka najboljih praksi

Prije nego što započnemo s modelom podataka, potrebno je provesti cjelovitu analizu potreba klijentske tvrtke. Bilo bi izuzetno važno upoznati klijente kako bi raspravljali o zahtjevima i tehnikama informacijskog modeliranja, te da bi stručnjaci subjekta tvrtke odmah to potvrdili.

Tvrtka bi trebala razumjeti model podataka, bilo u obliku grafičkih / metapodataka ili kao poslovna pravila za tekstove.

Preporučeni članci

Ovo je vodič za modeliranje skladišta podataka. Ovdje smo raspravljali o modelu podataka, zašto su potrebni u skladištu podataka, kao i njegove prednosti, kao i vrste modela. Možete pogledati i sljedeći članak da biste saznali više -

  1. Alati za skladištenje podataka
  2. Vrste skladišta podataka
  3. Alati za analizu podataka
  4. Alati za znanost o podacima
  5. Oracle skladištenje podataka

Kategorija:

Veliki podaci