数字化转型数据模型管理现状分析

数据模型管理现状

数据模型是指对现实世界数据特征的抽象，用于描述一组数据的概念和定义。数据模型从抽象层次上描述了数据的静态特征、动态行为和约束条件。企业在数据模型管理中遇到的问题包括：

• 生产库里存在大量没有注释的字段和表，意思含糊不清，同名不同义、同义不同名、枚举值不一致等现象是普遍存在的，这些问题都会直接影响到用户对数据的识别。
• 模型变更前没有任何合理性判断。
• 模型修改过程中缺乏监管，有很多模型的变更虽然通过了评审，但是变更的过程是否按照原来的标准变更是不得而知的。
• 很多企业的数据模型是一个黑盒子，有的甚至根本就没有数据模型。

数据模型管理内容

数据模型管理主要是为了解决架构设计和数据开发的不一致，而对数据开发中的表名、字段名等规范性进行约束。数据模型管理一般与数据标准相结合，通过模型管理维护各级模型的映射关系，通过关联数据标准来保证最终数据开发的规范性。理想的数据模型应该具有非冗余、稳定、一致和易用等特征。

数据模型按不同的应用层次分成概念数据模型、逻辑数据模型、物理数据模型3种。

概念模型是一种面向用户、面向客观世界的模型，主要用来描述世界的概念化结构，与具体的数据库管理系统无关。

逻辑模型是一种以概念模型的框架为基础，根据业务条线、业务事项、业务流程、业务场景的需要，设计的面向业务实现的数据模型。逻辑模型可用于指导不同的数据库管理系统中实现。逻辑数据模型包括网状数据模型、层次数据模型等。

物理模型是一种面向计算机物理表示的模型，描述了数据在存储介质上的组织结构。物理模型的设计应基于逻辑模型的成果，以保证实现业务需求。它不但与具体的数据库管理系统有关，而且还与操作系统和硬件有关，同时考虑系统性能的相关要求。

数据模型管理是指在信息系统设计时，参考业务模型，使用标准化用语、单词等数据要素来设计企业数据模型，并在信息系统建设和运行维护过程中，严格按照数据模型管理制度，审核和管理新建数据模型，数据模型的标准化管理和统一管控，有利于指导企业数据整合，提高信息系统数据质量。

数据模型管理包括对对数据模型的设计、数据模型和数据标准词典的同步、数据模型审核发布、数据模型和数据标准词典的同步、数据模型审核发布、数据模型差异对比、版本管理等。

数据模型是数据资产管理的基础，一个完整、可扩展、稳定的数据模型对于数据资产管理的成功起着重要的作用。通过数据模型管理可以清楚地表达企业内部各种业务主体之间的数据相关性，使不同部门的业务人员、应用开发人员和系统管理人员获得关于企业内部业务数据的统一完整视图。

本文转载自网络，原文链接：https://mp.weixin.qq.com/s?__biz=MzUxMjM4NjI5Mw==&mid=2247489453&idx=1&sn=9d3e19889b9747e1cb327b3558a7898c&chksm=f9646237ce13eb21c83b605fc1b82fd3b1569d7a95eddd1dbcdcab59a0ee9921d5f8eb5cb06f&mpshare=1&
本站部分内容转载于网络，版权归原作者所有，转载之目的在于传播更多优秀技术内容，如有侵权请联系QQ/微信：153890879删除，谢谢！