Wat is gegevensmodellering
In eenvoudige bewoordingen verwijst Gegevensmodellering naar het bouwen van een gegevensmodel dat in een database kan worden opgeslagen. Het gegevensmodel is een conceptuele weergave van een associatie tussen verschillende gegevensobjecten.
Inzicht in gegevensmodellering / bereik
Het komt voor op drie verschillende lagen:
- Fysiek model: het is een schema dat aangeeft hoe gegevens fysiek worden opgeslagen in de database
- Conceptueel model: het is de gebruikersweergave van de gegevens, dwz het hoge niveau dat de gebruiker ziet.
- Logisch model: het bevindt zich tussen het fysieke model en het conceptuele model en vertegenwoordigt de gegevens logisch, gescheiden van de fysieke winkels.
Hiërarchische gegevensmodellering: deze modellen werden gebruikt om op bestanden gebaseerde systemen te vervangen. De gegevens werden bewaard in een boom zoals een teveel arrangementen.
Relationele gegevensmodellering: het is waar dat het hiërarchische model ons hielp over te stappen van op bestanden gebaseerde systemen die de complexiteit verminderden, maar toch kende men de specifieke gebruikte fysieke gegevensopslag. De relationele database volgt het relationele model waarin gegevens worden opgeslagen in tabellen, in tegenstelling tot hiërarchische database waar ze worden opgeslagen in een boomstructuur. Kortom, het verminderde de complexiteit meer in vergelijking met het hiërarchische model.
Hoe maakt datamodellering het werken zo gemakkelijk / waarom zouden we het gebruiken?
Het helpt ons bij een visuele weergave van gegevens en dwingt bedrijfslogica, voorschriften, beleid, enz. Op gegevens af. Het is een gids die wordt gebruikt door wetenschappers en analisten bij het ontwerpen en implementeren van een database. Dus zonder datamodellering wordt de taak van analisten en wetenschappers om de zakelijke vereisten in de database te implementeren moeilijk.
Waarom hebben we datamodellering nodig? / Wat kunt u ermee doen?
Het belangrijkste doel van het gebruik is:
- Om ervoor te zorgen dat alle gegevensobjecten correct worden weergegeven alsof het niet correct wordt gedaan, zouden we onjuiste resultaten krijgen.
- Het helpt zoals eerder vermeld bij het ontwerpen van een database op conceptueel, fysiek en logisch niveau.
- Het helpt bij het ontwerpen van de relationele tabellen, primaire sleutels, externe sleutels, enz.
- Database-ontwikkelaars kunnen een betere fysieke database maken met een goed model, omdat dit voor hen een hulpmiddel wordt.
- Het helpt om ontbrekende en overbodige gegevens te identificeren.
- Het helpt ons om een betere IT-infrastructuur te hebben en om op de lange termijn eenvoudig en goedkoop onderhoud te hebben, hoewel dit aanvankelijk tijdrovend is.
Werken met gegevensmodellering
Laten we nu een voorbeeld van een gegevensmodel maken om te begrijpen hoe we met een model moeten werken. Om dit te doen moeten we bepaalde stappen volgen:
- Eerst moeten we de vereisten begrijpen. In dit geval maken we een model voor een online winkel. Dus met dat in gedachten hebben we twee tabellen nodig a) klanten b) producten
- De volgende stap is het verkrijgen van de attributen van de tabellen of entiteiten
een. klantentabel kan attributen hebben zoals:
- ID kaart
- Naam
- Adres
b. Producttabel kan attributen hebben zoals:
- ID kaart
- Naam
In de klantentabel kunnen we ID als primaire sleutel hebben en op dezelfde manier is product-ID in producttabel de primaire sleutel, zoals weergegeven in de onderstaande diagrammen.
Nu zullen we de relatie tussen deze twee tabellen ontwerpen. Dus om de klant- en producttabel te verbinden, maken we een tabel met de naam inkoop, die lijkt op een besteltabel (dwz welke klant welk product heeft besteld).
Als u in de bovenstaande afbeelding kijkt, is de klant-inkoopreferentie OK omdat elke aankoop één klant heeft en één klant veel aankopen heeft. Dus deze referentie is goed. Nog een ding hebben we user_account_id als een externe sleutel (de verwijzing naar de id in de klantensleutel) genomen. Evenzo product_id. Er is nog steeds een probleem met de verwijzing naar de productaankoop, omdat verschillende producten in één aankoop kunnen worden gekocht en verschillende aankopen hetzelfde product kunnen bevatten.
Om dit te verhelpen, zullen we een tussentabel ontwerpen die bekend staat als purchase_item en die zal worden gekoppeld aan purchase en product. In de onderstaande afbeelding kunnen we zien dat het probleem is opgelost.
voordelen
Er zijn verschillende voordelen:
- Het helpt bedrijven communiceren, plannen in hun hele organisatie.
- Het helpt om de juiste gegevensbron te herkennen die kan worden gebruikt om het model te vullen.
- Dit kan worden gebruikt om relaties tussen verschillende tabellen te definiëren, zoals primaire sleutel, externe sleutel, etc.
Wie is het juiste publiek om deze technologie te leren?
Het is heel essentieel. De juiste doelgroepen voor het leren van modelleringstechnieken zijn personen die data-architecten en data-analisten zijn. De meeste mensen beginnen als data-analisten en gaan vervolgens de ladder op.
Hoe deze technologie u helpt bij de groei van uw carrière?
Volgens Glassdoor zal het gemiddelde salaris op de markt voor modelbouwers naar schatting gemiddeld $ 78.601 verdienen. Je ziet dus dat het een goedbetaalde baan is. De meeste grote bedrijven investeren in modelbouwers omdat ze erg essentieel zijn voor het behouden van de integriteit van gegevens.
Conclusie
Concluderend kunnen we stellen dat het model dat door modelleurs is gecreëerd, zorgt voor consistentie in naamgevingsconventies, integriteit en beveiliging van gegevens. omdat goede gegevens het bedrijf in staat stellen hun gegevens correct en efficiënt te gebruiken.
Aanbevolen artikelen
Dit is een handleiding geweest voor Wat is gegevensmodellering. Hier hebben we de definitie, carrièregroei, vaardigheden, voordelen en werking van gegevensmodellering besproken met behulp van voorbeelden. U kunt ook onze andere voorgestelde artikelen doornemen voor meer informatie -
- Wat is Agile Project Management?
- Sollicitatievragen voor Data Warehousing
- Wat is SAS?
- Wat is big data-technologie?
- Gids voor datamodel in Cassandra