Modele logique de donnée

Nous pouvons voir que la complexité augmente de conceptuel à logique à physique. C`est pourquoi nous commençons toujours par le modèle de données conceptuelles (donc nous comprenons à haut niveau quelles sont les différentes entités dans nos données et comment elles se rapportent les unes aux autres), puis passons au modèle de données logique (donc nous comprenons les détails de nos données sans se soucier sur la façon dont ils seront effectivement mis en œuvre), et enfin le modèle de données physiques (donc nous savons exactement comment mettre en œuvre notre modèle de données dans la base de données de choix). Dans un projet d`entreposage de données, parfois le modèle de données conceptuel et le modèle de données logique sont considérés comme un livrable unique. Les modèles de données reflètent les hypothèses et les contraintes importantes du commerce de détail. Par exemple, la relation entre la fiscalité, la marchandise et les services fournis par les détaillants est explicitement représentée dans la façon dont les articles, les taxes, les autorités fiscales, les transactions de détail, les documents de contrôle des stocks, etc. sont liés dans un modèle de données. Les règles régissant la façon dont les remises sur les points de vente sont traitées par un détaillant sont également reflétées dans la façon dont les règles de modification des prix sont liées aux Articles de retour de vente de transaction de détail et aux promotions. Le Web complexe des relations qui définissent les règles métier de détaillant est explicitement présenté par des modèles de relation d`entité. Les détaillants gèrent un ensemble complexe d`interactions entre les clients, les vendeurs, les autorités fiscales, les régulateurs, les employés et un large éventail d`autres types de parties. Les détaillants qui ne disposent pas d`un moyen standard unique pour identifier, nommer, définir et décrire des articles, des types d`appels d`offres, des règles fiscales, des promotions, des offres de fournisseurs et similaires rencontreront des erreurs de traitement des transactions qui coûteront de l`argent réel. La précision des données a un impact direct et sans ambiguïté sur la ligne de fond.

Si un article commandé n`est pas correctement aligné avec le code de produit du catalogue de fournisseurs et que la commande est placée une partie (le client, le détaillant, le vendeur, etc.) va payer pour cela. Le modèle de données (en particulier un troisième modèle relationnel de forme normale) réduit ce risque en insistant sur une représentation cohérente de chaque élément de données en un seul emplacement dans le modèle de données. Un modèle de données logique représente la définition, les caractéristiques et les relations des données dans un environnement technique, conceptuel ou d`entreprise. Ce processus peut vous aider à réfléchir aux différents éléments qui composent les données d`entreprise de votre entreprise et comment ces éléments se rapportent les uns aux autres. Le processus de modélisation des données logiques produit un diagramme similaire à celui illustré dans le diagramme suivant: bien que le focus de cet article est la modélisation de données, il existe souvent des alternatives aux artefacts orientés données (ne jamais oublier les modèles multiples agile Modeling principe). Par exemple, quand il s`agit de modélisation conceptuelle ORM diagrammes ne sont pas votre seule option-en plus de LDMs il est assez fréquent pour les gens de créer des diagrammes de classe UML et même la responsabilité de classe collaborator (CRC) cartes à la place. En fait, mon expérience est que les cartes CRC sont supérieures aux diagrammes ORM parce qu`il est très facile d`obtenir des parties prenantes du projet activement impliqués dans la création du modèle.