नौसिखियों के लिए डेटा मॉडलिंग अवधारणाएँ

डेटा मॉडलिंग की अवधारणाएँ एक प्रणाली के माध्यम से डेटा कैसे चलता है इसकी समग्र तस्वीर का समर्थन करती हैं। डेटा मॉडलिंग को डेटा सिस्टम या डेटा सिस्टम के हिस्से को डिजाइन करने की प्रक्रिया के रूप में वर्णित किया जा सकता है। ये मॉडल स्टोरेज सिस्टम से लेकर डेटाबेस और संगठन की संपूर्ण डेटा संरचना तक हो सकते हैं। डेटा मॉडल का उपयोग किसी नई प्रणाली को लागू करने के लिए डिज़ाइन के रूप में या पहले से स्थापित सिस्टम के लिए संदर्भ सामग्री के रूप में किया जा सकता है। 

एक "संपूर्ण" डेटा मॉडल को डेटा सिस्टम के भीतर उपयोग और संग्रहीत किए जाने वाले डेटा के प्रकार, उपयोग किए गए प्रारूप, डेटा फ़ाइलों के बीच संबंध और डेटा को समूहीकृत और व्यवस्थित करने के तरीकों के बारे में संचार करना चाहिए।

कई व्यवसाय संगठन की विशिष्ट आवश्यकताओं और आवश्यकताओं के आधार पर अद्वितीय, व्यक्तिगत डेटा मॉडल (और परिणामी अद्वितीय, व्यक्तिगत डेटा सिस्टम) विकसित करते हैं। इन मॉडलों का उपयोग सिस्टम के माध्यम से डेटा आंदोलन को देखने के लिए किया जा सकता है। एक डेटा मॉडल किसी संगठन के माध्यम से डेटा प्रवाह के सभी पहलुओं, या विशिष्ट मापदंडों को कवर करने का प्रयास कर सकता है, जैसे कि अनुसंधान उद्देश्यों के लिए केवल बिक्री डेटा दिखाना।

एक अच्छी तरह से डिज़ाइन किया गया डेटा मॉडल इसकी व्याख्या करेगा व्यापार नियम, साथ ही आवश्यकता भी नियामक अनुपालन डेटा का।

डेटा मॉडलिंग प्रक्रिया में तीन चरण होते हैं: वैचारिक मॉडल, तार्किक मॉडल और भौतिक मॉडल। मॉडल के विकास का प्रत्येक चरण, या चरण, एक विशिष्ट उद्देश्य को पूरा करता है। इसके अतिरिक्त, मॉडल के कई "प्रकार" हैं।

विज़ुअल डेटा मॉडल एक आर्किटेक्ट के ब्लूप्रिंट के समान होते हैं और डेटा सिस्टम को विकसित या बदलते समय मार्गदर्शन प्रदान करने के लिए लिंक किए गए टेक्स्ट के साथ समर्थित किया जा सकता है। दृश्य डेटा मॉडल के उदाहरण पाए जा सकते हैं यहाँ उत्पन्न करें.

डेटा मॉडलिंग के लाभ और चुनौतियाँ

डेटा मॉडल विकसित करना डेटा सिस्टम बनाने या संशोधित करने के लिए एक मानचित्र और एक संचार उपकरण प्रदान करता है। डेटा मॉडलिंग अवधारणाएँ डेटा सिस्टम के निर्माण को बहुत आसान बनाती हैं। नवनिर्मित डेटाबेस और/या डेटा सिस्टम को अच्छे संगठनात्मक संचार का समर्थन करना चाहिए। इसे वास्तविक समय की परियोजनाओं का भी समर्थन करना चाहिए, जिसमें खर्च पैटर्न, चालान और अन्य व्यावसायिक प्रक्रियाओं पर डेटा एकत्र करना शामिल है।

पहचानने के लिए डेटा मॉडलिंग प्रक्रिया का उपयोग किया जा सकता है डेटा गुणवत्ता के मुद्दे, जिसमें डुप्लिकेट, अनावश्यक और गुम डेटा शामिल है।

डेटा मॉडल बनाने में एक कठिनाई डेटा सिस्टम की समझ की कमी है - एक समस्या जो आमतौर पर मॉडल के निर्माण से समाप्त हो जाती है। दूसरी समस्या यह है कि एक क्षेत्र में छोटे बदलाव के लिए अन्य क्षेत्रों में महत्वपूर्ण बदलाव की आवश्यकता हो सकती है। इसके अतिरिक्त, डेटा सिस्टम की संरचना पर इतना ध्यान केंद्रित करना आसान हो सकता है कि व्यक्तिगत अनुप्रयोगों की ताकत और कमजोरियों को नजरअंदाज कर दिया जाए।

पूछने के लिए महत्वपूर्ण प्रश्न

डेटा मॉडल विकसित करना संगठन की आवश्यकताओं, आवश्यकताओं और लक्ष्यों के बारे में जानकारी एकत्र करने से शुरू होता है। सिस्टम के किसी भाग के मॉडल को पूरी तरह से नई प्रणाली के लिए एक मॉडल विकसित करने की तुलना में कम प्रश्नों की आवश्यकता होगी। सिस्टम के भाग के मॉडल के लिए पूछे जाने वाले कुछ बुनियादी प्रश्न हैं: 

• परिवर्तनों का उद्देश्य या लक्ष्य क्या है?
• सिस्टम वर्तमान में किस प्रकार के डेटा के साथ काम कर रहा है?
• किस डेटा की आवश्यकता है?
• लक्ष्य प्राप्त करने के लिए किन उपकरणों या सॉफ़्टवेयर की आवश्यकता है?
• क्या उपकरण या सॉफ़्टवेयर संगत हैं?

एक डेटा मॉडल संगठन की जरूरतों के आधार पर बनाया जाना चाहिए और एक नया मॉडल विकसित करने या पुराने को समायोजित करने में एक महत्वपूर्ण कारक है। डेटाबेस, या पूरी तरह से नई प्रणाली को डिज़ाइन करते समय पूछे जाने वाले प्रश्नों के लिए अक्सर अधिक व्यापक उत्तरों की आवश्यकता होती है। इन प्रश्नों का उत्तर देते समय पांच-वर्षीय व्यवसाय योजना को शामिल करना सबसे अच्छा है: 

• व्यवसाय के लक्ष्य (अनुसंधान, बिक्री, ऐप्स विकास, लेखा सेवाएँ) क्या हैं? यह व्यवसाय का समर्थन करने के लिए सर्वोत्तम प्रकार के सॉफ़्टवेयर का निर्धारण करेगा (अनुसंधान के लिए NoSQL या ग्राफ़िक्स, बुनियादी बिक्री या लेखांकन के लिए SQL, विभिन्न क्लाउड तक पहुंच या ऐप्स विकास के लिए कई क्लाउड सेवाएँ)।
• संगठन के लिए किस प्रकार के सॉफ़्टवेयर सबसे उपयुक्त और लागत प्रभावी हैं?
• कितने लोग एक साथ सिस्टम तक पहुंच पाएंगे?
• कितने विभाग हैं और प्रत्येक विभाग में कितने लोग हैं?
• क्या विभिन्न विभागों को विभिन्न प्रकार के सॉफ़्टवेयर की आवश्यकता होगी?
• क्या कोई असामान्य ज़रूरतें हैं जिन पर विचार किया जाना चाहिए? 
• कितना डेटा स्टोर करना होगा?
• क्या स्केलेबिलिटी एक मुद्दा है?
• क्या डेटाबेस से कनेक्ट होगा व्यापार खुफिया उपकरण?
• क्या ऑनलाइन विश्लेषणात्मक प्रश्न (ओएलएपी), लेनदेन प्रसंस्करण (ओएलटीपी), या दोनों की आवश्यकता है?
• क्या डेटाबेस वर्तमान तकनीकी स्टैक के साथ एकीकृत होगा?
• क्या डेटा के प्रारूप को बदलने की आवश्यकता होगी?
• आपकी पसंदीदा प्रोग्रामिंग भाषाएँ क्या हैं?
• क्या इसे किसी मशीन लर्निंग सॉफ्टवेयर के साथ एकीकृत किया जाएगा?

डेटा मॉडलिंग के तीन चरण

डेटा मॉडलिंग महत्वपूर्ण हो गई 1960 के दौरान, जब प्रबंधन सूचना प्रणालियाँ पहली बार लोकप्रिय हो रही थीं। (60 के दशक से पहले, वास्तविक डेटा भंडारण के तरीके बहुत कम थे। उस समय के कंप्यूटर मूल रूप से विशाल कैलकुलेटर थे।) 

डेटा मॉडलिंग अवधारणाओं के संदर्भ में, एक पूर्ण विकसित डेटा मॉडल अक्सर तीन चरणों में बनाया जाता है: वैचारिक मॉडल, तार्किक मॉडल और भौतिक मॉडल। यह डिज़ाइन प्रक्रिया डेटा सिस्टम की स्पष्ट समझ प्रदान करती है और डेटा इसके माध्यम से कैसे प्रवाहित होता है। यह प्रक्रिया यह भी दिखाती है कि भंडारण प्रक्रियाएँ कैसे काम करती हैं और यह सुनिश्चित करने में मदद करती हैं कि सिस्टम में सभी डेटा ऑब्जेक्ट का प्रतिनिधित्व किया गया है। (यदि डेटा वह जानकारी है जिसे इलेक्ट्रॉनिक रूप से संग्रहीत किया गया है, तो डेटा ऑब्जेक्ट इलेक्ट्रॉनिक रूप से संग्रहीत जानकारी का एक व्यक्तिगत संग्रह है, जैसे फ़ाइल या डेटा तालिका।)

वैचारिक डेटा मॉडल आमतौर पर सिस्टम के सबसे बुनियादी घटकों और सिस्टम के माध्यम से डेटा कैसे चलता है इसका वर्णन करने के लिए उपयोग किया जाता है। वैचारिक डेटा मॉडल संचार करता है कि कैसे जानकारी एक विभाग से दूसरे विभाग तक जाती है। यह व्यापक संस्थाओं (वास्तविकता में मौजूद चीजों का प्रतिनिधित्व) और उनके संबंधों (दो या दो से अधिक संस्थाओं के बीच मौजूद जुड़ाव) को दर्शाता है। विस्तृत जानकारी आम तौर पर छोड़ दी जाती है।

तार्किक डेटा मॉडल आमतौर पर मॉडल के भीतर डेटा ऑब्जेक्ट के लेआउट और संरचना पर ध्यान केंद्रित करता है और उनके बीच संबंध स्थापित करता है। यह भौतिक मॉडल के निर्माण के लिए एक आधार भी प्रदान करता है। तार्किक डेटा मॉडल वैचारिक मॉडल में उपयोगी जानकारी जोड़ता है।

भौतिक डेटा मॉडल अनिवार्य रूप से एक है पूर्व कार्यान्वयन मॉडल और यह बहुत विस्तृत है और अक्सर डेटाबेस डिज़ाइन पर केंद्रित होता है। यह डेटाबेस विकसित करने के लिए आवश्यक विवरण दिखाता है (लेकिन इसका उपयोग सिस्टम के एक नए हिस्से को लागू करने के लिए भी किया जा सकता है)। यह डेटा मॉडलिंग अवधारणा डेटाबेस बाधाओं, कॉलम कुंजियों, ट्रिगर्स और अन्य डेटा प्रबंधन सुविधाओं को संचारित करके डेटा संरचना की कल्पना करना बहुत आसान बनाती है। यह मॉडल एक्सेस प्रोफाइल, प्राधिकरण, प्राथमिक और विदेशी कुंजी आदि का भी संचार करता है।

विभिन्न प्रकार के डेटा मॉडल

नीचे विभिन्न प्रकार के डेटा मॉडल के कुछ उदाहरण दिए गए हैं।

पदानुक्रमित मॉडल काफी पुराना है और 1960 और 70 के दशक में काफी लोकप्रिय था। यह डेटा को पेड़ जैसी संरचनाओं में व्यवस्थित करता है। आज, इसका उपयोग मुख्य रूप से फाइलिंग सिस्टम और भौगोलिक जानकारी संग्रहीत करने के लिए किया जाता है। में श्रेणीबद्ध मॉडल, डेटा को डेटा फ़ाइलों के साथ एक-से-अनेक संबंध में व्यवस्थित किया जाता है।

नेटवर्क मॉडल पदानुक्रमित मॉडल के समान है और लिंक किए गए रिकॉर्ड के साथ विभिन्न संबंधों के निर्माण की अनुमति देता है। नेटवर्क मॉडल लोगों को संबंधित रिकॉर्ड के सेट का उपयोग करके मॉडल बनाने की अनुमति देता है। प्रत्येक रिकॉर्ड कई फ़ाइलों और डेटा ऑब्जेक्ट से जुड़ा होता है, जो जटिल संबंधों को बढ़ावा देता है और प्रस्तुत करता है।

इकाई-संबंध मॉडल डेटा फ़ाइलों और संस्थाओं और उनके संबंधों का एक ग्राफिकल प्रतिनिधित्व है। यह वास्तविक दुनिया के परिदृश्य बनाने का प्रयास करता है। डेटा सिस्टम मॉडल के रूप में, इकाई-संबंध मॉडल एक इकाई सेट, एक संबंध सेट, विशेषताएँ और बाधाएँ विकसित करता है। इनका उपयोग अक्सर रिलेशनल डेटाबेस को डिजाइन करने में किया जाता है।

ग्राफ़ डेटा मॉडल यह निर्धारित करने की आवश्यकता है कि आपके डेटासेट के भीतर कौन सी संस्थाओं को नोड निर्दिष्ट किया जाना चाहिए, किसे लिंक निर्दिष्ट किया जाना चाहिए, और कौन सी इकाइयों को छोड़ दिया जाना चाहिए। ग्राफ़ डेटा मॉडल डेटा की इकाइयों, गुणों और संबंधों का एक लेआउट प्रदान करता है। प्रक्रिया दोहराई जाने वाली है, परीक्षण और त्रुटि पर निर्भर करती है, और थकाऊ हो सकती है, लेकिन सही तरीके से करने लायक है।  

ऑब्जेक्ट-ओरिएंटेड डेटाबेस मॉडल तरीकों और सुविधाओं से जुड़े डेटा ऑब्जेक्ट पर ध्यान केंद्रित करता है। इसमें तालिकाएँ शामिल हैं लेकिन यह आवश्यक रूप से तालिकाओं तक ही सीमित नहीं है। डेटा और उसके संबंधों को एक इकाई (एक डेटा ऑब्जेक्ट) के रूप में एक साथ संग्रहीत किया जाता है। डेटा ऑब्जेक्ट वास्तविक दुनिया की संस्थाओं का प्रतिनिधित्व करते हैं। ऑब्जेक्ट-ओरिएंटेड डेटाबेस मॉडल विभिन्न प्रारूपों को संभालता है और अनुसंधान के लिए उपयोग किया जाता है।

संबंधपरक मॉडल, जिसे अक्सर SQL कहा जाता है, वर्तमान में सबसे लोकप्रिय डेटा मॉडल है। यह डेटा संग्रहीत करने और संबंधों को संप्रेषित करने के लिए द्वि-आयामी तालिकाओं का उपयोग करता है। एक निश्चित प्रकार का सारा डेटा एक तालिका के भाग के रूप में पंक्तियों में संग्रहीत किया जाता है। तालिकाएँ रिश्तों का प्रतिनिधित्व करती हैं, और उन्हें जोड़ने से संग्रहीत डेटा के बीच संबंध स्थापित होते हैं। रिलेशनल डेटाबेस मॉडल विभिन्न उद्देश्यों के लिए भारी मात्रा में सॉफ़्टवेयर द्वारा समर्थित एक परिपक्व मॉडल है।

NoSQL डेटा मॉडल पंक्तियों और स्तंभों का उपयोग नहीं करता है और वास्तव में किसी भी प्रकार की सेट संरचना का उपयोग नहीं करता है। उनका विकास और डिज़ाइन आमतौर पर भौतिक डेटा मॉडल बनाने पर ध्यान केंद्रित किया जाता है। स्केलेबिलिटी, अपनी विशिष्ट विचित्रताओं और समस्याओं के साथ, एक महत्वपूर्ण चिंता का विषय है। 

एक ऑब्जेक्ट-रिलेशनल डेटाबेस मॉडल ऑब्जेक्ट-ओरिएंटेड डेटाबेस मॉडल को रिलेशनल डेटाबेस मॉडल के साथ जोड़ता है। यह ऑब्जेक्ट-ओरिएंटेड मॉडल की तरह ही ऑब्जेक्ट, क्लास, इनहेरिटेंस आदि को संग्रहीत करता है, लेकिन रिलेशनल डेटाबेस मॉडल जैसी सारणीबद्ध संरचनाओं का भी समर्थन करता है। यह डिजाइन डिज़ाइनरों को इसकी विशेषताओं को तालिका संरचना में शामिल करने की अनुमति देता है।

डेटा मॉडलिंग अवधारणाओं का महत्व

डेटा मॉडल ब्लूप्रिंट की तरह होते हैं, लेकिन वे डेटाबेस या डेटा सिस्टम के रिश्तों, संस्थाओं और विशेषताओं को परिभाषित करते हैं। एक कुशल भौतिक डेटाबेस और डेटा सिस्टम विकसित करने के लिए एक संगठित और अच्छी तरह से डिज़ाइन किया गया डेटा मॉडल आवश्यक है। कुशल डेटा पुनर्प्राप्ति का समर्थन करते हुए भंडारण समस्याओं और अतिरेक मुद्दों को खत्म करने के लिए डेटा मॉडलिंग अवधारणाओं की अच्छी समझ की आवश्यकता है। 

डेटा मॉडलिंग एक चुनौती हो सकती है, और यह पहचानना महत्वपूर्ण है कि प्रत्येक प्रकार का मॉडल अपने लाभ और कमियों के साथ आता है। 

Shutterstock.com से लाइसेंस के तहत उपयोग की गई छवि

• एसईओ संचालित सामग्री और पीआर वितरण। आज ही प्रवर्धित हो जाओ।
• प्लेटोआईस्ट्रीम। Web3 डेटा इंटेलिजेंस। ज्ञान प्रवर्धित। यहां पहुंचें।
• मिंटिंग द फ्यूचर डब्ल्यू एड्रिएन एशले। यहां पहुंचें।
• स्रोत: https://www.dataversity.net/data-modeling-concepts-for-beginners/