Konsep Pemodelan Data Untuk Pemula

Diterbitkan Ulang Oleh Plato

Followers: 0

Konsep Pemodelan Data mendukung gambaran holistik tentang bagaimana data berpindah melalui suatu sistem. Pemodelan Data dapat digambarkan sebagai proses perancangan sistem data atau bagian dari sistem data. Model-model ini dapat berkisar dari sistem penyimpanan hingga database hingga seluruh struktur data organisasi. Model data dapat digunakan sebagai desain implementasi sistem baru atau sebagai bahan referensi untuk sistem yang telah ditetapkan.

Model data yang “lengkap” harus mengkomunikasikan tipe data yang digunakan dan disimpan dalam sistem data, format yang digunakan, hubungan antar file data, dan cara data dapat dikelompokkan dan diatur.

Banyak bisnis mengembangkan model data individual yang unik (dan sistem data individual unik yang dihasilkannya) yang dibangun berdasarkan kebutuhan dan persyaratan spesifik organisasi. Model ini dapat digunakan untuk memvisualisasikan pergerakan data melalui sistem. Model data dapat mencoba mencakup semua aspek aliran data melalui organisasi, atau parameter tertentu, seperti hanya menampilkan data penjualan untuk tujuan penelitian.

Model data yang dirancang dengan baik akan menjelaskan hal ini aturan bisnis, serta kebutuhan untuk kepatuhan terhadap peraturan dari data.

Ada tiga fase dalam proses Pemodelan Data: model konseptual, model logis, dan model fisik. Setiap fase, atau tahapan pengembangan model, memiliki tujuan tertentu. Selain itu, ada beberapa “tipe” model.

Model data visual mirip dengan cetak biru arsitek dan dapat didukung dengan teks tertaut untuk memberikan panduan saat mengembangkan atau mengubah sistem data. Contoh model data visual dapat ditemukan di sini.

Manfaat dan Tantangan Pemodelan Data

Mengembangkan model data menyediakan peta dan alat komunikasi untuk membuat atau memodifikasi sistem data. Konsep Pemodelan Data membuat pembangunan sistem data menjadi jauh lebih mudah. Basis data dan/atau sistem data yang baru dibangun harus mendukung komunikasi organisasi yang baik. Hal ini juga harus mendukung proyek real-time, termasuk pengumpulan data tentang pola pengeluaran, faktur, dan proses bisnis lainnya.

Proses Pemodelan Data dapat digunakan untuk mengidentifikasi Masalah Kualitas Data, termasuk data duplikat, berlebihan, dan hilang.

Salah satu kesulitan dalam membuat model data adalah kurangnya pemahaman tentang sistem data – sebuah masalah yang biasanya diatasi dengan membangun model. Masalah lainnya adalah bahwa perubahan kecil di satu bidang mungkin memerlukan perubahan besar di bidang lain. Selain itu, kita bisa dengan mudah menjadi terlalu fokus pada struktur sistem data sehingga kekuatan dan kelemahan masing-masing aplikasi diabaikan.

Pertanyaan Penting untuk Ditanyakan

Mengembangkan model data dimulai dengan mengumpulkan informasi tentang kebutuhan, persyaratan, dan tujuan organisasi. Sebuah model bagian dari sistem akan memerlukan lebih sedikit pertanyaan daripada mengembangkan model untuk sistem yang sepenuhnya baru. Beberapa pertanyaan dasar untuk menanyakan model bagian dari sistem adalah:

Apa maksud dan tujuan dari perubahan tersebut?
Jenis data apa yang saat ini digunakan oleh sistem?
Data apa yang dibutuhkan?
Alat atau perangkat lunak apa yang dibutuhkan untuk mencapai tujuan tersebut?
Apakah alat atau perangkat lunaknya kompatibel?

Model data harus dibangun berdasarkan kebutuhan organisasi dan merupakan faktor penting dalam mengembangkan model baru atau menyesuaikan model lama. Pertanyaan yang diajukan ketika merancang database, atau sistem yang benar-benar baru, sering kali memerlukan jawaban yang jauh lebih luas. Yang terbaik adalah memasukkan rencana bisnis lima tahun ketika menjawab pertanyaan-pertanyaan berikut:

Apa tujuan bisnis (penelitian, penjualan, pengembangan aplikasi, layanan akuntansi)? Ini akan menentukan jenis perangkat lunak terbaik untuk mendukung bisnis (NoSQL atau grafik untuk penelitian, SQL untuk penjualan dasar atau akuntansi, akses ke berbagai cloud atau beberapa layanan cloud untuk pengembangan aplikasi).
Jenis perangkat lunak apa yang paling tepat dan hemat biaya untuk organisasi?
Berapa banyak orang yang akan mengakses sistem secara bersamaan?
Ada berapa departemen, dan berapa banyak orang di setiap departemen?
Akankah departemen yang berbeda memerlukan jenis perangkat lunak yang berbeda?
Apakah ada kebutuhan tidak biasa yang harus dipertimbangkan?
Berapa banyak data yang perlu disimpan?
Apakah skalabilitas menjadi masalah?
Akankah database terhubung ke alat intelijen bisnis?
Apakah kueri analitik online (OLAP), pemrosesan transaksi (OLTP), atau keduanya diperlukan?
Akankah database berintegrasi dengan tumpukan teknologi saat ini?
Apakah format data perlu diubah?
Apa bahasa pemrograman pilihan Anda?
Apakah ini akan diintegrasikan dengan perangkat lunak pembelajaran mesin apa pun?

Tiga Fase Pemodelan Data

Pemodelan Data menjadi penting selama 1960s, ketika sistem informasi manajemen pertama kali menjadi populer. (Sebelum tahun 60an, penyimpanan data sebenarnya hanya sedikit. Komputer pada masa itu pada dasarnya adalah kalkulator raksasa.)

Dalam kaitannya dengan konsep Pemodelan Data, model data yang dikembangkan sepenuhnya sering kali dibangun dalam tiga fase: model konseptual, model logis, dan model fisik. Proses desain ini memberikan pemahaman yang jelas tentang sistem data dan bagaimana data mengalir melaluinya. Proses ini juga menunjukkan bagaimana prosedur penyimpanan bekerja dan membantu memastikan bahwa semua objek data dalam sistem terwakili. (Jika data adalah informasi yang telah disimpan secara elektronik, maka objek data adalah kumpulan informasi individual yang disimpan secara elektronik, seperti file atau tabel data.)

Model data konseptual biasanya digunakan untuk menggambarkan komponen sistem yang paling dasar dan bagaimana data bergerak melalui sistem. Itu model data konseptual mengkomunikasikan bagaimana informasi bergerak melalui satu departemen dan ke departemen berikutnya. Ini menunjukkan entitas yang luas (representasi dari hal-hal yang ada dalam kenyataan) dan hubungannya (asosiasi yang ada antara dua atau lebih entitas). Informasi rinci umumnya dihilangkan.

Model data logis biasanya berfokus pada tata letak dan struktur objek data dalam model dan menetapkan hubungan di antara keduanya. Hal ini juga memberikan landasan untuk membangun model fisik. Itu model data logis menambahkan informasi berguna ke model konseptual.

Model data fisik pada dasarnya adalah a model pra-implementasi dan sangat detail dan sering terfokus pada desain database. Ini menunjukkan rincian yang diperlukan untuk mengembangkan database (tetapi juga dapat digunakan untuk mengimplementasikan bagian baru dari sistem). Konsep Pemodelan Data ini membuat visualisasi struktur data menjadi lebih mudah dengan mengkomunikasikan batasan database, kunci kolom, pemicu, dan fitur manajemen data lainnya. Model ini juga mengkomunikasikan profil akses, otorisasi, kunci utama dan asing, dll.

Berbagai Jenis Model Data

Di bawah ini adalah beberapa contoh berbagai jenis model data.

Model hierarki sudah terbilang tua dan cukup populer pada tahun 1960an dan 70an. Ini mengatur data ke dalam struktur seperti pohon. Saat ini, digunakan terutama untuk menyimpan sistem pengarsipan dan informasi geografis. Dalam model hierarkis, data disusun menjadi hubungan satu-ke-banyak dengan file data.

Model jaringan mirip dengan model hierarki dan memungkinkan pembuatan berbagai hubungan dengan catatan tertaut. Itu model jaringan memungkinkan orang untuk membangun model menggunakan kumpulan catatan terkait. Setiap catatan dikaitkan dengan beberapa file dan objek data, mempromosikan dan menyajikan hubungan yang kompleks.

Model hubungan entitas adalah representasi grafis dari file data dan entitas serta hubungannya. Ini mencoba untuk menciptakan skenario dunia nyata. Sebagai model sistem data, model hubungan entitas mengembangkan kumpulan entitas, kumpulan hubungan, atribut, dan batasan. Mereka sering digunakan dalam merancang database relasional.

Model data grafik memerlukan penentuan entitas mana dalam kumpulan data Anda yang harus ditetapkan sebagai node, mana yang harus dijadikan tautan, dan mana yang harus dibuang. Model data grafik menyediakan tata letak entitas data, properti, dan hubungan. Prosesnya berulang, bergantung pada trial and error, dan bisa membosankan, namun layak dilakukan dengan benar.

Model database berorientasi objek berfokus pada objek data yang terkait dengan metode dan fitur. Ini mencakup tabel tetapi tidak terbatas pada tabel. Data dan hubungannya disimpan bersama sebagai satu kesatuan (objek data). Objek data mewakili entitas dunia nyata. Itu model basis data berorientasi objek menangani berbagai format dan digunakan untuk penelitian.

Model relasional, sering disebut sebagai SQL, saat ini merupakan model data paling populer. Ia menggunakan tabel dua dimensi untuk menyimpan data dan mengkomunikasikan hubungan. Semua data dengan tipe tertentu disimpan dalam baris sebagai bagian dari tabel. Tabel mewakili hubungan, dan menggabungkannya akan membentuk hubungan antara data yang disimpan. Model basis data relasional adalah model matang yang didukung oleh sejumlah besar perangkat lunak untuk berbagai tujuan.

Model data NoSQL tidak menggunakan baris dan kolom dan tidak benar-benar menggunakan struktur himpunan apa pun. Pengembangan dan desain mereka biasanya berfokus pada pembuatan model data fisik. Skalabilitas, dengan kekhasan dan permasalahan spesifiknya, merupakan perhatian yang signifikan.

Model database objek-relasional menggabungkan model database berorientasi objek dengan Model database relasional. Ini menyimpan objek, kelas, warisan, dll., dengan cara yang sama seperti model berorientasi objek, tetapi juga mendukung struktur tabel seperti model database relasional. Desain ini memungkinkan desainer untuk memasukkan fitur-fiturnya ke dalam struktur tabel.

Pentingnya Konsep Pemodelan Data

Model data seperti cetak biru, namun mendefinisikan hubungan, entitas, dan atribut database atau sistem data. Model data yang terorganisir dan dirancang dengan baik diperlukan untuk mengembangkan database fisik dan sistem data yang efisien. Pemahaman yang baik tentang konsep Pemodelan Data diperlukan untuk menghilangkan masalah penyimpanan dan masalah redundansi sekaligus mendukung pengambilan data yang efisien.

Pemodelan Data dapat menjadi sebuah tantangan, dan penting untuk menyadari bahwa setiap jenis model memiliki kelebihan dan kekurangannya masing-masing.

Gambar yang digunakan di bawah lisensi dari Shutterstock.com