Data Modeling Concepts For Beginners

Plato tarafından yeniden yayınlandı

İzleyiciler: 0

Veri Modelleme kavramları, verilerin bir sistem içinde nasıl hareket ettiğine dair bütünsel bir resmi destekler. Veri Modelleme, bir veri sisteminin veya veri sisteminin bir kısmının tasarlanması süreci olarak tanımlanabilir. Bu modeller depolama sistemlerinden veritabanlarına ve organizasyonun tüm veri yapısına kadar çeşitlilik gösterebilir. Veri modelleri, yeni bir sistemin uygulanmasına yönelik bir tasarım olarak veya halihazırda kurulmuş sistemler için referans materyal olarak kullanılabilir.

"Tam" bir veri modeli, bir veri sistemi içinde kullanılan ve saklanan veri türlerini, kullanılan formatları, veri dosyaları arasındaki ilişkileri ve verilerin gruplandırılıp organize edilebileceği yolları iletmelidir.

Birçok işletme, kuruluşun özel ihtiyaçları ve gereklilikleri etrafında oluşturulmuş benzersiz, bireysel veri modelleri (ve bunun sonucunda ortaya çıkan benzersiz, bireysel veri sistemleri) geliştirir. Bu modeller sistemdeki veri hareketini görselleştirmek için kullanılabilir. Bir veri modeli, bir kuruluştaki veri akışının tüm yönlerini veya yalnızca araştırma amaçlı satış verilerinin gösterilmesi gibi belirli parametreleri kapsamaya çalışabilir.

İyi tasarlanmış bir veri modeli aşağıdakileri açıklayacaktır: iş kurallarıaynı zamanda ihtiyaç mevzuata uygunluk verilerin.

Veri Modelleme sürecinde üç aşama vardır: kavramsal model, mantıksal model ve fiziksel model. Modelin gelişiminin her aşaması veya aşaması belirli bir amaca hizmet eder. Ek olarak, birkaç model “tipi” vardır.

Görsel veri modelleri bir mimarın planlarına benzer ve veri sistemini geliştirirken veya değiştirirken rehberlik sağlamak üzere bağlantılı metinlerle desteklenebilir. Görsel veri modellerine örnekler bulunabilir okuyun.

Veri Modellemenin Faydaları ve Zorlukları

Bir veri modeli geliştirmek, bir veri sistemi oluşturmak veya değiştirmek için bir harita ve iletişim aracı sağlar. Veri Modelleme kavramları bir veri sisteminin oluşturulmasını çok daha kolay hale getirir. Yeni oluşturulan veri tabanı ve/veya veri sistemi iyi kurumsal iletişimi desteklemelidir. Ayrıca harcama kalıpları, faturalar ve diğer iş süreçlerine ilişkin verilerin toplanması da dahil olmak üzere gerçek zamanlı projeleri de desteklemelidir.

Veri Modelleme süreci tanımlamak için kullanılabilir. Veri Kalitesi sorunlarıyinelenen, gereksiz ve eksik veriler dahil.

Bir veri modeli oluşturmanın zorluklarından biri veri sistemlerinin anlaşılmamasıdır; bu sorun normalde modelin oluşturulmasıyla ortadan kaldırılır. Bir diğer sorun ise bir alandaki küçük bir değişikliğin diğer alanlarda da önemli değişiklikler gerektirebilmesidir. Ek olarak, bireysel uygulamaların güçlü ve zayıf yönlerini göz ardı edecek kadar veri sisteminin yapısına odaklanmak kolay olabilir.

Sorulması Gereken Önemli Sorular

Bir veri modeli geliştirmek, kuruluşun ihtiyaçları, gereksinimleri ve hedefleri hakkında bilgi toplamakla başlar. Sistemin bir kısmının modeli, tamamen yeni bir sistem için model geliştirmekten daha az soru gerektirecektir. Sistemin bir kısmının modeli için sorulacak bazı temel sorular şunlardır:

Değişikliklerin amacı veya hedefi nedir?
Sistem şu anda ne tür verilerle çalışıyor?
Hangi verilere ihtiyaç var?
Hedefe ulaşmak için hangi araçlara veya yazılımlara ihtiyaç var?
Araçlar veya yazılımlar uyumlu mu?

Bir veri modeli kuruluşun ihtiyaçları etrafında oluşturulmalıdır ve yeni bir modelin geliştirilmesinde veya eskisinin ayarlanmasında önemli bir faktördür. Bir veritabanı veya tamamen yeni bir sistem tasarlarken sorulan sorular genellikle çok daha kapsamlı yanıtlar gerektirir. Bu soruları yanıtlarken beş yıllık bir iş planını dahil etmek en iyisidir:

İşletmenin hedefleri nelerdir (araştırma, satış, uygulama geliştirme, muhasebe hizmetleri)? Bu, işi destekleyecek en iyi yazılım türlerini belirleyecektir (araştırma için NoSQL veya grafikler, temel satış veya muhasebe için SQL, çeşitli bulutlara erişim veya uygulama geliştirme için çeşitli bulut hizmetleri).
Kuruluş için en uygun ve uygun maliyetli yazılım türleri nelerdir?
Sisteme aynı anda kaç kişi erişebilecek?
Kaç bölüm var ve her bölümde kaç kişi var?
Farklı departmanlar farklı türde yazılımlara ihtiyaç duyacak mı?
Göz önünde bulundurulması gereken olağandışı ihtiyaçlar var mı?
Ne kadar verinin saklanması gerekecek?
Ölçeklenebilirlik bir sorun mu?
Veritabanı bağlanacak mı iş zekası araçları?
Çevrimiçi analitik sorgulara (OLAP), işlem işlemeye (OLTP) veya her ikisine de ihtiyaç var mı?
Veritabanı mevcut teknoloji yığınıyla entegre olacak mı?
Veri formatının dönüştürülmesi gerekecek mi?
Tercih ettiğiniz programlama dilleri nelerdir?
Herhangi bir makine öğrenimi yazılımıyla entegre olacak mı?

Veri Modellemenin Üç Aşaması

Veri Modelleme önem kazandı 1960 sırasındaYönetim bilgi sistemleri ilk kez popüler olmaya başladığında. (60'lı yıllardan önce gerçek veri depolama olanağı çok azdı. O zamanın bilgisayarları temelde dev hesap makineleriydi.)

Veri Modelleme kavramları açısından, tamamen gelişmiş bir veri modeli genellikle üç aşamada oluşturulur: kavramsal model, mantıksal model ve fiziksel model. Bu tasarım süreci, veri sisteminin ve verilerin bu sistem üzerinden nasıl aktığının net bir şekilde anlaşılmasını sağlar. Bu süreç aynı zamanda depolama prosedürlerinin nasıl çalıştığını gösterir ve sistemdeki tüm veri nesnelerinin temsil edilmesini sağlamaya yardımcı olur. (Veri, elektronik olarak saklanan bilgi ise, veri nesnesi, bir dosya veya veri tablosu gibi, elektronik olarak depolanan bireysel bilgi koleksiyonudur.)

Kavramsal veri modeli Genellikle sistemin en temel bileşenlerini ve verilerin sistem içinde nasıl hareket ettiğini tanımlamak için kullanılır. kavramsal veri modeli Bilginin bir departmandan diğerine nasıl aktarıldığını bildirir. Geniş varlıkları (gerçekte var olan şeylerin temsilleri) ve bunların ilişkilerini (iki veya daha fazla varlık arasında var olan ilişkileri) gösterir. Ayrıntılı bilgi genellikle atlanır.

Mantıksal veri modeli normalde model içindeki veri nesnelerinin düzenine ve yapısına odaklanır ve aralarındaki ilişkileri kurar. Aynı zamanda fiziksel modelin oluşturulması için bir temel sağlar. mantıksal veri modeli Kavramsal modele faydalı bilgiler ekler.

Fiziksel veri modeli aslında bir uygulama öncesi modeli ve çok ayrıntılıdır ve sıklıkla veritabanı tasarımına odaklanır. Veritabanını geliştirmek için gerekli ayrıntıları gösterir (ancak sistemin yeni bir bölümünü uygulamak için de kullanılabilir). Bu Veri Modelleme konsepti, veritabanı kısıtlamalarını, sütun anahtarlarını, tetikleyicileri ve diğer veri yönetimi özelliklerini ileterek veri yapısını görselleştirmeyi çok daha kolay hale getirir. Bu model aynı zamanda erişim profillerini, yetkilendirmeleri, birincil ve yabancı anahtarları vb. de iletir.

Farklı Veri Modeli Türleri

Aşağıda farklı veri modeli türlerinin bazı örnekleri verilmiştir.

Hiyerarşik model oldukça eskidir ve 1960'larda ve 70'lerde oldukça popülerdi. Verileri ağaç benzeri yapılar halinde düzenler. Günümüzde öncelikle dosyalama sistemlerini ve coğrafi bilgileri depolamak için kullanılmaktadır. İçinde hiyerarşik model, veriler, veri dosyalarıyla bire çok ilişki halinde düzenlenir.

Ağ modeli hiyerarşik modele benzer ve bağlantılı kayıtlarla çeşitli ilişkilerin oluşturulmasına izin verir. ağ modeli İnsanların ilgili kayıt kümelerini kullanarak modeli oluşturmasına olanak tanır. Her kayıt birden fazla dosya ve veri nesnesiyle ilişkilendirilir ve karmaşık ilişkileri teşvik eder ve sunar.

Varlık-ilişki modeli veri dosyalarının, varlıklarının ve bunların ilişkilerinin grafiksel bir temsilidir. Gerçek dünya senaryoları yaratmaya çalışır. Bir veri sistemi modeli olarak varlık-ilişki modeli bir varlık seti, bir ilişki seti, nitelikler ve kısıtlamalar geliştirir. Genellikle ilişkisel veritabanlarının tasarlanmasında kullanılırlar.

Grafik veri modeli Veri kümenizdeki hangi varlıkların belirlenmiş düğümler olması gerektiğini, hangilerinin belirlenmiş bağlantılar olması gerektiğini ve hangilerinin atılması gerektiğini belirlemeyi gerektirir. Grafik veri modeli Verilerin varlıklarının, özelliklerinin ve ilişkilerinin düzenini sağlar. Süreç tekrarlıdır, deneme yanılma yöntemine dayanır ve sıkıcı olabilir, ancak doğru şekilde yapılmaya değerdir.

Nesneye yönelik veritabanı modeli yöntemler ve özelliklerle ilişkili veri nesnelerine odaklanır. Tabloları içerir ancak tablolarla sınırlı olması gerekmez. Veriler ve ilişkileri tek bir varlık (veri nesnesi) olarak birlikte depolanır. Veri nesneleri gerçek dünyadaki varlıkları temsil eder. nesne yönelimli veritabanı modeli çeşitli formatları işler ve araştırma için kullanılır.

İlişkisel modelGenellikle SQL olarak anılan , şu anda en popüler veri modelidir. Verileri depolamak ve ilişkileri iletmek için iki boyutlu tablolar kullanır. Belirli bir türdeki tüm veriler, bir tablonun parçası olarak satırlarda saklanır. Tablolar ilişkileri temsil eder ve bunların birleştirilmesi depolanan veriler arasındaki ilişkileri kurar. İlişkisel veritabanı modeli çeşitli amaçlar için çok sayıda yazılım tarafından desteklenen olgun bir modeldir.

NoSQL veri modeli satırları ve sütunları kullanmaz ve gerçekte herhangi bir küme yapısını kullanmaz. Gelişimleri ve tasarımları genellikle fiziksel veri modelleri oluşturmaya odaklanır. Ölçeklenebilirlik, kendine özgü tuhaflıkları ve sorunlarıyla birlikte önemli bir endişe kaynağıdır.

Nesne ilişkisel bir veritabanı modeli Nesne yönelimli veritabanı modelini ilişkisel veritabanı modeliyle birleştirir. Nesneleri, sınıfları, kalıtımı vb. nesne yönelimli bir modelle aynı şekilde depolar, ancak aynı zamanda ilişkisel veritabanı modeli gibi tablosal yapıları da destekler. Bu tasarım tasarımcıların özelliklerini bir tablo yapısına dahil etmelerine olanak tanır.

Veri Modelleme Kavramlarının Önemi

Veri modelleri planlara benzer ancak bir veritabanının veya veri sisteminin ilişkilerini, varlıklarını ve niteliklerini tanımlarlar. Etkin bir fiziksel veri tabanı ve veri sistemi geliştirmek için düzenli ve iyi tasarlanmış bir veri modeli gereklidir. Verimli veri alımını desteklerken depolama sorunlarını ve artıklık sorunlarını ortadan kaldırmak için Veri Modelleme kavramlarının iyi anlaşılması gerekir.

Veri Modelleme zorlu olabilir ve her model türünün kendi yararları ve sakıncaları ile birlikte geldiğini bilmek önemlidir.

Shutterstock.com lisansı altında kullanılan görsel