Logische Datenmodelle sind nicht datenbankspezifisch. Sie beschreiben Elemente im Allgemeinen, zu denen ein Unternehmen Daten sammeln will, sowie die zwischen diesen Elementen bestehenden Beziehungen. Sie werden hierarchisch verwaltet und enthalten Objekte wie Pakete, Entitäten, Attribute und andere Beziehungsobjekte.
Logische Datenmodelle können in physische Datenmodelle oder UML-Modelle umgesetzt werden. Zudem können sie aus physischen Datenmodellen oder UML-Modellen generiert werden. Mit diesen Umsetzungsfunktionen können Sie UML-Modellentwürfe im gesamten Datenmodelllebenszyklus weitergeben. Darüber hinaus können Sie auch logische Datenmodelle aus vorhandenen physischen Datenmodellen generieren, sodass Sie vorhandene Datenbankentwürfe wiederverwenden können.
Diese Modelle sind datenbankspezifische Modelle, die relationale Datenobjekte (z. B. Tabellen, Spalten, Primärschlüssel und Fremdschlüssel) und die zugehörigen Beziehungen darstellen. Bei einigen Datenbankzielen können Sie dem physischen Datenmodell auch Speicherobjekte hinzufügen, wie z. B. Tabellenbereiche und Pufferpools.
Physische Datenmodelle können in logische Datenmodelle umgesetzt werden oder sie können aus logischen Datenmodellen generiert werden. Nachdem Sie Ihren physischen Datenmodellentwurf abgeschlossen haben, können Sie DDL-Anweisungen aus dem Modell generieren, die dann wiederum auf einem Datenbankserver implementiert werden können.
Sie können die Workbench verwenden, um DDL für physische Dimensionsdatenmodelle zu erstellen, zu modifizieren und zu generieren. Die Erstellung von Dimensionsdaten erweitert logische und physische Datenmodelle zur besseren Erfüllung von Anforderungen bezüglich Daten und der Datenbeziehung.
Dimensionsmodelle stellen die Aspekte der einzelnen Prozesse in Ihrem Unternehmen dar. Datenbankschemata, die entsprechend den Dimensionsmodellierungsregeln modellieren, eignen sich hervorragend für den Einsatz mit Anwendungen, die große Datenmengen in kurzer Zeit lesen müssen. Dieser schnelle und einfache Zugriff auf die Daten erleichtert Ihnen die Entwicklung von Anwendungen und Abfragen, die dem Unternehmen eine Analyse der Daten ermöglichen.
Neben der Verwendung dieser beiden Datenmodelltypen können Sie auch Benennungsstandards und bewährte Verfahren durch die Verwendung der Datenmodellanalyse umsetzen.
Neben den vier oben beschriebenen Datenmodelltypen können Sie mit dem Zuordnungseditor Zuordnungsmodelle generieren, die die Beziehungen zwischen zahlreichen Datenquellen beschreiben und zuordnen. Zuordnungsmodelle können zum Generieren von Scripts verwendet werden, mit denen Sie Daten aus zuordnungsmodellkonformen Quellen für zuordnungsmodellkonforme Ziele umsetzen und filtern können. Zuordnungsmodelle können auch als CSV-Dateien exportiert werden, damit Sie Zuordnungsmodellinformationen an andere Teammitglieder kommunizieren können.