Visión general del modelado de datos

Puede utilizar el entorno de trabajo para crear, modificar y generar DDL para modelos de datos físicos y lógicos. También puede crear y trabajar con modelos de dominio y de glosario que le ayudarán a cumplir los estándares de tipo y denominación de datos. Todos los objetos de modelado de datos se almacenan en un proyecto de diseño de datos.
En este producto se utilizan los tipos de modelos de datos siguientes:
Modelos de datos base:
Modelos lógicos de datos

Los modelos lógicos de datos no son específicos de una base de datos. En un nivel superior, describen temas sobre los que la organización desea recopilar datos y las relaciones entre estos temas. Se organizan jerárquicamente y contienen objetos como paquetes, entidades, atributos y otros objetos de relación.

Los modelos lógicos de datos se pueden transformar en modelos físicos de datos o modelos UML y también se pueden general desde modelos de datos físicos o de modelos UML. Puede usar estos dispositivos de transformación para propagar diseños de modelos UML por todo el ciclo de vida del modelo de datos. También puede generar modelos lógicos de datos de modelos físicos de datos existentes, de manera que puede reutilizar diseños de bases de datos existentes.

Modelos físicos de datos

Estos modelos son específicos de la base de datos que representan objetos de datos relacionales (por ejemplo tablas, columnas, claves primarias y claves foráneas) y sus relaciones. Para algunos destinos de bases de datos, también puede añadir objetos de almacenamiento en su modelo de físico de datos como espacios de tabla y agrupaciones de almacenamiento intermedio.

Los modelos físicos de datos se pueden transformar en modelos lógicos de datos o se pueden generar a partir de modelos lógicos de datos. Después de completar el diseño del modelo físico de datos, puede generar sentencias DDL a partir del modelo que se podrá desplegar en el servidor de la base de datos.

Modelado dimensional

Puede utilizar el entorno de trabajo para crear, modificar y generar DDL para modelos físicos-dimensionales. El modelado dimensional amplía los modelos de datos lógicos y físicos para dar cabida a otros requisitos de relación entre datos y modelos de datos.

Los modelos dimensionales correlacionan los aspectos de cada proceso dentro del negocio. Los esquemas de base de datos que realizan el modelado según los principios de modelado dimensional son adecuados para las aplicaciones que deben leer cantidades grandes de datos en poco tiempo. Este rápido y sencillo acceso a los datos ayuda a desarrollar aplicaciones y consultas que permiten a la empresa analizar los datos.

Aplicación de estándares y mejores prácticas de empresa:
Modelos de dominio
Los modelos de dominio describen los tipos de dominio que una organización permite, así como sus limitaciones. Los dominios atómicos se pueden almacenar en un modelo de dominio o como parte de un modelo lógico de datos. Puede asociar un modelo de datos de dominio con un proyecto de diseño de datos de manera que los tipos de datos de dominio estén disponibles tanto para el modelado lógico o físico de datos.
Modelos de glosario
Los modelos de glosario describen los nombres y abreviaturas que una empresa permite para los objetos de datos. Puede usar los modelos del glosario para aplicar los estándares de denominación de objetos dentro de una organización.

Además del uso de estos dos tipos de modelo de datos, también puede aplicar estándares de denominación y mejores prácticas si usa análisis del modelo de datos.

Mediante el área de trabajo puede crear y modificar modelos de datos con el Explorador de orígenes de datos, la vista Propiedades o un diagrama del modelo. También puede realizar las tareas siguientes para comunicar información de modelos de datos a otros miembros del equipo:

Además de los cuatro tipos de modelos de datos descritos anteriormente, puede usar el editor de correlaciones para generar modelos de correlación, que describen y correlacionan relaciones entre diversos orígenes de datos. Los modelos de correlación se pueden utilizar para generar scripts que puedan utilizarse para transformar y filtrar datos de orígenes compatibles con el modelo de correlación a destinos compatibles de modelos de correlación. Los modelos de correlación también se pueden exportar como archivos CSV de manera que puede comunicar información de modelos de correlación a otros miembros del equipo.


Feedback