Modelos de dados lógicos não são específicos de um banco de dados. Em alto nível, eles descrevem coisas sobre as quais uma organização quer coletar dados e os relacionamentos entre essas coisas. Eles são organizados hierarquicamente e contêm objetos como pacotes, entidades, atributos e outros objetos de relacionamento.
Modelos de dados lógicos podem ser transformados em modelos de dados físicos ou em modelos de UML, além de poderem ser gerados a partir de modelos de dados físicos ou de modelos de UML. Você pode utilizar esses recursos de transformação para propagar designs de modelo de UML por todo o ciclo de vida do modelo de dados. Também é possível gerar modelos de dados lógicos a partir de modelos de dados físicos existentes, portanto você pode reutilizar designs de banco de dados existentes.
Esses modelos são específicos de banco de dados que representam objetos de dados relacionais (por exemplo, tabelas, colunas, chaves primárias e chaves estrangeiras) e seus relacionamentos. Em alguns destinos de banco de dados, é possível incluir objetos de armazenamento em seu modelo de dados físicos, tais como espaços de tabelas e conjuntos de buffer.
Modelos de dados físicos podem ser transformados em modelos de dados lógicos ou podem ser gerados a partir de modelos de dados lógicos. Após concluir o design do modelo de dados físicos, você pode gerar instruções DDL a partir do modelo que pode então ser implementado em um servidor de banco de dados.
É possível usar o ambiente de trabalho para criar, modificar e gerar DDL para modelos de dados físico-dimensionais. A modelagem dimensional estende modelos de dados lógicos e físicos para requisitos adicionais de dados de modelo e de relacionamento de dados.
Os modelos dimensionais mapeiam os aspectos de cada processo dentro dos seus negócios. Os esquemas do banco de dados que são modelados de acordo com os princípios de modelagem dimensional funcionam bem com aplicativos que devem ler grandes quantidades de dados rapidamente. Este acesso rápido e fácil aos dados ajuda você a desenvolver aplicativos e consultas que possibilitam que a empresa analise os dados.
Além do uso desses dois tipos de modelos de dados, você também pode impor padrões de nomenclatura e boas práticas utilizando análise de modelo de dados.
Além dos quatro tipos de modelos de dados descritos acima, você pode utilizar o editor de mapeamento para gerar modelos de mapeamento, que descrevem e mapeiam relacionamentos entre uma variedade de origens de dados. Modelos de mapeamento podem ser utilizados para gerar scripts que você pode utilizar para transformar e filtrar dados de origens compatíveis com o modelo de mapeamento em destinos compatíveis com o modelo de mapeamento. Modelos de mapeamento também podem ser exportados como arquivos CSV para que você possa comunicar informações do modelo de mapeamento para outros membros da equipe.