数据建模的原则及四种通用方法

文 | Smartbi大数据百科 2021-06-07 阅读次数：2166 次浏览

商业智能BI产品更多介绍：https://www.smartbi.com.cn/

商业智能BI产品更多介绍：点击前往

数据建模的原则

（1）高内聚和低辑合

将业务相近或者相关、粒度相同的数据设计为一个逻辑或者物理模型：将高概率同时访问的数据放一起，将低概率同时访问的数据分开存储。

（2）核心模型与扩展模型分离

建立核心模型与扩展模型体系，核心模型包括的宇段支持常用的核心业务，扩展模型包括的字段支持个性化或少量应用的需要，不能让扩展模型的宇段过度侵人核心模型，以免破坏核心模型的架构简洁性与可维护性。

（3）公共处理逻辑下沉及单一

越是底层公用的处理逻辑越应该在数据调度依赖的底层进行封装与实现，不要让公用的处理逻辑暴露给应用层实现，不要让公共逻辑多处同时存在。

（4）成本与性能平衡

适当的数据冗余可换取查询和刷新性能，不宜过度冗余与数据复制。

（5）数据可回滚

处理逻辑不变，在不同时间多次运行数据结果确定不变。

（6）一致性

具有相同含义的字段在不同表中的命名必须相同，必须使用规范定义中的名称。

（7）命名清晰、可理解

表命名需清晰、一致，表名需易于消费者理解和使用。

数据建模的四种通用方法

（1）收集：大部分的项目，都是由需求和问题驱动的，信息收集就是和需求方、相关业务关键决策者、一线开发进行信息沟通和确认，并将信息记录下来的过程；过程中，要尽可能的整合不同业务方、不同的业务视角的意见；当遇到无人维护的老业务系统的时候，还需要进行数据库逆向工程，来还原业务流程；

（2）摘要：将收集到的信息提取出关键内容，浓缩信息的精华，保留信息所代表的本质的概念；

（3）分类：将摘要信息按照性质分组，并将分组的信息概念化、抽象化；

（4）规范：建立规则和约束，就像现实世界中的对象不可能独立存在，信息之间也有从属和关联等关系。

申请试用了解更多

文章目录

数据建模的原则数据建模的四种通用方法

试用申请

更聪明的大数据分析软件，快速挖掘企业数据价值！

我们的产品

一站式ABI平台

智慧数据运营平台

电子表格软件社区版永久免费

SaaS BI云平台

机器学习平台

嵌入式BI

一站式ABI平台

电子表格软件

数据建模的原则及四种通用方法