Najważniejszy model danych

Logiczny model danych stanowi podstawę dla projektu bazy danych. Pozwala określić najlepsze wdrożenie, optymalne ścieżki dostępu do danych, rozkład i dystrybucję danych na nośnikach.

Logiczny model danych stanowi podstawę dla projektu bazy danych. Pozwala określić najlepsze wdrożenie, optymalne ścieżki dostępu do danych, rozkład i dystrybucję danych na nośnikach.

Dobrze zdefiniowane struktury danych stanowią podstawę solidnego, łatwego w utrzymywaniu systemu informatycznego. Pozwalają na opracowanie optymalnych metod przetwarzania, interfejsu użytkownika, analiz i raportów. Jednak od struktur danych ważniejsze są wymagania biznesowe. Nawet najsprawniejsza aplikacja nie będzie używana, jeśli nie spełni wymagań użytkownika

Istnieją dwa modele danych: logiczny i fizyczny. Fizyczny dotyczy realizacji bazy danych na nośniku: znormalizowane tabele, klucze oraz elementy pomocnicze - indeksy, klastry, strony itp. Natomiast model logiczny odwzorowuje wyższy poziom danych - ich odniesienie do biznesu.

Systemy niezależne od technologii

Metody działania gospodarczego nie zmieniają się tak szybko jak technologia informatyczna. Zaledwie 10 lat temu za ryzykowne uznawano wykorzystywanie relacyjnych baz danych w aplikacjach biznesowych. Za kilka lat może się okazać, że bazy relacyjne to rozwiązanie przestarzałe. Dla twórców aplikacji jest więc bardzo ryzykowne gromadzenie informacji o wymaganiach użytkownika z myślą o zastosowaniu konkretnej technologii. Nowe systemy powinny być niezależne od technologii. Czy to jest możliwe? Wiele elementów aplikacji - serwer bazy danych, interfejs użytkowy, programy - są ściśle powiązane z technologią. Niezależne od niej są natomiast logiczny model danych i procesów oraz reguły biznesowe.

Różnica między tym JAKIE są wymagania biznesowe, a tym JAK są realizowane, to właśnie różnica między logicznym a fizycznym modelem danych.

Obraz biznesu

Logiczny model danych buduje się zwykle za pomocą diagramów związków encji (ERD). Diagramy encji to również metoda komunikacji między ludźmi biznesu a informatykami. Diagramy encji powinny zawierać informacje o wszystkich danych potrzebnych biznesowi.

Komponentami modelu logicznego są encje, związki i atrybuty. Encja to zbiór osób, rzeczy lub koncepcji. Związek reprezentuje zależność między encjami. Atrybut zaś charakteryzuje element informacji opisującej encję.

Różne narzędzia do modelowania danych wytworzyły specyficzną terminologię: model logiczny przedsiębiorstwa, koncepcyjny, podstawowy, ale wszystkie one oznaczają to samo - logiczny model danych.

Dla kogo model logiczny?

Model logiczny jest na ogół tworzony przez analityków, ekspertów, konsultantów. Używają go oni dla odwzorowania biznesu, ale również do określenia, jaki wpływ będą miały zmiany procesów na działanie organizacji.

Administrator bazy danych korzysta z modelu logicznego w celu opracowania modelu fizycznego danych w bazie. Określa niezbędne tabele, wybiera klucze łączące tabele, tworzy indeksy, specyfikuje typy danych oraz określa reguły integralności danych. W celu uzyskania zadowalającej wydajności aplikacji może zdenormalizować pewne tabele. Również odpowiada za procedury składowane w bazie, trygery i utrzymywanie integralności bazy.

Po co model logiczny?

Najważniejszym powodem, dla którego warto budować logiczny model danych, jest potwierdzenie, że użytkownicy i analitycy budowanego systemu informatycznego tak samo rozumieją wymagania biznesowe. Większość menedżerów potrafi wyartykułować problemy, czasem proponuje rozwiązania, ale są one na ogół oparte na obecnym stanie organizacji i mają niewiele wspólnego z prawdziwymi wymaganiami organizacji. Wymaganie, aby użytkownicy określili każdy element danych (atrybuty), zmusza ich do wyartykułowania wszystkich aspektów działalności. Dzięki temu to biznes określa system, nie odwrotnie.

Identyfikacja jak największej liczby wymagań biznesu na początku ułatwia utrzymywanie modelu. Brakujące dane, zła interpretacja czy błędy najłatwiej i najmniejszym kosztem poprawia się w modelu; zmiany gotowej aplikacji są dużo trudniejsze i znacznie droższe.

Dobrze opracowany logiczny model danych pozostaje stabilny i może być używany przez inne zespoły projektowe do tworzenia kolejnych aplikacji. Pozwala również docenić wartość danych - zasobu coraz ważniejszego w nowoczesnej gospodarce.


TOP 200