El modelado de datos se refiere a la práctica de documentar el diseño de software y sistemas. negocios, usando diagramas, símbolos y referencias textuales. Por medio de estos ítems que componen el modelo de datos Representa la forma en que los datos fluyen por medio de una aplicación de software o una arquitectura de datos dentro de una compañía.
Se utiliza un modelo de datos para Documentar, establecer, organizar y mostrar cómo se conectan, almacenan, acceden y procesan las estructuras de datos dentro de una base de datos, arquitectura, aplicación o plataforma determinada. dentro del sistema dado y entre otros sistemas.
Existe una gran cantidad de terminología relacionada que incluye modelos conceptuales, modelos de negocios, modelos lógicos, modelos físicos, modelos de vinculación de entidades, modelos de objetos, modelos multidimensionales, gráficos de conocimiento, modelos estadísticos, modelos de datos canónicos, modelos de datos de aplicaciones, modelos de requerimientos comerciales, negocios. modelos de datos, modelos de integración, modelos de información empresarial, ontologías, taxonomías, modelos no relacionales, modelos semánticos y muchos otros.
Que es el modelo de datos
El modelado de datos es el procedimiento de crear un modelo de datos a través de la aplicación de descripciones formales de modelos de datos usando técnicas de modelado de datos que ayudan a organizar la información.
A modelo de datos es un modelo abstracto, que documenta y organiza los datos comerciales para la comunicación entre los miembros del equipo. A menudo se utiliza como modelo para el desarrollo de aplicaciones, puesto que se centra en cómo se almacenan y qué formas hay de ingresar a los datos.
Tipos de herramientas de modelado de datos
Para transformar los requerimientos comerciales en un modelo de datos lógicos, y esto en un modelo de datos físicos, se pueden usar diferentes herramientas de modelado de datos.. A partir del modelo de datos físicos, estas herramientas pueden recibir instrucciones para generar el código SQL que se utilizará para crear la base de datos.
En el mercado existen diferentes tipos de herramientas de modelado de datos, como el siguiente:
- Centro de energía de Informaticapor Informatica.
- Diseñador de Oracle de Oracle Corporation
- Rational Rose de IBM Corporation
- Erwin de Computer Associates.
- Embarcadero de Embarcadero Technologies.
- Power Designer de Sybase Corporation
Al seleccionar, es esencial buscar un proveedor confiable y experto en el campo, que ofrezca una solución acorde con las necesidades comerciales.
Clases de modelado de datos que existen
No existe un formato único de modelo de datos dado que una instancia de modelo de datos puede ser de tres clases diferentes:
- Esquema conceptual: se refiere a entidades y describe la semántica de un dominio, siendo el alcance del modelo. El modelo de datos conceptual incluye todas las entidades y relaciones principales y no contiene mucha información detallada sobre los atributos. Suele utilizarse en la etapa de planificación inicial.
- Esquema lógico: se centra en los atributos, describiendo la estructura de algún dominio de información. Se trata de descripciones de tablas y columnas, clases enfocadas a objetos y etiquetas XML, entre otros. Ésta es la implementación real y la extensión de un modelo de datos conceptual. Un modelo de datos lógicos es la versión de un modelo de datos que representa los requerimientos comerciales (totales o parciales) de una organización y se desarrolla antes que el modelo de datos físicos.
- Esquema físico: describe los medios físicos por los cuales se almacenan los datos. Esto se refiere a particiones, CPU, espacios de tabla y similares. El modelo de datos físicos incluye todas las tablas, columnas, relaciones, propiedades de la base de datos requeridas para la implementación física de las bases de datos. El rendimiento de la base de datos, la estrategia de indexación, el almacenamiento físico y la desnormalización son parámetros importantes de un modelo físico.
El modelo de datos es una parte necesaria de un procedimiento de extracción, transformación y carga; esencial para trabajar con big data y apoyo a la comprensión de los datos definiéndolos y categorizándolos, estableciendo definiciones y descriptores estándar, que aseguren que todos los sistemas de información de la organización puedan beneficiarse de su uso.
