什么是数据库建模(什么是数据建模)

大家好，感谢邀请，今天来为大家分享一下什么是数据库建模的问题，以及和什么是数据建模的一些困惑，大家要是还不太明白的话，也没有关系，因为接下来将为大家分享，希望可以帮助到大家，解决大家的问题，下面就开始吧！

数据库主要有哪些模型这些模型的特点是什么

两大类数据模型：数据模型分为2类（分属2个不同的层次，在开发和使用数据库中使用不同的模型）。

概念模型，也称信息模型，它是按用户的观点来对数据和信息建模，用于数据库设计。

逻辑模型和物理模型，逻辑模型主要包括：网状模型、层次模型、关系模型、面向对象模型等，按计算机系统的观点对数据建模，用于DBMS实现。

物理模型，是对数据最底层的抽象，描述数据在系统内部的表示方式和存取方法，在磁盘或磁带上的存储方式和存取方法。

概念模型：信息世界中的基本概念。

用途：数据库设计人员和用户之间进行交流的语言。但要考E-R图！

最常用的数据模型：非关系模型，有层次模型和网状模型；关系模型；面向对象模型、对象关系模型。

数据建模是什么意思

数据建模是什么意思介绍如下：

数据建模指的是对现实世界各类数据的抽象组织，确定数据库需管辖的范围、数据的组织形式等直至转化成现实的数据库。将经过系统分析后抽象出来的概念模型转化为物理模型后，在visio或erwin等工具建立数据库实体以及各实体之间关系的过程（实体一般是表）。

在软件工程中，数据建模是运用正式的数据建模技术，建立信息系统的数据模型的过程。

基本介绍

数据建模是一种用于定义和分析数据的要求和其需要的相应支持的信息系统的过程。因此，数据建模的过程中，涉及到的专业数据建模工作，与企业的利益和用户的信息系统密切相关。

从需求到实际的数据库，有三种不同的类型。用于信息系统的数据模型作为一个概念数据模型，本质上是一组记录数据要求的最初的规范技术。数据首先用于讨论适合企业的最初要求，然后被转变为一个逻辑数据模型，该模型可以在数据库中的数据结构概念模型中实现。一个概念数据模型的实现可能需要多个逻辑数据模型。

数据建模中的最后一步是确定逻辑数据模型到物理数据模型中到对数据访问性能和存储的具体要求。数据建模定义的不只是数据元素，也包括它们的结构和它们之间的关系。

分类

1、使用计算机描述一个系统的行为。例如，电子表格程序可以用来处理财务数据，代表公司的行为；开发商业计划；评估公司经营改变可能造成的影响。

2、使用计算机以数学方法描述物体和它们之间的空间关系。例如，计算机辅助设计(CAD)程序可在屏幕上生成物体，使用方程式产生直线和形状，依据它们相互之间及与所在的二维或三维空间的关系精确放置。

3、应用程序和数据建模是为应用程序确定、记录和实现数据和进程要求的过程。这包括查看现有的数据模型和进程，以确定它们是否可被重复使用，并创建新数据模型和进程，以满足应用程序的独特要求。

数据库建模工具是什么东西

你说的使用过程和建模工具还真差不多。

所谓建模就是把现实世界的东西模型化到软件中的过程。

数据库建模指的是把现实中没有使用计算机的情况下需要存储、处理的数据模型化到数据库中。

关系数据库一般是以表（table）来存储数据的，对应现实中来说一个表的信息就是一类事物的信息。比如现实中的学生信息、课程信息，模型化到数据库中就是一个职工信息表、一个课程信息表。

所谓建模工具就是帮助我们把现实中的事物模型化成数据库对象的工具。

比如powerdesigner就是一个数据库建模工具，rational rose也可以进行数据库建模。

在这些工具中我们一般先以汉字的形式定义现实中的各个事物及其属性（比如学生），然后定义各个对象之间的关系，比如一个学生可以学习多门课程，一门课程可以被多个学生学，那么他们之间就是多对多的关系，然后我们再将汉字信息转换成英文，最后工具根据我们定义的事物（数据库对象）及其关系生成相应的数据库脚本（不同数据库脚本语法可能不同），并执行脚本，这样就通过工具完成现实事物到数据库对象的建模了。

我是做信息系统的，跟数据库打交道很多年了。记得选我的答案做推荐答案哦！

什么是数据建模

数据建模是一个用于定义和分析在组织的信息系统范围内支持商业流程所需的数据要求的过程。简单来说，数据建模是基于对业务数据的理解和数据分析的需要，将各类数据进行整合和关联，使得数据可以最终以可视化的方式呈现，让使用者能够快速地、高效地获取到数据中有价值的信息，从而做出准确有效的决策。

之所以数据建模会变得复杂且难度大，是因为在建模过程中会引入数学公式或模型，用于确定数据实体之间的关联关系。不同的业务逻辑和商业需求需要选择不同的数学公式或模型，而且，一个好的数据模型需要通过多次的测试和优化迭代来完成，这就使得数据建模的难度变得很高。但是，数据分析中的建模并没有想象中的那么高深莫测，人人都可以做出适合自己的模型。

数据建模总归是为了分析数据从而解决商业问题。如下图数据建模的流程图，数据建模核心部分是变量处理和模型搭建。

变量处理

在建模之前，首先要决定选择哪些变量进行建模，主要从业务逻辑和数据逻辑两方面来考虑。业务逻辑需要了解数据来源的背景，通过了解业务知识来判断哪些变量在业务上很有价值的，哪些变量是可以选择的。数据逻辑则是从数据的完整性，集中度，是否与其他变量强相关等角度来考虑。

除了选择变量，对于一些变量的重构也是需要在建模前进行。例如客户的满意度有“满意”“不满意”，可以将其重构成数字“0”和“1”，便于后续建模使用。除此以外，还有将变量单独计算（取平均值）和组合计算（如A*B）也是常用的重构方法，例如，缺失值以数据取平均值的方式替换。

模型搭建

在模型搭建时，会经历选择算法、设定参数、加载算法、测试结果四个过程。在这个过程中，测试结果会引导调整之前设定的参数，加载算法会对应调整之前选择的算法，而选择算法时会考虑到已定的变量，如果变量不满足算法要求，还需回到选择/重构变量，直至得到最合适的模型。

在优化模型的过程中，模型的解释能力和实用性会不断地提升。在结果输出之后，还需接收业务人员的反馈，看看模型是否解决了他们的问题，如果没有，还需进一步修改和调整。

MicroStrategy在数据领域深挖企业需求，经过多年的研究和沉淀，结合众多复杂的应用场景，不断更新体验，深入开发各种数据辅助功能，使客户可以一站式链接各类型数据资源，完成数据导入和数据建模。在MicroStrategy平台中，既支持传统方式数据建模，即通过Project Schema来进行建模，又支持自助式数据导入的建模方式。

好了，文章到此结束，希望可以帮助到大家。