Konzeptionelle Datenmodellierung
Was ist ein konzeptionelles Datenmodell?
Wie der Name es vermuten lässt, ist die konzeptionelle Datenmodellierung im konzeptionellen Stadium am relevantesten – also dann, wenn eine Organisation einen groben Plan erstellt, dessen Details später ausgearbeitet werden sollen. Konzeptionelle Datenmodelle werden in der Regel von Datenarchitekten und geschäftlichen Stakeholdern erstellt und liefern eine einfache Momentaufnahme der relevanten Konzepte oder Entitäten und ihrer Beziehungen untereinander. Wenn Modellierer das Modell auf sachbezogene Art und Weise Stakeholdern übermitteln, die nicht unbedingt technik- und/oder detailorientiert sind, können sie die Wahrscheinlichkeit erhöhen, Unterstützung für ihre Projekte zu erhalten. Die erwin Plattform ist auf die Förderung dieser Art von Zusammenarbeit ausgelegt.
Das Ziel eines konzeptionellen Datenmodells besteht darin, einen datenzentrierten Blick auf die Organisation bereitzustellen, indem dokumentiert wird, welche Beziehungen zwischen verschiedenen Unternehmensentitäten bestehen. Dafür kommen meist Entity-Relationship-Diagramme (ERD) und/oder Object Role Modeling (ORM) zum Einsatz. Anders als bei logischen und physischen Datenmodellen sind konzeptionelle Datenmodelle unabhängig von Technologie und Anwendungen. Das bedeutet, dass sie nicht an die Gegebenheiten und den Kontext der aktuell implementierten Systeme und Prozesse gebunden sind.
Konzeptionelle Datenmodelle zeigen sowohl den aktuellen als auch den künftigen Zustand, was bedeutet, dass geschäftliche Veränderungen, die in Arbeit sind oder höchstwahrscheinlich anstehen, berücksichtigt werden. Auf diese Weise können Organisationen das Modell gewissermaßen zukunftssicher gestalten und der gegebenenfalls in der Lösung erforderlichen Flexibilität Rechnung tragen. Es gilt als Best Practice, farblich zwischen dem aktuellen und dem künftigen Zustand zu unterscheiden.
Was ist das Ziel eines konzeptionellen Datenmodells?
Ein konzeptionelles Datenmodell sollte verwendet werden, um allgemeine Beziehungen zwischen Konzepten/Entitäten zu definieren und zu kommunizieren. Anders ausgedrückt: Diese Modelle helfen Organisationen, sich ein kontextbezogenes Bild ihrer Daten und der Beziehungen zwischen verschiedenen Datentypen zu machen.
Im Idealfall wird eine visuelle Darstellung der Daten im Kontext bereitgestellt, mit der das Agieren der Organisation unter bestimmten Umständen verdeutlicht wird. Das kann Organisationen helfen, Versäumnisse zu vermeiden, die später zu beträchtlichen Problemen führen könnten. Bei der Erstellung oder beim Erwerb eines neuen Customer-Relationship-Management-Systems (CRM) ist möglicherweise nicht klar, dass zwischen einem Interessenten und einem Kunden unterschieden werden sollte. Doch ohne diese Unterscheidung könnte ein „neuer“ Interessent unter Umständen ein Mitarbeiter in einem Unternehmen sein, das eigentlich bereits Kunde ist.
Eine Datenbank, in der zwischen einem Interessenten und einem Kunden unterschieden wird, kann auch so modelliert werden, dass mögliche Beziehungen zwischen einem neuen Interessenten und einem bestehenden Kunden identifiziert werden, sodass der Datensatz konsolidiert werden kann. Auf diese Weise verfügen die Vertriebs- und Supportmitarbeiter über den nötigen Kontext, um effektiv arbeiten zu können.
Wann sollte ein konzeptionelles Datenmodell in Betracht gezogen werden?
Konzeptionelle Datenmodelle werden in den anfänglichen Stadien der Datenmodellierung verwendet, um Konzepte und Regeln basierend auf den Anforderungen in bestimmten Anwendungsfällen zu organisieren und zu definieren. Unter den drei Modelltypen sind die konzeptionellen Datenmodelle diejenigen mit den wenigsten Details – das macht sie aber nicht weniger nützlich. Eigentlich ist einer der wesentlichen Vorteile konzeptioneller Datenmodelle die Tatsache, dass sie schnell nachvollziehbar sind und Stakeholdern außerhalb des technischen Bereichs vermittelt werden können.
Konzeptionelle Datenmodelle bieten Organisationen einen Ausgangspunkt, auf Basis dessen in den weiteren Stadien der Datenmodelle Diagramme mit mehr Kontext erarbeitet werden sollten. Durch Anwendungsfallanalyse, Anwendungsfalldesign und Datenbankdesign wird der Höchststand in Sachen Komplexität und Detailtiefe schlussendlich bei den physischen Datenmodellen erreicht.
Warum sollte ein konzeptionelles Datenmodell verwendet werden?
Wenn das Stadium der konzeptionellen Datenmodellierung umgangen wird, steigt die Wahrscheinlichkeit, dass allgemeine Beziehungen übersehen werden, beispielsweise die oben erwähnte Unterscheidung zwischen Kunden und Interessenten. Außerdem wird bei konzeptionellen Datenmodellen der Kardinalität Rechnung getragen. Die Kardinalität beschreibt, was die Beziehungen zwischen einer Entität und anderen Entitäten sein könnten, einschließlich 1:1, 1:n und n:n.
Ohne konzeptionelle Datenmodellierung wird die Wahrscheinlichkeit eines solchen Versäumnisses immer höher, je weiter eine Organisation im Entwicklungszyklus voranschreitet. Der Grund dafür ist, dass das Gesamtbild oft in den Hintergrund rückt, wenn Teams sich auf Designdetails konzentrieren und unter Zeitdruck stehen. Durch die anfängliche Erstellung eines konzeptionellen Datenbankmodells können Organisationen solche Versäumnisse vermeiden und vage Zusammenhänge erkennen, sodass mögliche Beziehungen zwischen Entitäten frühzeitig berücksichtigt und definiert werden.
Die Vorteile konzeptioneller Datenmodelle
Unterstützung für die Definition einer gemeinsamen Sprache und das Füllen der Nomenklatur des Unternehmens
Unterstützung für die Gestaltung der Roadmap und Definition des Projektumfangs
Schaffung einer Basis für künftige Modelle
Förderung einer inklusiven Kommunikationsform
Mit erwin bessere Datenmodelle erstellen
erwin ist seit mehr als 30 Jahren ein anerkannter Name im Bereich der Datenmodellierung. Durch unsere Erfahrung konnten wir ein Datenmodellierungsprodukt perfektionieren, das die Anforderungen aller Mitglieder in Kundenorganisationen erfüllt, unabhängig vom Stadium (konzeptionell, logisch, physisch) der Datenmodellierung.
Stakeholder innerhalb und außerhalb des technischen Bereichs können zusammenarbeiten, damit bei Modellen so viel Kontext und Perspektiven wie möglich einbezogen werden. erwin Data Modeler von Quest punktet auch mit einer ganzen Reihe leistungsstarker Automatisierungsfunktionen zur Beschleunigung des Prozesses, Reduzierung menschlicher Fehler und Steigerung der Effizienz.