Für ein bestmögliches Web-Erlebnis verwenden Sie IE11+, Chrome, Firefox oder Safari.

Was ist ein Datenmodell?

Datenmodelle sind visuelle Darstellungen der Datenelemente eines Unternehmens und der Verbindungen zwischen ihnen. Sie ermöglichen es, Daten im Kontext der relevanten Geschäftsprozesse zu definieren und zu strukturieren, und unterstützen so die Entwicklung effektiver Informationssysteme. Auf dieser Basis können Mitarbeiter im geschäftlichen und technischen Bereich gemeinsam entscheiden, wie Daten in einem Unternehmen gespeichert, abgerufen, gemeinsam genutzt, aktualisiert und verwendet werden sollen.
Was ist ein Datenmodell?
Datenmodelle spielen eine Schlüsselrolle bei der Zusammenführung aller Segmente eines Unternehmens.

Was ist der Zweck eines Datenmodells?

Datenmodelle spielen eine Schlüsselrolle, wenn es darum geht, alle Bereiche eines Unternehmens – IT, Geschäftsanalysten, Management und andere – zusammenzubringen, um gemeinsam Informationssysteme (und die Datenbanken, auf denen sie basieren) zu entwerfen.

Diese Systeme erfordern richtig definierte und formatierte Daten; und Modelle geben Aufschluss darüber, welche Daten benötigt werden und wie sie strukturiert sein müssen, um die gewünschten Geschäftsprozesse zu unterstützen.

Durch die explizite Festlegung der Struktur Ihrer Daten unterstützen diese Modelle eine Vielzahl von Anwendungsfällen, einschließlich Datenbankmodellierung, Informationssystemdesign und Prozessentwicklung zur Unterstützung eines konsistenten, sauberen Datenaustauschs.

Weiterhin ist es wichtig, die drei unterschiedlichen Arten von Datenmodellen zu verstehen. Jedes dient im Rahmen des Datenmodellierungsprozesses jeweils einem anderen Zweck.

Was sind die verschiedenen Arten von Datenmodellen?

Je nachdem, wo Sie sich im Prozess der Datenmodellierung befinden, werden Sie wahrscheinlich eine von drei Datenmodellarten verwenden. Wir stellen typischerweise fest, dass Unternehmen von allen dreien profitieren, je nach den Problemen, die sie zu lösen versuchen. Daher betrachten wir jedes Modell als eine „Stufe“ des Datenmodellierungsprozesses und nicht als eine bestimmte „Art“ von Datenmodell.
Konzeptionelle Datenmodelle

Konzeptionelle Datenmodelle

Konzeptionelle Datenmodelle, auch Domänenmodelle genannt, untersuchen Ihre allgemeinen statischen Geschäftsstrukturen und -konzepte und stellen sie detailliert dar. Sie werden am häufigsten zu Beginn eines neuen Projekts verwendet, wenn allgemeine Konzepte und erste Anforderungen ausgearbeitet werden. Oft werden sie als Vorstufe oder Alternative zur nächsten Stufe erstellt: logische Datenmodelle.
Logische Datenmodelle

Logische Datenmodelle

Nachdem Ihre Problemdomäne und die ersten Konzepte durch die konzeptionelle Datenmodellierung klarer geworden sind, ist es an der Zeit, mit einem logischen Datenmodell konkreter zu werden. Unabhängig davon, ob Sie ein einzelnes Projekt oder Ihr gesamtes Unternehmen betrachten, verdeutlichen diese Modelle die verschiedenen logischen Entitäten (Typen oder Klassen von Daten), mit denen Sie arbeiten werden, die Datenattribute, die diese Entitäten definieren, und die Beziehungen zwischen ihnen.
Physische Datenmodelle

Physische Datenmodelle

Wenn Sie die Phase der physischen Datenmodellierung erreicht haben, ist es wirklich an der Zeit, sich den Details zu widmen. Diese Modelle werden verwendet, um das interne Schema einer Datenbank zu entwerfen. Dazu gehören alle verschiedenen Tabellen, die Spalten in diesen Tabellen und die Beziehungen zwischen ihnen. Diese Modelle werden direkt in das Design der Produktionsdatenbank umgesetzt, was die weitere Entwicklung von Informationssystemen unterstützt. Physische Datenmodelle werden im Allgemeinen verwendet, um drei Arten von Datenbanken zu entwerfen: relational für herkömmliche operative Datenbanken, dokumentenorientiert für NoSQL- und JSON-Datenbanken und dimensional für Aggregations- und Business Intelligence-Datenspeicher wie Data Warehouses und Data Marts.

Letztlich können und sollen alle drei Modelle unabhängig voneinander funktionieren. Aber während Ihr Projekt reift, werden Sie mithilfe einer natürlichen Entwicklung durch alle drei Modelle die besten Ergebnisse erzielen. Natürlich muss die Konsistenz zwischen den Modellen auf struktureller Ebene gewahrt werden. Die Anpassung des Tabellen-/Spaltenformats an einem physischen Modell sollte beispielsweise das ursprüngliche konzeptionelle Modell in keiner Weise verändern.

Durch den Einsatz aller drei Modelle können Unternehmen sicherstellen, ihre ursprünglichen Projektziele nicht aus den Augen zu verlieren – und dennoch die Flexibilität zu wahren, auf unerwartete Änderungen der Anforderungen oder Parameter zu reagieren.

Erhalten Sie umfassende Unterstützung bei der Datenmodellierung

erwin ist seit mehr als 30 Jahren der vertrauenswürdigste Name im Bereich der Datenmodellierung, und wir sind fest davon überzeugt, dass der erwin Data Modeler von Quest die beste Lösung ist, um Unternehmen dabei zu helfen, Daten zu verstehen, zu automatisieren, zu visualisieren und mit maximaler Wirkung zu nutzen.

Jetzt starten

erwin Data Modeler ist eine bewährte Datenmodellierungstechnologie zur Verbesserung der Qualität, Genauigkeit und Agilität der Datenfunktionen eines Unternehmens und zur Unterstützung von Daten-Governance- und Intelligence-Bemühungen. Es ist an der Zeit, Ihre Daten umfassend zu nutzen.