論理データモデルとは
特定のビジネス分野のための情報要件のグラフィカルな提示として、論理データモデルは、概念データモデルで描写されたデータの説明を取り入れ、関連する要素、定義、データ構造のより広いコンテキストを導入することで構築されます。
この段階は、より合理化された概念データモデルはより簡単に伝達されますが、コンテキストの不足はモデリングから実装への移行が困難になる可能性があるため、重要になります。 より詳細な情報がこの進行をサポートするのに必要で。 詳細な情報には、所有する属性、プライマリキー、外部キー、リレーションシップのカーディナリティの定義、およびエンティティとクラスの説明などが含まれます。 この段階では、データ間リレーションシップの性質が確立および定義され、別のシステムからのデータが正規化されます。
論理データモデルの目標とは
この段階でのデータモデルの主な機能は、データ要素と、要素同士の関連性を可視化することです。 また、論理データモデリングには、データ要素に関連付けられた属性の詳細を指定する機能もあります。 例えば、論理データモデルでは、アカウント名（文字列）やアカウント番号（整数）など、データ要素の性質を指定します。
論理データモデル導入を考慮すべきタイミング
異なる3種のデータモデルでは、段階ごとにコンテキストと詳細の理解度が高まるため、順を追って使用状況を確認することができます。 したがって、論理データモデルは、概念データモデルが構築された後で考慮するとよいでしょう。
このデータモデリングの構築が進んだ段階は、データベースアナリストやデザイナーが作業を行う、技術中心の環境において、通信のメカニズムとしても機能するため、アプリケーションの設計に最も適しています。 これは概念データモデルより深くデータの詳細を理解するのに役立ちますが、実装方法についての全体像を提示することには向いていません。
概念データモデリングにおいて、チームは技術的側面を考慮する必要はありません。 これは、組織における技術の性質が一般的に動的であるため重要な点です。
論理データモデルを使用する理由
論理データモデルが適切であるタイミングと理由を簡単に把握するには、データベースアナリスト、システムアナリスト、デザイナーなど、誰が対象者として想定されているかを考えます。 論理データモデリングの対象者と、アプリケーション設計プロセス上での位置付けを考慮すると、利用のしやすさを優先してコンテキストや詳細を排除することにはあまり意味がありません。 概念データモデリングと比較すると、詳細な情報は余分となりますが、これはアーキテクトが新しいアプリケーションと、それが対応するデータとの互換性を確保するために必要とするコンテキストでもあります。 基本的に、論理データモデルは、生産性のあるデータベース設計の基盤を提供するものです。
論理データモデルがなければ、デザイナーは、実際に作業を進めてみない限り新しいアプリケーションの要件がわかりません。 これは多くの場合、整理されていないデータ要素で作業を行うことになるため、要件を見落とす可能性がより高くなります。 したがって、物理データモデルの構築を優先して、論理データモデリングの段階を省略すると、データベース設計とアプリケーションが不十分な作りとなり、意図したようには機能しなくなります。 そのようなミスを修正していると対応が後手に回るため、市場投入までに時間がかかり、開発プロセスに関連する総合コストも増大することになります。
加えて、論理データモデルの性質上、特定の技術に依存することはないため、企業はプロセス改善の機会確立に役立てることができます。 つまり、現行の技術的制約における限界を超えて、できる限りの効率化を目指した、新しいアプリケーションを構築できます。
論理データモデリングのメリット
組織がビジネスプロセス改善のための分野を特定するのに役立つ
十分な情報を取得したアプリケーションを設計する
コストを削減し、効率を向上
将来のモデルの基礎を提供する
erwinと共により良いモデルを構築
erwinはデータを専門分野としており、30年以上の歴史があります。 当社はデータモデリングをリードする企業として認識されています。 この専門知識により、データモデリングプロセスにおける概念、論理、物理のすべての段階で作業の要求に対応できる、完璧なプラットフォームを作り上げました。
erwin Data Modeler by Questは、ビジネスおよび技術関連のステークホルダーが、新しいシステムの設計および実装において協同で作業することを可能にします。 また、NoSQLのサポートや自動メタデータ収集などの機能を利用できるため、実装に要する時間を大幅に削減可能です。