博客随着企业方便地访问和分析数据以提高性能的新可能性，数据建模也在发生变化。数据建模不仅仅是随意地组织数据结构和关系，还必须与最终用户的需求和问题联系起来，并提供指导，帮助确保以正确的方式使用正确的数据以获得正确的结果。下面描述的十种技术将帮助您增强数据建模及其对业务的价值。1了解所需的业务需求和结果数据建模的目的是帮助组织更好地发挥作用。作为数据建模者，收集、组织和存储用于分析的数据，您只能通过了解企业需要什么来实现这一目标。正确地捕获这些业务需求，以了解哪些数据需要优先处理、收集、存储、转换并提供给用户，这通常是最大的数据建模挑战。所以，我们说得还不够：通过询问人们他们需要从数据中得到的结果，从而清楚地了解需求。然后开始组织你的数据，记住这些目的。2可视化要建模的数据盯着数不清的行和列的字母数字条目不太可能带来启示。大多数人更乐于看到数据的图形化表示，以便快速查看异常情况，或者使用直观的拖放屏幕界面快速检查和连接数据表。像这样的数据可视化方法可以帮助您清理数据，使其完整、一致，并且没有错误和冗余。它们还可以帮助您发现对应于同一个实际实体的不同数据记录类型（例如"客户ID"和"Client Ref."），然后将它们转换为使用公共字段和格式，从而更容易组合不同的数据源。三。从简单的数据建模开始，然后进行扩展由于大小、类型、结构、增长率和查询语言等因素，数据可能会迅速变得复杂。在开始时保持数据模型的小而简单，可以更容易地纠正任何问题或错误的转弯。当你确定你的初始模型是准确和有意义的，你可以引入更多的数据集，消除任何不一致。您应该寻找一种工具，成都大数据，它可以让您轻松地开始，但随后可以支持非常大的数据模型，同时还可以让您快速地"混搭"来自不同物理位置的多个数据源。4将业务查询分解为事实、维度、过滤器和顺序了解业务问题是如何由这四个元素定义的，将有助于您以更容易提供答案的方式组织数据。例如，假设您的企业是一家零售公司，在不同的地点有商店，您想知道在过去一年中，哪些商店销售了最多的特定产品。在这种情况下，事实将是总体历史销售数据（过去"N"年内所有门店每天所有产品的所有销售额），考虑的维度为"产品"和"门店位置"，过滤器为"前12个月"，订单可能是"给定产品销售额降序排列的前五家门店"。通过使用针对事实和维度的单个表来组织数据，您可以方便地进行分析，以找到每个销售周期中表现最好的销售人员，以及回答其他商业智能问题。5只使用您需要的数据，而不是所有可用的数据使用大量数据集的计算机很快就会遇到计算机内存和输入输出速度的问题。然而，在许多情况下，回答业务问题只需要一小部分数据。理想情况下，您应该能够简单地在屏幕上选中复选框来指示要使用的数据集的哪些部分，大数据资源，从而避免数据建模浪费和性能问题。6提前进行计算，以防止最终用户产生分歧数据建模的一个关键目标是建立真相的一个版本，用户可以根据这个版本提出他们的业务问题。虽然人们可能对如何使用一个答案有不同的意见，但在基础数据或用来得到答案的计算上不应该有分歧。例如，可能需要进行计算来汇总每日销售数据，以得出月度数据，然后将这些数据进行比较，以显示最佳或最差月份。您不必让每个人都接触计算器或电子表格应用程序（这两个都是导致用户错误的常见原因），您可以通过将此计算作为数据建模的一部分预先设置并使其在仪表板中对最终用户可用来避免问题。请参见Sisense的行动：浏览仪表板7继续之前，请验证数据建模的每个阶段在进入下一步之前，万云，应该检查每个操作，从业务需求的数据建模优先级开始。例如，必须为数据集选择一个名为primary key的属性，这样数据集中的每个记录都可以由该记录中主键的值唯一地标识。假设您选择"ProductID"作为上面的历史销售数据集的主键。您可以通过比较数据集中"ProductID"的总行数与非重复行总数（不重复）来验证这是否令人满意。如果两个计数匹配，则可以使用"ProductID"来唯一标识每条记录；如果不匹配，则查找另一个主键。同样的技术可以应用于两个数据集的连接，淘客返利系统，大数据对比，以检查它们之间的关系是一对一还是一对多，并避免多对多关系导致过于复杂或不可管理的数据模型。8寻找因果关系，而不仅仅是相关性数据建模包括使用建模数据的指导。虽然授权最终用户自己访问商业智能是向前迈进的一大步，但也重要的是，他们要避免做出错误的结论。例如，也许他们看到两种不同产品的销售似乎是同时上升和下降的。是一种产品的销售带动了另一种产品的销售（因果关系），还是因为经济或天气等其他因素，它们只是碰巧一起涨跌（简单的相关性）？混淆因果关系和相关性可能导致错误或不存在的机会，从而浪费业务资源。9用聪明的工具来做这件重的事更复杂的数据建模可能需要在分析开始之前对数据进行编码或其他操作。但是，如果软件应用程序可以为您完成这样的"重担"，那么您就不必学习不同的编程语言，并且可以将时间花在对您的企业有价值的其他活动上。一个合适的软件产品可以促进或自动化数据ETL的所有不同阶段（提取、转换和加载）。无需任何编码就可以直观地访问数据，使用简单的拖放界面可以将不同的数据源组合在一起，甚至可以根据查询类型自动进行数据建模。10使您的数据模型不断发展业务中的数据模型从来都不是一成不变的，因为数据源和业务优先级不断变化。因此，您必须计划随着时间的推移对其进行更新或更改。为此，请将您的数据模型存储在一个存储库中，以便对其进行扩展和修改，并使用数据字典或"现成参考"，其中包含有关每种类型数据的用途和格式的清晰、最新信息。更好的数据建模将带来更大的业务效益在盈利能力、生产力、效率、客户满意度等方面的业务绩效可以从数据建模中获益，数据建模可以帮助用户快速、轻松地获得他们的业务问题的答案。成功的关键因素包括与组织的需求和目标相联系，使用工具加快为所有查询的答案准备数据的步骤，以及将简单性和常识作为优先事项。一旦满足这些条件，您和您的企业，无论是小型、中型还是大型企业，都可以期望您的数据建模为您带来显著的业务价值。标签：数据建模