Por data modeling se entiende el proceso de diseño y creación de modelos de datos destinados a servir en un sistema de información determinado. Un proceso complejo y variable en función de las necesidades organizativas y los objetivos corporativos establecidos, y que involucra tanto a desarrolladores de soluciones TI (áreas, departamentos o profesionales externos a la compañía) como a los potenciales usuarios del sistema de información empresarial.
El data modeling persigue, como avanzábamos al empezar, crear modelos de datos estandarizados que deberán ponerse al servicio del sistema de información corporativo. Por ello, antes de iniciar este proceso, se deben tener en cuenta algunas recomendaciones aplicables de un modo prácticamente universal a todos los tipos de modelos a los que da lugar el data modeling. Entre estas recomendaciones, cabe destacar las que hacen referencia a la utilidad de este proceso, que podemos resumir del siguiente modo:
El data modeling debe servir a todas las partes y los agentes involucrados en el sistema de información de la organización para entender mejor y dar un uso más adecuado a los datos integrados en el modelo creado.
Por lo anterior, este proceso debe partir de la visión de los datos como recursos y activos para el negocio, tratando de diseñar y crear los modelos más óptimos posible para sacarles el máximo partido.
Debe tener en cuenta la creación de repositorios y data warehouses (siguiendo el modelo resultante del proceso, claro está) como uno de sus objetivos más inmediatos.
Expuestas estas recomendaciones básicas y preparados ya para afrontar un proceso de data modeling, debemos tener en cuenta que (como cualquier otro proceso) este debe discurrir a lo largo de distintas etapas, en concreto 3, todas ellas necesarias. Unas fases que dan lugar, a su vez, a distintos modelos, que podemos concretar del siguiente modo:
Modelo de datos conceptuales: se trata, básicamente, de un conjunto de especificaciones técnicas sobre el modelo de datos a crear que incluyen, entre otras, los requerimientos expresados por las partes implicadas. Es el primer modelo resultante del proceso, y como es de suponer maneja datos referentes a la estructura y el diseño de las data warehouses.
Modelo de datos lógicos: el modelo conceptual debe traducirse en estructuras de datos que puedan ser implementadas en las data warehouses; por lo tanto, se deben especificar los requisitos que estas estructuras deben cumplir. El conjunto de estos requerimientos se conoce por modelo lógico.
Modelo de datos físicos: la transformación del modelo lógico en una base de datos adecuadamente estructurada y organizada da lugar al modelo físico, el resultado final del proceso data modeling.
Cada uno de estos modelos puede interpretarse, respectivamente, como un esquema de reglas sobre los datos (esquema conceptual), como una descripción del significado de los distintos elementos que integrarán la base de datos: tablas, columnas... (esquema lógico), o como la relación de los medios y los recursos físicos que se emplearán en el almacenaje de los datos (esquema físico).
Post relacionados: