『壹』 數據倉庫數據建模的幾種思路
數據倉庫數據建模的幾種思路主要分為一下幾種
1. 星型模式
星形模式(Star Schema)是最常用的維度建模方式。星型模式是以事實表為中心，所有的維度表直接連接在事實表上，像星星一樣。星形模式的維度建模由一個事實表和一組維表成，且具有以下特點：a. 維表只和事實表關聯，維表之間沒有關聯；b. 每個維表主鍵為單列，且該主鍵放置在事實表中，作為兩邊連接的外鍵；c. 以事實表為核心，維表圍繞核心呈星形分布；
星座模型
『貳』 數字媒體數據的建模方法主要有哪三種,簡述之
一般一種資料庫對應一種數據模型，所以正確的提法是：資料庫中數據模型主要有哪些模型吧？
我猜你是接下來要考《資料庫概論》吧，呵呵！以我的經驗來看，資料庫考的話，這類問題頂多出個選擇題或者填空題，就算考「這些模型的特點是什麼？」也應該不會是簡答題，考你些干條條，畢竟「資料庫」不是『大學思想政治課』。
這應該是《資料庫概論（第四版）》中第一章緒論裡面的知識，緒論算是基礎篇里的概論，應該說都是些前導概念吧，這些概念的實際應用是在後續章節中展開的，所以這些了解了解就可以了。
『叄』 數據建模中比較常用的工具有哪些
隨著科技的日新月異，人們對數據的依賴穩步上升中，尤其在商業等領域，對於企業而言正確且連貫的數據流，是他們做出快速、精準的決策的重要依據之一。因此，建立正確的數據流和數據結構才能保證最好的結果，這個過程就是大家耳聞能詳的數據建模。
下面為大家推薦一些數據建模中常見的幾種工具。
1、SQL資料庫建模器
該軟體使企業可以參與逆向工程和正向工程。利用已經存在的資料庫並完善它們。然後，使用正向工程技術來了解它們如何隨時間的推移而增長。該平台的更多獨特功能包括創建多個主題區域的能力以及非常友好的用戶界面。使用此工具的一些企業包括福特、聯想、Wayfair和德勤等公司。
2、PowerDesigner
PowerDesigner是目前數據建模業界的領頭羊。功能包括：完整的集成模型，和面向包含IT為中心的、非IT為中心的差異化建模訴求。支持非常強大的元數據信息庫和各種不同格式的輸出。PowerDesigner擁有一個優雅且人性化的界面，非常易懂的幫助文檔，快速幫助用戶解決專業問題。
3、CA ERwin
ERwin 也是業界領先的數據建模解決方案，能夠為用戶提供一個簡單而優雅的界面同時處理復雜的數據環境問題。Erwin的解決方案提提供敏捷模型，同時元數據可以放在普通的資料庫中進行處理，這樣就能夠保證數據的一致性和安全性。Erwin支持高度自定義的數據類型、APIs，允許自動執行宏語言等等。Erwin還建有一個很活躍的用戶討論社區，使得用戶之間可以分享知識和各種經驗。
4、SQL Power Architect
SQL Power Architect 是一個Java開發的資料庫建模工具，特別適合做數據倉庫和數據集市的應用建模，它允許設計人員同時打開多個數據源連接，並直接從資料庫中獲取模型定義。
5、dbdiagram.io
dbdiagram.io是一個快速上手的資料庫設計器，專注於繪制資料庫關系圖，專為開發人員，DBA，數據分析師而設計，在線保存和共享圖表可幫助您使用其自己的特定於域的語言（DSL：Domain-specific language）繪制資料庫圖。它們的定義語言非常簡單，使用鍵盤即可輕松進行編輯/復制，UI簡潔，並包含有漂亮的圖表。
為了避免錯誤並加快進度，建議大家可以使用這些更加專業的工具（軟體），來幫助我們建立數據模型，且能夠更快捷的生成報告來描述這個數據模型，為大家帶來實利。
『肆』 如何進行數據建模
如何進行數據建模
正確完成建模
在過去的幾十年裡，數據建模的努力通常集中在關系數據建模或可擴展標記語言(XML)的建模上。只要數據存儲在關系資料庫中，關系數據建模就會很好，但除此之外，它很少會有其他的用途。而且XML也不能被可靠地稱為建模語言。XML是序列化數據的規范--即定義了如何將數據寫入文件。XML為構造數據的序列化提供了一種格式，但它不是一個真正的模型。
我所說的「模型」指的是以數學為基礎的形式規范。實際上，這意味著是可以使用形式化方法進行驗證的東西。通俗地說，這意味著我們可以用數學運算來證明它是正確的，並且我們可以使驗證過程自動化。而在XML模式中捕獲數據不符合此定義下的模型。但可以肯定的是，我們可以使用軟體來驗證該XML格式是否良好，是否符合一些XML模式的文檔。但這還不足以真正地對數據進行建模。
無論是計算機還是人，如果不同時理解數據的語法(結構)和語義(含義)，就無法理解數據。XML可以捕獲語法，但它不能天生捕獲語義。語義可以用XML格式編寫，但是這些語義必須首先在一些更正式的建模方案中被捕獲。換句話說，企業需要一個正式的本體。這種建模方案大多基於形式邏輯，通常是公共邏輯或描述邏輯。
迄今為止，最常用的語義建模語言是基於描述邏輯的網路本體語言(OWL)。這意味著我們不僅可以正式驗證模型及其包含的數據，還可以通過對數據的推理來推斷新的事實，並且我們可以證明這些推斷的正確性。因為OWL是本體建模的事實上的標准，所以我將把剩下的內容限制在OWL上。
但是等等!所有這些都不意味著你需要將你的數據存儲為OWL。在你過於擔心如何將存儲格式強加給不情願的開發人員之前，先聽我說完。
『伍』 數據建模的分析方法有哪些並寫出他們的大概介紹
從目前的資料庫及數據倉庫建模方法來說，主要分為四類。
第一類是大家最為熟悉的關系資料庫的三範式建模，通常我們將三範式建模方法用於建立各種操作型資料庫系統。
第二類是Inmon提倡的三範式數據倉庫建模，它和操作型資料庫系統的三範式建模在側重點上有些不同。Inmon的數據倉庫建模方法分為三層，第一層是實體關系層，也即企業的業務數據模型層，在這一層上和企業的操作型資料庫系統建模方法是相同的；第二層是數據項集層，在這一層的建模方法根據數據的產生頻率及訪問頻率等因素與企業的操作型資料庫系統的建模方法產生了不同；第三層物理層是第二層的具體實現。
第三類是Kimball提倡的數據倉庫的維度建模，我們一般也稱之為星型結構建模，有時也加入一些雪花模型在裡面。維度建模是一種面向用戶需求的、容易理解的、訪問效率高的建模方法，也是筆者比較喜歡的一種建模方式。
第四類是更為靈活的一種建模方式，通常用於後台的數據准備區，建模的方式不拘一格，以能滿足需要為目的，建好的表不對用戶提供介面，多為臨時表。
下面簡單談談第四類建模方法的一些的經驗。
數據准備區有一個最大的特點，就是不會直接面對用戶，所以對數據准備區中的表進行操作的人只有ETL工程師。ETL工程師可以自己來決定表中數據的范圍和數據的生命周期。下面舉兩個例子：
1）數據范圍小的臨時表
當需要整合或清洗的數據量過大時，我們可以建立同樣結構的臨時表，在臨時表中只保留我們需要處理的部分數據。這樣，不論是更新還是對表中某些項的計算都會效率提高很多。處理好的數據發送入准備載入到數據倉庫中的表中，最後一次性載入入數據倉庫。
2）帶有冗餘欄位的臨時表
由於數據准備區中的表只有自己使用，所以建立冗餘欄位可以起到很好的作用而不用承擔風險。
舉例來說，筆者在項目中曾遇到這樣的需求，客戶表{客戶ID，客戶凈扣值}，債項表{債項ID，客戶ID，債項余額，債項凈扣值}，即客戶和債項是一對多的關系。其中，客戶凈扣值和債項余額已知，需要計算債項凈扣值。計算的規則是按債項余額的比例分配客戶的凈扣值。這時，我們可以給兩個表增加幾個冗餘欄位，如客戶表{客戶ID，客戶凈扣值，客戶余額}，債項表{債項ID，客戶ID，債項余額，債項凈扣值，客戶余額，客戶凈扣值}。這樣通過三條SQL就可以直接完成整個計算過程。將債項余額匯總到客戶余額，將客戶余額和客戶凈扣值冗餘到債項表中，在債項表中通過（債項余額×客戶凈扣值/客戶余額）公式即可直接計算處債項凈扣值。
另外還有很多大家可以發揮的建表方式，如不需要主鍵的臨時表等等。總結來說，正因為數據准備區是不對用戶提供介面的，所以我們一定要利用好這一點，以給我們的數據處理工作帶來最大的便利為目的來進行數據准備區的表設計。
『陸』 為什麼要進行數據建模 如果不定義數據字典
能夠促進業務與技術進行有效溝通，形成對主要業務定義和術語的統一認識，具有跨部門、中性的特徵，可以表達和涵蓋所有的業務。
無論是操作型資料庫，還是數據倉庫都需要數據模型組織數據構成，指導數據表設計。
數據建模至關重要。數據建模過程需要專業的建模人員，業務人員以及潛在信息系統的用戶緊密工作在一起。數據建模是認識數據的過程，數據模型是數據建模的輸出模型有很多種，例如企業數據模型，物理模型，邏輯模型，業務模型，數據使用模型等等。
『柒』 資料庫管理系統常見的數據模型有層次模型，網狀模型和什麼
資料庫管理系統常見的數據模型有層次模型，網狀模型和語義模型。
在關系模型基礎上增加全新的數據構造器和數據處理原語，用來表達復雜的結構和豐富的語義的一類新的數據模型。
資料庫管理系統是一個能夠提供數據錄入、修改、查詢的數據操作軟體，具有數據定義、數據操作、數據存儲與管理、數據維護、通信等功能，且能夠允許多用戶使用。另外，資料庫管理系統的發展與計算機技術發展密切相關。
為此，若要進一步完善計算機資料庫管理系統，技術人員就應當不斷創新、改革計算機技術，並不斷拓寬計算機資料庫管理系統的應用范圍，從而真正促進計算機資料庫管理系統技術的革新。
(7)資料庫建模技術擴展閱讀：
資料庫管理應盡可能地消除了冗餘，但是並沒有完全消除，而是控制大量資料庫固有的冗餘。例如，為了表現數據間的關系，數據項的重復一般是必要的，有時為了提高性能也會重復一些數據項。
通過消除或控制冗餘，可降低不一致性產生的危險。如果數據項在資料庫中只存儲了一次，則任何對該值的更新均只需進行一次，而且新的值立即就被所有用戶獲得。
如果數據項不只存儲了一次，而且系統意識到這點，系統將可以確保該項的所有拷貝都保持一致。不幸的是，許多DBMS都不能自動確保這種類型的一致性。
資料庫應該被有許可權的用戶共享。DBMS的引入使更多的用戶可以更方便的共享更多的數據。新的應用程序可以依賴於資料庫中已經存在的數據，並且只增加沒有存儲的數據，而不用重新定義所有的數據需求。
『捌』 關於資料庫建模，概念模型，邏輯模型，物理模型的區別和轉化
最近在進行UML學習過程中，突然忘記了大學時關於資料庫理論中概念模型、邏輯模型、物理模型之間的區別。隨機復習上網並復習，並在此記錄一下，資料庫建模是對現實世界進行分析、抽象、並從中找出內在聯系，進而確定資料庫的結構。
1、概念模型：就是從現實世界到信息世界的第一層抽象，確定領域實體屬性關系等，使用E-R圖表示，E-R圖主要是由實體、屬性和聯系三個要素構成的。
2、邏輯模型：是將概念模型轉化為具體的數據模型的過程，即按照概念結構設計階段建立的基本E-R圖，按選定的管理系統軟體支持的數據模型（層次、網狀、
關系、面向對象），轉換成相應的邏輯模型。這種轉換要符合關系數據模型的原則。目前最流行就是關系模型（也就是對應的關系資料庫）
E-R圖向關系模型的轉換是要解決如何將實體和實體間的聯系轉換為關系，並確定這些關系的屬性和碼。這種轉換一般按下面的原則進行：
（1）一個實體轉換為一個關系，實體的屬性就是關系的屬性，實體的碼就是關系的碼。
（2）一個聯系也轉換為一個關系，聯系的屬性及聯系所連接的實體的碼都轉換為關系的屬性，但是關系的碼會根據聯系的類型變化，如果是：
1：1聯系，兩端實體的碼都成為關系的候選碼。
1：n聯系，n端實體的碼成為關系的碼。
m：n聯系，兩端實體碼的組合成為關系的碼。
3、物理模型就是根據邏輯模型對應到具體的數據模型的機器實現。物理模型是對真實資料庫的描述。如關系資料庫中的一些對象為表、視圖、欄位、數據類型、長度、主鍵、外鍵、索引、約束、是否可為空、默認值。
『玖』 什麼是數據建模
數據建模是一個用於定義和分析在組織的信息系統范圍內支持商業流程所需的數據要求的過程。簡單來說，數據建模是基於對業務數據的理解和數據分析的需要，將各類數據進行整合和關聯，使得數據可以最終以可視化的方式呈現，讓使用者能夠快速地、高效地獲取到數據中有價值的信息，從而做出准確有效的決策。
之所以數據建模會變得復雜且難度大，是因為在建模過程中會引入數學公式或模型，用於確定數據實體之間的關聯關系。不同的業務邏輯和商業需求需要選擇不同的數學公式或模型，而且，一個好的數據模型需要通過多次的測試和優化迭代來完成，這就使得數據建模的難度變得很高。但是，數據分析中的建模並沒有想像中的那麼高深莫測，人人都可以做出適合自己的模型。
數據建模總歸是為了分析數據從而解決商業問題。如下圖數據建模的流程圖，數據建模核心部分是變數處理和模型搭建。
變數處理
模型搭建
在建模之前，首先要決定選擇哪些變數進行建模，主要從業務邏輯和數據邏輯兩方面來考慮。業務邏輯需要了解數據來源的背景，通過了解業務知識來判斷哪些變數在業務上很有價值的，哪些變數是可以選擇的。數據邏輯則是從數據的完整性，集中度，是否與其他變數強相關等角度來考慮。
除了選擇變數，對於一些變數的重構也是需要在建模前進行。例如客戶的滿意度有「滿意」「不滿意」，可以將其重構成數字「0」和「1」，便於後續建模使用。除此以外，還有將變數單獨計算（取平均值）和組合計算（如A*B）也是常用的重構方法，例如，缺失值以數據取平均值的方式替換。
在模型搭建時，會經歷選擇演算法、設定參數、載入演算法、測試結果四個過程。在這個過程中，測試結果會引導調整之前設定的參數，載入演算法會對應調整之前選擇的演算法，而選擇演算法時會考慮到已定的變數，如果變數不滿足演算法要求，還需回到選擇/重構變數，直至得到最合適的模型。
在優化模型的過程中，模型的解釋能力和實用性會不斷地提升。在結果輸出之後，還需接收業務人員的反饋，看看模型是否解決了他們的問題，如果沒有，還需進一步修改和調整。
MicroStrategy在數據領域深挖企業需求，經過多年的研究和沉澱，結合眾多復雜的應用場景，不斷更新體驗，深入開發各種數據輔助功能，使客戶可以一站式鏈接各類型數據資源，完成數據導入和數據建模。在MicroStrategy 平台中，既支持傳統方式數據建模，即通過Project Schema 來進行建模，又支持自助式數據導入的建模方式。
『拾』 常用的輸入數據建模方法有哪些他們的應用特點是什麼
目前最常用的三種數據模型為層次模型、網狀模型和關系模型。
一、層次模型
層次模型將數據組織成一對多關系的結構，層次結構採用關鍵字來訪問其中每一層次的每一部分。
層次模型發展最早，它以樹結構為基本結構，典型代表是IMS模型。
優點是存取方便且速度快；結構清晰，容易理解；數據修改和資料庫擴展容易實現；檢索關鍵屬性十分方便。
二、網狀模型
網狀模型用連接指令或指針來確定數據間的顯式連接關系，是具有多對多類型的數據組織方式。
網狀數據模型通過網狀結構表示數據間聯系，開發較早且有一定優點，目前使用仍較多，典型代表是 DBTG模型。
優點是能明確而方便地表示數據間的復雜關系。