在创建或改进数据治理程序时，数据建模过程发挥着越来越重要的作用。数据治理变得极其复杂，数据建模的使用促进了理解。复杂性增加的一个基本原因是出于研究目的对数据分析的广泛使用。另一个原因是遵守为互联网业务制定的法律法规。
A 数据模型 显示数据如何流经数据系统以及组织如何分类和使用数据的简化符号表示。
（注意：标题“数据建模”经常用于专注于“数据库”建模的软件，主要是因为缩写草率。本文重点介绍在整个组织中呈现数据流的模型。）
数据治理已成为组织数据流的核心。它用于设置内部标准——数据策略——以确定如何收集、保存、处理和删除组织的数据。它限制了谁可以访问某些类型的数据，并可以强制遵守政府机构制定的标准和法规。 数据治理 确保数据可用、可用且安全。它还可以用于：
- 收集高质量数据： 一个好的数据模型应该促进从各种来源收集高质量数据。
- 更快地做出更好的决策： 识别问题和趋势变得更加简单，从而减少混乱并加快决策速度。
- 加强合规性： 尊重人们的隐私和避免法律罚款变得非常重要。良好的数据治理有助于避免不遵守法规的风险。
- 降低成本： 数据治理通过消除数据重复并减少错误和错误来帮助更有效地管理资源。
- 在开发或改进数据治理计划时使用数据模型有助于定义和分析企业的数据需求。
数据流模型提供的可视化简化了组织数据流的复杂性。因为数据治理包括改变工作场所文化，所以显示整个组织的数据流的数据模型实际上代表了整个数据治理计划。（尽管 数据库管理 是一个独立的系统，两者应该相互支持。如果有主数据管理软件，它通常是数据治理程序的一部分。）一个好的数据模型将显示使用和存储的数据类型、数据共享的关系以及数据的组织方式.
自动化在数据治理过程中发挥着重要作用，应该包含在数据模型中。
数据建模的好处
数据模型通常是组织的整个数据系统（或可能是系统的较小部分）的可视化表示，用于传达将要进行的改进（或最初用于确定需要改进的问题区域）。设计数据模型时应考虑到业务需求。规则和要求可以集成到新系统的模型设计中或更改现有系统。
数据模型还可以促进部门和研究团队之间的协作，因为其他人可以了解部门在数据流方面存在的任何问题。（数据模型发起对话。）
虽然数据模型通常基于标准化模式，但模型的设计者必须足够灵活以适应模型。它应该呈现一个准确的业务模型，而不是一个冻结的、没有变化的版本。该模型可用于支持在整个组织中管理数据的一致方式。
数据建模支持有效的数据治理以及其他积极成果，包括：
- 提高数据库和软件性能
- 简化数据映射
- 改善部门之间的沟通
- 减少软件开发过程中的错误
- 让数据易于理解会增加数据的价值。随着越来越多的节省和销售机会的实现，开发数据模型后利润可能会增加。数据建模支持元数据管理和数据治理程序所需的基础设施。
- 元数据和数据治理计划
将元数据集成到建模过程有助于简化开发 数据治理程序和商业智能计划。
元数据是数据治理的一个重要方面，应该包含在数据治理模型中。数据模型可用于可视化元数据的最有效使用并利用其优势。有效管理数据和开发商业智能取决于有效的元数据管理。
数据治理定义了数据在组织中移动时必须遵循的规则。 元数据，一个有助于查找数据的标签系统，在这个过程中使用，并且在技术上是定位数据所必需的。数据治理可以使用元数据来执行用于收集和管理数据的规则。
元数据支持数据治理策略和数据访问。它对于高效运行的数据治理计划至关重要。
期限 ”元数据管理”描述了在组织内使用元数据来促进数据的有效处理。它支持通过使用自动化来收集高质量数据。使用自动化元数据管理可以实时捕获数据不一致，有助于提高数据的整体质量。
自动化数据处理
通过自动化其数据流程，组织可以显着提高其准确性水平。例如，自动化元数据管理将从各种数据源收集元数据，并将映射所有数据源。当然，这些自动化过程应该显示在数据模型上。
使用自动化和可重复的数据治理流程可以提高生产力并降低成本。
自动化可用于遵守隐私法和数据法规。通用数据保护条例 (通用数据保护条例), HIPAA (健康保险和可携带性责任法案), 和 CCPA (加州消费者隐私法) 在与居住在执行这些规定的州或国家的公民或组织做生意时必须遵守。自动化的使用可以确保敏感数据被自动标记和标记。
现代数据建模
创建数据模型或图表时，基本上有两种技术：数据建模软件和白板。（两者的结合可能是理想的。）白板的优点是它很大，通常对员工公开，并且易于使用。（对于技术爱好者来说，一台非常大的“智能”电视也可以达到同样的目的。）
如果软件用于创建数据模型，则主要有 两个图表工具：统一建模语言（UML）和实体关系图（ERD）。ERD 是用于数据库的模型。（这不是您想要的。）您需要 UML，它包括范围广泛的模型类型。如果目标是开发一个数据模型来显示整个组织的数据流，请避免使用 ERD。
可应用于白板，然后进行调整、填写和详细说明的数据模型示例由 视觉范式，以及免费软件。其他一些用于开发数据模型的流行软件包括：
打开 ModelSphere，它是开源的。这是一个UML 建模工具具有很大的灵活性。
企业架构师，一个 软件工具 支持“企业”数据建模。它基于面向对象的语言和标准。
Lucidchart，它允许 流程图和图表 在线创建，可能非常有用。（无需下载。）
数据建模经常经过 三相. 该过程通常从概念模型开始，发展到逻辑模型，并以物理模型结束。（此过程传统上应用于数据库模型，但可以应用于其他模型以进行学习。）
数据建模的未来
在过去几年中，数据治理和元数据管理的重要性显着增加。随着它们重要性的增长，数据建模的价值也在增长，但不幸的是，它的使用却没有增长。我们可以预见数据模型将成为处理数据的组织中的标准功能。
数据建模过程，所有数据都流经数据治理程序，将促进自动化的使用。管理层将发现问题所在，并安装适当的自动化服务，从而最大限度地减少人为错误并更快地完成任务。如果不使用现实的数据模型，组织可能会在如何处理数据方面做出错误的决策。
机器学习和人工智能也有望 发挥更大作用 在自动化、元数据管理和数据建模方面。在未来十年或两年的某个时候，人工智能将用于创建组织的数据模型，然后由人类批准。
