数据模型定制案例咨询「在线咨询」

数据模型是数据特征的抽象，是研究、应用与学习数据库技术的基础内容与基本手段，是数据库技术的中心，是能表现出数据库技术特色的内容之一。随着数据库技术自身的发展，数据模型也经历相应的发展演变过程，传统的数据模型在不断完善，新的数据模型-涌现。传统的层次、网状与关系模型已发展了多年，取得了-的理论研究成果与数据库产品，-是关系模型，几乎是近年来整个数据模型领域的重要支撑，是现代管理信息系统数据存储处理的关键所在。

层次模型、网状模型、关系模型

1、层次模型：

有且只有一个结点没有双亲结点这个结点叫根结点。

除根结点外的其他结点有且只有一个双亲结点。

层次模型中的记录只能组织成树的集合而不能是任意图的集合。在层次模型中,记录的组织不再是一张杂乱无章的图，而是一棵倒长的树。

2、网状模型 ：

允许一个以上的结点没有双亲结点。

一个结点可以有多个双亲结点。

网状模型中的数据用记录的集合来表示，数据间的联系用链接可看作指针来表示。数据库中的记录可被组织成任意图的集合。

3、关系模型：

关系模型用表的集合来表示数据和数据间的联系。

每个表有多个列，每列有列名。

在关系模型中，无论是从客观事物中抽象出的实体，还是实体之间的联系,都用单一的结构类型。

雪花模型

当有一个或多个维表没有直接连接到事实表上，而是通过其他维表连接到事实表上时，其图解就像多个雪花连接在一起，故称雪花模型。雪花模型是对星型模型的扩展。它对星型模型的维表进一步层次化，原有的各维表可能被扩展为小的事实表，形成一些局部的 层次 区域，这些被分解的表都连接到主维度表而不是事实表。雪花模型符合数据库范式，减少数据冗余，但是在分析数据的时候，操作比较复杂，需要 join 的表比较多所以其性能并不一定比星型模型高。

数据建模的具体过程可分为六大步骤：

一、制订目标

制订目标的前提是理解业务，明确要解决的商业现实问题是什么？

如：在-kol中，存在假粉丝的情况，如何识别假粉就是一个要解决的现实问题。

二、数据理解与准备

基于要解决的现实问题，理解和准备数据，一般需要解决以下问题：
1.需要哪些数据指标即特征提取？如：哪些指标能区别真粉和假粉？
2.数据指标的含义是什么？
3.数据的如何？如：是否存在缺失值？
4.数据能否满足需求？
5.数据还需要如何加工？如：转换数据指标，将类别型变量转化为0-1哑变量，或将连续型数据转化为有序变量
6.探索数据中的规律和模式，进而形成假设。

需要注意的是，数据准备工作可能需要尝试多次。因为在复杂的大型数据中，较难发现数据中存在的模式，初步形成的假设可能会被很快推到，这时一定要静心钻研，不断试错。

数据建模后需要评估模型的效果，因此一般需要将数据分为训练集和测试集。