Was ist ein logisches Datenmodell?

Ein logisches Datenmodell legt die Struktur von Datenelementen und ihre Beziehungen untereinander fest. Es ist unabhängig von der physischen Datenbank, die detailliert beschreibt, wie die Daten implementiert werden. Das logische Datenmodell dient als Konzept für verwendete Daten und führt die Elemente der konzeptionellen Datenmodellierung noch einen Schritt weiter, indem es sie mit weiteren Informationen ergänzt.

Das logische Datenmodell umfasst alle Informationselemente, die für das Tagesgeschäft von entscheidender Bedeutung sind.

Komponenten eines logischen Datenmodells

Ein logisches Datenmodell besteht aus drei Hauptbestandteilen:

• Entitäten: Jede Entität stellt eine Reihe von für ein Unternehmen relevanten Dingen, Personen oder Konzepten dar
• Beziehungen: Jede Beziehung stellt einen Zusammenhang zwischen zwei der oben genannten Entitäten dar
• Attribute: Jedes Attribut ist ein beschreibendes Stück, Merkmal oder andere Informationen, die der näheren Beschreibung einer Entität dienen

Jede dieser Komponenten eines logischen Datenmodells erhält einen Namen und eine Textdefinition. Sie dokumentieren kontinuierlich Geschäftsregeln und skizzieren die Informationsanforderungen. Die oben genannten Komponenten sind jedoch nur auf Beschreibungen der Geschäftsanforderungen beschränkt. Sie befassen sich nicht damit, wie diese Geschäftsanforderungen verarbeitet, implementiert oder gespeichert werden.

Die Notwendigkeit eines logischen Datenmodells

Da Daten den wichtigsten Aspekt einer Anwendung, eines Programms oder eines Systems darstellen, müssen hochwertige Datenverarbeitungs- und Speichersysteme auf einer starken und genauen zugrunde liegenden Datenstruktur aufbauen. Eine solide Datenstruktur gibt Anwendungsentwicklern die Freiheit, die bestmögliche Benutzeroberfläche, ein Verarbeitungssystem oder eine statistische Analyse und Berichterstellung zu entwerfen.

Unabhängig davon, wie elegant oder technisch Ihr System ist, muss es die Anforderungen erfüllen, Regeln befolgen und den Zwecken des Geschäfts oder des Unternehmens dienen, für das es entwickelt wurde – andernfalls hat es keinen praktischen Nutzen. Daher vereint die logische Datenmodellierung die beiden wichtigsten Grundlagen der Anwendungsentwicklung:

1. Geschäftsanforderungen
2. Qualitativ hochwertige Datenstruktur

Eigenschaften eines logischen Datenmodells

Die wichtigsten Merkmale eines logischen Datenmodells sind:

• Ein logisches Datenmodell kann den Datenbedarf für jedes einzelne Projekt beschreiben. Es ist jedoch so konzipiert, dass es gegebenenfalls nahtlos in andere logische Datenmodelle integriert werden kann.
• Ein logisches Datenmodell kann unabhängig vom Datenbankmanagementsystem entwickelt und entworfen werden. Die Art des Datenbankmanagementsystems hat keinen großen Einfluss darauf.
• Datenattribute enthalten Datentypen mit exakter Länge und Genauigkeiten.
• Bei der logischen Datenmodellierung ist kein Primär- oder Sekundärschlüssel definiert. Auf dieser Ebene der Datenmodellierung müssen die Konnektordaten überprüft und optimiert werden, die vor der Definition der Beziehungen festgelegt wurden.
• Ein logisches Datenmodell ist wie eine grafische Darstellung der Informationsanforderungen eines Geschäftsbereichs. Es ist selbst kein Datenbank- oder Datenbankmanagementsystem.
• Ein logisches Datenmodell ist unabhängig von jedem Datenspeichergerät wie einem Dateisystem.
• Ein logisches Datenmodell muss technologieunabhängig konzipiert sein, um nicht von den schnellen technologischen Veränderungen betroffen zu sein.

Die Details der logischen Datenmodellierung

Kurz gesagt: Ein Datenmodell besteht aus einer Reihe von Datenspezifikationen und Diagrammen zur Erläuterung der Datenanforderungen und der zugehörigen Designs. Im Allgemeinen gibt es drei Arten von Datenmodellierungstypen und -aktivitäten:

Konzeptionelles Datenmodell

Dieses Datenmodell definiert im Wesentlichen, was das System inhärent enthält. Stakeholder des Unternehmens und Datenarchitekten sind in der Regel diejenigen, die konzeptionelle Datenmodelle mit der Absicht erstellen, verschiedene Geschäftskonzepte und Regeln zu organisieren, zu definieren und ihre Parameter oder ihren Umfang festzulegen.

Logisches Datenmodell

Ein logisches Datenmodell dient dazu, festzulegen, wie ein System unabhängig vom verwendeten Datenbankmanagementsystem implementiert werden muss. Datenarchitekten und Geschäftsanalysten sind normalerweise die Schöpfer eines logischen Datenmodells. Das Ziel der Erstellung eines logischen Datenmodells ist die Entwicklung einer hochtechnischen Abbildung der zugrunde liegenden Regeln und Datenstrukturen.

Physisches Datenmodell

Das physische Datenmodell bezieht sich auf die Art und Weise, wie das System implementiert wird, und berücksichtigt das spezifische Datenbankmanagementsystem. Dieses Modell wird normalerweise von Entwicklern erstellt. Die Idee ist eher zu definieren, wie die tatsächliche Datenbank für geschäftliche Zwecke verwendet oder implementiert wird.

Im Allgemeinen sind sowohl die konzeptionelle Datenmodellierung als auch die logische Datenmodellierung Aktivitäten der „Anforderungsanalyse“, während die physische Datenmodellierung als Designtätigkeit betrachtet wird.

Ein logisches Datenmodell dient als Grundlage für ein physisches Datenmodell, das Geschäftsanforderungen berücksichtigt und Metadaten sammelt. Die logische Datenmodellierung kann mithilfe von Standardtechniken und Datenmodellierungsnotationen durchgeführt werden.

Datenmodellierung ist eine Aktivität, die darauf abzielt, die Datensemantik zu organisieren, Daten zu beschreiben und die Konsistenzgrenzen von Daten anzugehen. Sie kann mit einer Zeichnung oder einem Gebäudeplan eines Architekten verglichen werden, der die Grundlage für die konzeptionelle Modellierung bildet und die Beziehungen zwischen verschiedenen Datenkomponenten festlegt.

Datenmodellierungstechniken lassen sich in eine von zwei Kategorien einteilen:

1. Entity-Relationship-Mode (E-R-Modell)
2. UML (Einheitliche Modellierungssprache)

Die logische Datenmodellierung gehört zum Entity-Relationship-Modell, das mithilfe eines Entity-Relationship-Diagramms (bekannt als ERD) erstellt wurde, einer Standardmodellierungstechnik, die von Datenmodellierern weltweit als Kommunikationstool verwendet wird. Darin enthalten sind die vollständigen Geschäftsanforderungen, jedoch keine technischen Komponenten.

Vorteile eines logischen Datenmodells

• Da die Daten im Laufe der Zeit stabil bleiben, ist ein logisches Datenmodell auch stabil und für die Wiederverwendung von Daten und den physischen Datenaustausch sehr förderlich, was letztendlich zu einer geringeren Speicherung redundanter Daten führt.
• Komponenten eines logischen Datenmodells können recycelt, wiederverwendet und angepasst werden, da immer mehr Teams ihre (sich oft ändernden) Bedürfnisse berücksichtigen.
• Die mit dem Aufbau und der Pflege eines logischen Datenmodells verbundenen Kosten werden langfristig durch die Vorteile ausgeglichen, die angeboten werden, nicht zuletzt durch die Identifizierung und Integration aller Geschäftsanforderungen und -regeln von Anfang an.
• Komponenten des Erstellungsprozesses, nämlich Design, Codierung, Testen und Bereitstellung, werden schneller als direkte Folge der Integration und Klärung von Geschäftsregeln.
• Wenn ein logisches Datenmodell vorhanden ist, ist es einfacher und damit kostengünstiger, Änderungen vorzunehmen, Fehler zu korrigieren oder fehlende Daten während des Entwicklungszyklus vor der Implementierung einzugeben.
• Benutzeranfragen für Änderungen können durch proaktive Maßnahmen minimiert werden.
• Logische Datenmodelle können für die Auswirkungsanalyse verwendet werden, da jeder einzelne Geschäftsprozess mit allen Regeln darin verbunden ist.
• Da Objekte im logischen Datenmodell Textdefinitionen in der Geschäftssprache tragen, erleichtert es die Verwaltung und den Zugriff auf die Systemdokumentation.

Was passiert, wenn ein logisches Datenmodell nicht entwickelt wurde?

Einfach ausgedrückt: Es kann Probleme geben. Benutzer können sich von Prozessen und Aktivitäten mitreißen lassen, wenn sie nicht daran erinnert werden, Daten und nicht Technologie als Hauptbestandteil bei der Entwicklung eines neuen Systems hervorzuheben. Beim Entwurf eines Datenmodells, das ausschließlich auf physischen Arbeitsabläufen basiert, werden wichtige Geschäftsanforderungen nicht berücksichtigt.

Tabellen und Dateien, die Designer erstellen, ohne dass die Datenelemente gemäß den Geschäftsanforderungen dargestellt sind, sind in der Regel schlecht organisiert und haben keine solide zugrunde liegende Struktur. Das Erkennen und der Versuch, zusätzliche Datenelemente aus Bildschirm- oder Berichtslayouts während des Codierens, Testens oder sogar während der Bereitstellung zu berücksichtigen, müssen Entwickler reaktiv und nicht proaktiv sein. Das Ergebnis ist ein schwer zu bedienendes oder zu pflegendes Mischgebilde voller Fehler oder überflüssigem Text, ohne Systemdokumentation, zeitraubend und möglicherweise unbrauchbar.

Da das logische Datenmodell die Struktur der Datenelemente auf der Grundlage grundsätzlicher Geschäftsanforderungen sowie der Beziehungen zwischen ihnen definiert, bedeutet ein fehlendes logisches Datenmodell viele verpasste Möglichkeiten zur Verbesserung der Geschäftsprozesse. Entwickler automatisieren einfach vorhandene Verfahren oder erstellen Altsysteme auf einer neueren technologischen Plattform neu, die möglicherweise veraltet ist.

Durch die Anwendung der logischen Datenmodellierung können Datenanalysten unabhängig von der neuesten Technologie denken und sich auf die Verbesserung der Geschäftsprozesse konzentrieren.

Daher muss ein logisches Datenmodell zu einem unverzichtbaren und unauslöschlichen Bestandteil jedes Anwendungsentwicklungsprojekts gemacht werden. Dies ist ein wichtiger Schritt, der idealerweise dem Datenbankdesign vorausgehen sollte.