什么是逻辑数据模型？
逻辑数据模型建立数据元素的结构以及其之间的关系。它独立于详细说明数据将如何实现的物理数据库。逻辑数据模型用作已用数据的蓝图。逻辑数据模型通过向概念数据建模的元素添加更多信息，使其得到进一步发展。
逻辑数据模型包含了在日常业务运行中至关重要的所有信息元素。
逻辑数据模型的组成部分
逻辑数据模型有三个主要组成部分：
- 实体：每个实体代表与企业相关的一组事物、人员或概念
- 关系：每个关系代表上述两个实体之间的关联
- 属性：每个属性都是描述性的片段、特征或任何其他有助于进一步描述实体的信息
逻辑数据模型的每个组成部分都有一个名称和一个文本定义。它们用于持续记录业务规则并概述信息需求。但是，上述组成部分仅限于对业务需求的描述。如何处理、实施或存储上述业务需求不在考虑范围之内。
对逻辑数据模型的需求
鉴于数据体现了任何应用程序、程序或系统中最至关重要的方面，因此高质量的数据处理和存储系统必须建立在强大而准确的基础数据结构之上。健全的数据结构使应用程序开发人员可以自由地设计最佳的用户界面、处理系统或者统计分析和报告设置。
无论您的系统设计多巧妙或技术型多强，它都必须满足要求、遵守规则，并为构建它的业务或企业目的而服务，否则就没有实际用处。因此，逻辑数据建模汇集了应用程序开发的两部分最重要的基础知识：
- 业务要求
- 质量数据结构
逻辑数据模型的特征
以下是逻辑数据模型最重要的特征：
- 逻辑数据模型可以描述每个项目的数据需求。但是，如果项目需要，它可以与其他逻辑数据模型无缝集成。
- 逻辑数据模型可以独立于数据库管理系统开发和设计。数据库管理系统的类型对其影响不大。
- 数据属性包含具有精确长度和精度的数据类型。
- 在逻辑数据建模中，没有定义主键或次键。在数据建模的这一级别，需要验证和调整在定义关系之前设置的连接器详细信息。
- 逻辑数据模型类似于用图形表示业务领域的信息需求。它本身不是数据库或数据库管理系统。
- 逻辑数据模型独立于任何物理数据存储设备，例如文件系统。
- 逻辑数据模型的设计必须独立于技术，以免受到技术快速变化的影响。
逻辑数据建模的细节
简而言之，数据模型是一组与解释数据要求和相关设计有关的数据规范和图表。一般来说，有三种类型的数据建模类型和活动：
概念数据模型
这种数据模型基本上定义了系统固有的内容。业务利益相关方和数据架构师通常是创建概念数据模型的人，意图组织和定义各种业务概念和规则，并设置其参数或范围。
逻辑数据模型
逻辑数据模型用于定义系统的实现方式，无需考虑使用的数据库管理系统。数据架构师和业务分析师通常是逻辑数据模型的创建者。创建逻辑数据模型的目标是为基础规则和数据结构制定一个高度技术性的映射。
物理数据模型
物理数据模型与系统的实施方式以及特定数据库管理系统中的因素有关。此模型通常由开发人员创建。主要是为了定义如何将实际数据库用于或实现业务目的。
一般来说，概念数据建模和逻辑数据建模都是 “需求分析” 类型的活动，而物理数据建模则被视为设计活动。
逻辑数据模型是物理数据模型的基础，它结合了业务需求并收集了元数据。逻辑数据建模可以使用标准技术和数据建模符号来完成。
数据建模是一项旨在组织数据语义、描述数据和解决数据一致性限制的活动。它可以比作建筑师的绘图或建筑示意图，它们构成了概念建模的基础，并建立了各种数据组件之间的关系。
数据建模技术属于以下一类：
- 实体关系 (E-R) 模型
- UML（统一建模语言）
逻辑数据建模属于实体关系模型，使用实体关系图（称为 ERD）构建，实体关系图是一种标准建模技术，全球的数据建模人员将其用作通信工具。其中包含一整套业务需求，但不包括技术组件。
逻辑数据模型的优势
- 由于数据随着时间的推移保持稳定，逻辑数据模型也是一种稳定的模型，非常有利于数据重用和物理数据共享，最终减少用于冗余数据的存储。
- 随着越来越多的团队权衡自己的（通常是变化的）需求，逻辑数据模型的组件可以被回收、重复使用和调整。
- 从长远来看，构建和维护逻辑数据模型所带来的优势抵消了与构建和维护逻辑数据模型相关的成本，尤其是从一开始就确定和整合所有业务需求和规则。
- 构建过程的各个组成部分，即设计、编码、测试和部署，因业务规则的集成和明确直接提升了速度。
- 有了逻辑数据模型，在实施之前的开发生命周期中，更改、纠正错误或输入缺失的数据更加便捷，因此更经济高效。
- 通过积极主动，可以最大限度地减少用户的更改请求。
- 逻辑数据模型可用于影响分析，因为每个业务流程和规则都在其中相互关联。
- 由于逻辑数据模型中的对象带有业务语言的文本定义，因此可以更轻松地维护和访问系统文档。
如果不开发逻辑数据模型会发生什么？
简而言之，可能存在问题。如果不提醒用户在设计新系统时将数据而不是技术作为关键要素，他们可能会被流程和活动所困扰。纯粹基于物理工作流程设计数据模型会错过代表关键业务需求的机会。
设计人员创建的图表和文件没有根据业务需求包括数据元素，往往会组织不当，并且缺乏健全的底层结构。在编码、测试甚至部署过程中，发现并尝试从屏幕或报表布局中考虑额外数据元素，这迫使开发人员被动操作，无法主动去做。输出是一个难以操作或维护的混搭实体，充满错误或多余的文本，缺少系统文档，耗时且可能无法使用。
由于逻辑数据模型根据基本业务需求以及其之间的关系来定义数据元素的结构，因此，没有适当的逻辑数据模型意味着错过了很多改进业务流程的机会。开发人员最终只能自动执行现有程序，或者在新的技术平台上重新创建可能最终过时的原有系统。
通过应用逻辑数据建模，数据分析师可以不考虑最新技术，独立进行思考，并专注于改进业务流程。
因此，逻辑数据模型必须成为每个应用程序开发项目中至关重要且不可磨灭的组成部分。这是理想情况下应先于数据库设计的重要步骤。