为什么要数据建模

『壹』 为什么要建立数据模型

问题一：数据模型的含义是什么？为什么要建立数据模型 模型是对现实世界的抽象。在数据库技术中，表示实体类型及实体类型间联系的模型称为“数据模型”。 数据模型是数据库管理的教学形式框架，是用来描述一组数据的概念和定义，包括三个方面： 1、概念数据模型（Conceptual Data Model）：这是面向数...

问题二：金融为什么要建立数学模型 否则呢？分析数据不用数学模型去拟合，难道凭空猜吗？

问题三：创建模型对象时传入的数据为什么后面还要重写 那叫对象关系数据库映射。Hibernate的原理..核心部分. 对象关系映射（ORM）提供了概念性的、易于理解的模型化数据的方法。ORM方法论基于三个核心原则： 简单：以最基本的形式建模数据。 传达性：数据库结构被任何人都能理解的语言文档化。 精确...

问题四：数据库的开发过程中主要有哪三种数据模型 一般一种数据库对应一种数据模型，所以正确的提法是：数据库中数据模型主要有哪些模型吧？
我猜你是接下来要考《数据库概论》吧，呵呵！以我的经验来看，数据库考的话，这类问题顶多出个选择题或者填空题，就算考“这些模型的特点是什么？”也应该不会是简答题，考你些干条条，毕竟“数据库”不是‘大学思想政治课’。
这应该是《数据库概论（第四版）》中第一章绪论里面的知识，绪论算是基础篇里的概论，应该说都是些前导概念吧，这些概念的实际应用是在后续章节中展开的，所以这些了解了解就可以了。
数据模型主要有哪些模型？
答：模型：对现实世界中某个对象特征的模拟和抽象。
【了解】
两大类数据模型：
数据模型分为2类（分属2个不同的层次，在开发和使用数据库中使用不同的模型）
①概念模型，也称信息模型，它是按用户的观点来对数据和信息建模，用于数据库友码设计。
②逻辑模型和物理模型，
逻辑模型主要包括：网状模型、层次模型、关系模型、面向对象模型等，按计算机系统的观点对数据建模，用于DBMS实现。
物理模型，是对数据最底层的抽象，描述数据在系统内部的表示方式和存取方法，在磁盘或磁带上的存储方式和存取方法。
概念模型：信息世界中的基本概念。
用途：数据库设计人员和用户之间进行交流的语言。所以，这个了解就可以了；但要考E-R图！
最常用的数据模型：非关好亮哪系模型，有层次模型和网状模型；关系模型；面向对象模型、对象关系模型。
――――――――――――――――――――――――――――――――――――――――――
【掌握】
层次模型：用“树形结构”来表示各类实体以及实体间的联系。
特点：结点的双亲是唯一的；只能直接键世处理一对多的实体联系；每个记录类型可以定义一个排序字段，也称为：码字段；任何记录值只有按其路径查看时，才能显示它的全部意义；没有一个子女记录值能够脱离双亲记录值而独立存在。
网状模型：满足下面2个条件的基本层次联系的 *** ：①允许一个以上的结点无双亲②一个结点可以有多于一个的双亲。
特点：优点，能够更为直接地描述现实世界，如一个结点可以有多个双亲；具有良好的性能，存取效率较高。
缺点，结构比较复杂，而且随着应用环境的扩大，数据库的结构就变得越来越复杂，不利于最终用户掌握；DDL、DML语言复杂，用户不容易使用。
关系模型：在“用户观点”下，关系模型中数据的逻辑结构是一张二维表，它由行和列组成。
特点：优点，建立在严格的数据概念的基础上；概念单一（实体和各类联系都用关系来表示；对数据的检索结果也是关系）；关系模型的存取路径对用户透明（具有更高的数据独立性，更好的安全保密性；简化了程序员的工作和数据库开发建立的工作）。
缺点，存取路径对用户透明导致查询效率往往不如非关系数据库；为提高性能，必须对用户的查询请求进行优化，增加了开发DBMS的难度。

问题五：为什么需要用户角色模型 最近，我自己一直在做一些活动页面和移动端游戏，我渐渐意识到角色模型的重要性。角色模型，是设计产品时的指路灯，是产品经理和交互设计师的设计参考。 创建角色模型，是在剥皮(就像剥洋葱一样，虽然会流泪，但洋葱的味道还是不错的)吗?是的，我们需要剥出用户的灵魂，然后再为这些灵魂赋予血肉，穿上外衣(人口统计学特征)。这样的话，我们会感觉用户就在我们身边，生动形象，印象深刻。仅仅剥皮是不够的，我们还需要总结归类，了解用户的目标、观点和行为，发现用户间的差异和共同点。 按用户研究类型和分析方法的不同，创建角色模型有三种方法：定性人物角色、经定量验证的定性人物角色和定量人物角色。结合阿里巴巴中文站交易线用户角色模型项目，对以下创建方法进行分析： 研究方法也有很多，常用的方法有：调查问卷、用户访谈、现场观察、可用性测试、数据分析、网站流量/日志分析。交易线项目中，访谈、调查问卷和数据分析有利于发现用户的目标和观点;现场观察、网站流量/日志分析有利于了解用户的行为。 在创建角色模型的过程中，经常会遇到以下几个问题： 1. 怎么利用数据进行细分?怎么看数据的规律? 从数据中找出纬度差异，并找出造成这种差异的所有相关因素。 2. 怎么设计调查问卷?有何纬度? 按交易整个流程订单-管理-支付-物流和产品维度(考虑用户实际操作流程)。 3. 怎么写深访提纲? 了解用户的哪些信息，参考用户角色划分维度问卷。 4. 怎么进行CRM分析?见相关专题 5. 怎么进行交叉表分析?见相关专题 6. 怎么细分用户? 一般来说，按用户目标细分、按使用周期来细分、用行为和观点的组合来细分。在交易线人物角色项目中，细分角色是按照驱动用户目标、行为和观点产生差异的关键因素， 如：货物来源不同，购物动机不同。 7. 怎么初步检验细分纬度? 细分群体可以解释已知的关键差异，如：买房目标(二手房用户和新房用户)不同，可以解释关键字搜索使用存在的差异);细分群体应该在决定功能设计、交互设计和草图方面起决定性作用。 6. 定量验证都有哪些方法? 数据交叉Tab分析(CRM分析、定量问卷、网站流量/日志分析)、统计式的分析。 7. 人物角色需要哪些特征? 参考角色模型参数，人物角色是由目标、行为和观点来驱动的，而非一些简单的人口统计特征。 8. 人物角色模型的使用? 开发新功能及功能改进(了解用户需求)，交互设计细节(了解用户习惯)。 创建角色模型时，需要学习的相关专题： 1. CRM数据分析 将某个用户的历史记录和价值与他的调查问卷绑定在一起，寻找内在关联从而更好的定义或描述人物角色。其包括：交易记录、财务数据和人口统计信息三类数据。 交易记录，显示了用户购买过哪些产品或服务，购买频率，这将强烈影响网站的目标和行为，可作为用户细分的依据之一。财务数据，使用数字来测量不同人物角色的财务价值，也就能帮助确定各个人物角色的优先级别。财务数据可以与用户调研问卷关联在一起。人口统计信息，对于人物角色创建没有很大决定意义，人物角色是由目标、行为和观点驱动的。 2. 网站流量分析 两种方式：a. 寻找其决定作用的行为模式，分析数据，力图使数据结果和细分群体行为联系起来。b. 把个别用户的点击流和他回复的问卷绑定在一起，进一步详细分析。探索用户的......>>

问题六：为什么要使用数据库 当人们从不同的角度来描述这一概念时就有不同的定义(当然是描述性的)。例如，称数据库是一个记录保存系统(该定义强调了数据库是若干记录的 *** )。又如称数据库是人们为解决特定的任务，以一定的组织方式存储在一起的相关的数据的 *** (该定义侧重于数据的组织)。更有甚者称数据库是一个数据仓库。当然，这种说法虽然形象，但并不严谨。严格地说，数据库是按照数据结构来组织、存储和管理数据的仓库。在经济管理的日常工作中，常常需要把某些相关的数据放进这样仓库，并根据管理的需要进行相应的处理。例如，企业或事业单位的人事部门常常要把本单位职工的基本情况(职工号、姓名、年龄、性别、籍贯、工资、简历等)存放在表20.6.3中，这张表就可以看成是一个数据库。有了这个数据仓库我们就可以根据需要随时查询某职工的基本情况，也可以查询工资在某个范围内的职工人数等等。这些工作如果都能在计算机上自动进行，那我们的人事管理就可以达到极高的水平。此外，在财务管理、仓库管理、生产管理中也需要建立众多的这种数据库，使其可以利用计算机实现财务、仓库、生产的自动化管理。
J.Martin给数据库下了一个比较完整的定义：数据库是存储在一起的相关数据的 *** ，这些数据是结构化的，无有害的或不必要的冗余，并为多种应用服务；数据的存储独立于使用它的程序；对数据库插入新数据，修改和检索原有数据均能按一种公用的和可控制的方式进行。当某个系统中存在结构上完全分开的若干个数据库时，则该系统包含一个数据库 *** 。
? 数据库的优点
使用数据库可以带来许多好处：如减少了数据的冗余度，从而大大地节省了数据的存储空间；实现数据资源的充分共享等等。此外，数据库技术还为用户提供了非常简便的使用手段使用户易于编写有关数据库应用程序。特别是近年来推出的微型计算机关系数据库管理系统dBASELL，操作直观，使用灵活，编程方便，环境适应广泛(一般的十六位机，如IBM/PC/XT，国产长城0520等均可运行种软件)，数据处理能力极强。数据库在我国正得到愈来愈广泛的应用，必将成为经济管理的有力工具。
数据库是通过数据库管理系统(DBMS-DATA BASE MANAGEMENT SYSTEM)软件来实现数据的存储、管理与使用的dBASELL就是一种数据库管理系统软件。
? 数据库结构与数据库种类
数据库通常分为层次式数据库、网络式数据库和关系式数据库三种。而不同的数据库是按不同的数据结构来联系和组织的。
1.数据结构模型
(1)数据结构
所谓数据结构是指数据的组织形式或数据之间的联系。如果用D表示数据，用R表示数据对象之间存在的关系 *** ，则将DS＝(D，R)称为数据结构。例如，设有一个电话号码簿，它记录了n个人的名字和相应的电话号码。为了方便地查找某人的电话号码，将人名和号码按字典顺序排列，并在名字的后面跟随着对应的电话号码。这样，若要查找某人的电话号码(假定他的名字的第一个字母是Y)，那么只须查找以Y开头的那些名字就可以了。该例中，数据的 *** D就是人名和电话号码，它们之间的联系R就是按字典顺序的排列，其相应的数据结构就是DS＝(D，R)，即一个数组。
(2)数据结构种类
数据结构又分为数据的逻辑结构和数据的物理结构。数据的逻辑结构是从逻辑的角度(即数据间的联系和组织方式)来观察数据，分析数据，与数据的......>>

问题七：django都要创建数据模型有什么用 django都要创建数据模型有什么用
模型有两个方面的作用
一方面决定所创建*数据库*的结构
有哪些字段，每一个字段是什么数据类型，是否可以为空null=True
另一方面决定程序如何操作数据库的数据
URL类型，在*网页输入*时需要检查是否满足超链接的条件
blank=True决定在网页输入数据时是否可以为空
而在程序中写入数据时则不检查
并非约束数据的结构
一句话来说，blank是对用户输入的限制，null是对程序/数据库的限制

问题八：实证分析怎么做？！需要什么数据啊？！建立模型什么的该怎么弄啊？！ 5分 灯管寿命取决于镇流器，镇流器不好，再好的灯管也不长寿，如果阀流器跟灯管匹配好，带预热功能，即使市场上一般3-5元的灯管也可以用5年不坏。

问题九：为什么在创建数据透视表时，Excel2013无法勾选“将此数据添加到数据模型？ 10分 请检查第一行是否有合并单元格,空白单元格 合并单元格,如果有以上内容 可能会有错误

『贰』 数学建模的目的是什么

数学建模就是根据实际问题来建立数学模型，对数学模型来进行求解，然后根据结果去解决实际问题。

当需要从定量的角度分析和研究一个实际问题时，人们就要在深入调查研究、了解对象信息、作出简化假设、分析内在规律等工作的基础上，用数学的符号和语言作表述来建立数学模型。

数学建模就是建立数学模型，建立数学模型的过程就是数学建模的过程。数学建模是一种数学知渣饥的思考方法，是运用数学的语言和方法，通过抽象、简化建立能近似刻画并"解决"实际问题的一种强有力的数学手段。

(2)为什么要数据建模扩展阅读：

从基本物理定律以及系统的结构数据来推搭返导出模型。

1. 比例分析法--建立变量之间函数关系的最基本最常用的方法。

2. 代数方法--求解离散问题(离散的数据、符号、图形)的主要方法。

3. 逻辑方法--是数学理论研究的重要方法梁知，对社会学和经济学等领域的实际问题，在决策，对策等学科中得到广泛应用。

4. 常微分方程--解决两个变量之间的变化规律，关键是建立"瞬时变化率"的表达式。

5. 偏微分方程--解决因变量与两个以上自变量之间的变化规律。

从大量的观测数据利用统计方法建立数学模型。

1. 回归分析法--用于对函数f(x)的一组观测值(xi, fi)i=1,2…n，确定函数的表达式，由于处理的是静态的独立数据，故称为数理统计方法。

2. 时序分析法--处理的是动态的相关数据，又称为过程统计方法。

3. 回归分析法--用于对函数f(x)的一组观测值(xi, fi)i=1,2…n，确定函数的表达式，由于处理的是静态的独立数据，故称为数理统计方法。

4. 时序分析法--处理的是动态的相关数据，又称为过程统计方法。

『叁』 数据模型的含义是什么为什么要建立数据模型

数据模型（Data Model）是数据特征的抽象。数据（Data）是描述事物的符号记录，模型（Model)是现实世界的抽象专。数属据模型从抽象层次上描述了系统的静态特征、动态行为和约束条件，为数据库系统的信息表示与操作提供了一个抽象的框架。数据模型所描述的内容有三部分：数据结构、数据操作和数据约束。

(3)为什么要数据建模扩展阅读：

数据模型所描述的内容包括三个部分：数据结构、数据操作、数据约束。

1、数据结构:数据模型中的数据结构主要描述数据的类型、内容、性质以及数据间的联系等。数据结构是数据模型的基础，数据操作和约束都建立在数据结构上。不同的数据结构具有不同的操作和约束。

2、数据操作:数据模型中数据操作主要描述在相应的数据结构上的操作类型和操作方式。

3、数据约束：数据模型中的数据约束主要描述数据结构内数据间的语法、词义联系、他们之间的制约和依存关系，以及数据动态变化的规则，以保证数据的正确、有效和相容。

『肆』 数据建模是什么意思

数据建模是什么意思介绍如下：

分类

1、使用计算机描述一个系统的行为。例如，电子表格程序可以用来处理财务数据，代表公司的行为；开发商业计划；评估公司经营改变可能造成的影响。

2、使用计算机以数学方法描述物体和它们之间的空间关系。例如，计算机辅助设计 (CAD) 程序可在屏幕上生成物体，使用方程式产生直线和形状，依据它们相互之间及与所在的二维或三维空间的关系精确放置。

3、应用程序和数据建模是为应用程序确定、记录和实现数据和进程要求的过程。这包括查看现有的数据模型和进程，以确定它们是否可被重复使用，并创建新数据模型和进程，以满足应用程序的独特要求。

『伍』 什么是数据库建模，为什么要数据库建模，有什么好处

你伏弊说的答案不对，我们经理说数据库建模是指把实际业务逻辑抽离出来，从而变成与数据缺档族库表对应的蠢银表结构！所以不能给你分，我自己拿回来了。

『陆』 什么是数据建模

数据建模是一个用于定义和分析在组织的信息系统范围内支持商业流程所需的数据要求的过程。简单来说，数据建模是基于对业务数据的理解和数据分析的需要，将各类数据进行整合和关联，使得数据可以最终以可视化的方式呈现，让使用者能够快速地、高效地获取到数据中有价值的信息，从而做出准确有效的决策。

之所以数据建模会变得复杂且难度大，是因为在建模过程中会引入数学公式或模型，用于确定数据实体之间的关联关系。不同的业务逻辑和商业需求需要选择不同的数学公式或模型，而且，一个好的数据模型需要通过多次的测试和优化迭代来完成，这就使得数据建模的难度变得很高。但是，数据分析中的建模并没有想象中的那么高深莫测，人人都可以做出适合自己的模型。

数据建模总归是为了分析数据从而解决商业问题。如下图数据建模的流程图，数据建模核心部分是变量处理和模型搭建。

• 变量处理

在建模之前，首先要决定选择哪些变量进行建模，主要从业务逻辑和数据逻辑两方面来考虑。业务逻辑需要了解数据来源的背景，通过了解业务知识来判断哪些变量在业务上很有价值的，哪些变量是可以选择的。数据逻辑则是从数据的完整性，集中度，是否与其他变量强相关等角度来考虑。

除了选择变量，对于一些变量的重构也是需要在建模前进行。例如客户的满意度有“满意”“不满意”，可以将其重构成数字“0”和“1”，便于后续建模使用。除此以外，还有将变量单独计算（取平均值）和组合计算（如A*B）也是常用的重构方法，例如，缺失值以数据取平均值的方式替换。

• 模型搭建

在模型搭建时，会经历选择算法、设定参数、加载算法、测试结果四个过程。在这个过程中，测试结果会引导调整之前设定的参数，加载算法会对应调整之前选择的算法，而选择算法时会考虑到已定的变量，如果变量不满足算法要求，还需回到选择/重构变量，直至得到最合适的模型。

在优化模型的过程中，模型的解释能力和实用性会不断地提升。在结果输出之后，还需接收业务人员的反馈，看看模型是否解决了他们的问题，如果没有，还需进一步修改和调整。

MicroStrategy在数据领域深挖企业需求，经过多年的研究和沉淀，结合众多复杂的应用场景，不断更新体验，深入开发各种数据辅助功能，使客户可以一站式链接各类型数据资源，完成数据导入和数据建模。在MicroStrategy 平台中，既支持传统方式数据建模，即通过Project Schema 来进行建模，又支持自助式数据导入的建模方式。

『柒』 为什么要进行数据建模 如果不定义数据字典

能够促进业务与技术进行有效沟通，形成对主要业务定义和术语的统一认识，具有跨部门、中性的特征，可以表达和涵盖所有的业务。
无论是操作型数据库，还是数据仓库都需要数据模型组织数据构成，指导数据表设计。
数据建模至关重要。数据建模过程需要专业的建模人员，业务人员以及潜在信息系统的用户紧密工作在一起。数据建模是认识数据的过程，数据模型是数据建模的输出模型有很多种，例如企业数据模型，物理模型，逻辑模型，业务模型，数据使用模型等等。

『捌』 为什么使用数据库建模工具

数据库建模工具与数据库管理系统应该还是有所区别的吧？
很多人在进行数据库设计的时候，还是喜欢使用word文档的格式设计好数据库结构以后，再进行物理数据库的创建；而真正使用数据库建模工具进行数据库设计的就很少了；如果你讯问那些不愿意使用数据库建模工具的人为什么的话，我想他们一般会给你下面几个答案：
1.数据库结构不复杂，没必要使用建模工具。
2.建模工具使用起来比较麻烦，不现实。
3.我们公司有专门的数据库文档格式，恐怕建模工具没法生成合适的文档。
对于以上答案，我认为都不成立，是因为对建模工具的误解造成的。
以powerdesign为例，对于上述答案可以一一回应。
一些人想当然的认为，使用建模工具必需进行复杂的数据分析等工作，其实这是个误解；数据库建模工具当然有一部分这个能力，但不是重要的，甚至不是必需的。你完全可以把目光集中在数据库的设计上，只需建立起各个实体及他们的关系，这个工作就算完成了，建立实体时，实体的属性就是表的各个字段，实体之间的关系就是表与表之间的关系，这个过程的字符输入量决不大于你使用word的输入量；而且，当你对建模工具象对word一样熟练以后，这个过程所花费的时间还要小于你用word设计数据库的时间。更重要的是，只要这一步完成，你就可以直接生成创建数据库的sql代码，或者让建模工具和数据库建立连接，这样就可以随时通过更改实体及他们之间的关系来直接更改数据库结构了。而传统的使用word的方式，你必需在建立数据库时，把字段名称和类型重新再敲上一遍，而且为了保证这个过程建立的数据库和原来你用word设计的数据库结构的一致性，你必需付出额外的劳动。更糟的是，如果你改变了数据库，比如从sqlserver换成了oracle，恐怕花费的精力就更多了。而数据库建模工具就没有这个缺点，应为它是和数据库平台无关的，所以可以简单的移植到不同的数据库平台。
而且，数据库建模工具大部分都是图形界面的，这更有利与实体关系的建立，至少比文字方式要直观、简练，现在你建立一个主外键之间的关系只需托放一个控件，再做几下选择就可以了。
数据库建模工具还支持强大的数据导出功能，能够生成完全自定义格式的超文本或word文档，可以满足你想要的输出格式，而且这个操作也不复杂，可以这么说吧，至少俺见过的数据文档格式，使用powerdesigner都可以导出。
还有更让你想不到的好处，现在很多数据库建模工具都支持代码生成功能，可以生成一些基本的数据操作代码，而且支持多种语言，比如powerdesigner就支持.net、java、pb、delphi等各种语言。
想象一下，你只需付出比用word设计数据库结构更少的精力和时间，就可以得到跨平台、一致性好、图形界面、格式自由还外带代码生成功能的超级便利，为什么还不用它呢？
（资料来源于http://www.sawin.cn/doc/SD/Database/ermodel.htm）

用实体关系图进行数据库建模 可参考http://www.sawin.cn/doc/SD/Database/ermodel.htm

『玖』 数据建模目的

目的：有序、有结构的分类组织和存储

数据模型和表的区别：

模型在性能、成本、效率、质量之间达到最好的烂销平衡（成本和效率比较重要）

OLTP：业务系统， 遵循范式等，ER模型
OLAP：决策类系统， 通过对业务系统数据的再分析，将销历运数据回流到业务系统再决策， 维度建模

ER模型：对于3NF要求很高
维度模型亏梁： 允许相对比较多的数据冗余， 可以基于维度和事实两个角度去分析

『拾』 什么是数据建模数据建模有什么优点和缺点

数据建模是使组织能够通过直观的图形界面发现、设计、可视化、标准化和部署高质量数据资产的过程。数据模型提供可视化，创建其他元数据并标准化整个企业中的数据设计。

数据建模的优点就是：可以引用虚拟数据库里的元素，这样做可以降低开发的难度，因为不用要求开发人员了解数据结构就能开发了，变相的也提高了开发效率，其二是将业务层与物理层，即需求和存储切分开来，使系统的架构更易读、合理。缺点是：因为多了一层，所以在系统运行时会多一层解析，理论上说会降低系统的速度，但实际上也影响不大，其二是这种手段适用于大中型系统的开发，对数据结构简单，就用到几张数据库表的小系统而言，难免会有些画蛇添足。

更多关于数据建模信息，可咨询CDA数据分析师。CDA数据分析师项目以调动学员数据挖掘实用能力的场景式教学为主，在讲师设计的业务场景下由讲师不断提出业务问题，再由学员循序渐进思考并操作解决问题的过程中，帮助学员掌握真正过硬的解决业务问题的数据挖掘能力。这种教学方式能够引发学员的独立思考及主观能动性，学员掌握的技能知识可以快速转化为自身能够灵活应用的技能，在面对不同场景时能够自由发挥。点击预约免费试听课。