Objectifs:
La Modélisation des Données est le processus de découverte, d’analyse et d’etude des exigences des données et leur suivante composante fondamentale de la gestion des donnèes. le processus de modélisation exige que les organisations découvrent et documentent la manière dont les données se conjuguent entre elles. Le modèle de donnèes décrivent et permettent à une organisation de comprendre les donnèes.
L’objectif de la Modélisation des Données est de confirmer et de documenter la compréhension des différent point de vue, ce qui conduit à des applications qui s’alignent plus strictement aux besoins actuels et futurs de l’enterprise et créer une base pour accomplir avec succès des vastes initiatives comme le Master Data Management et les programmes de Gouvernance des données. Une Modélisation des Données appropriée permet de réduire les coûts de support et d’augmenter les possibilités de réutilisation pour des initiatives futures, réduisant ainsi le coût de développement de nouvelles applications.
Activitées menées par notre Équipe:
Plan de Modélisation des Données
Un plan de modélisation des données contient des activités telles que l’évaluacion des exigences organisationnelles, la création de normes et la déterminacion du stockage des modèles des données. Les deliverables de modélisation des données incluent les suivantes:
- Diagramme
- Définitions
- Problèmes et questions en suspens
- Lineage
Creation du Modèle de données
Les modelers s’appuient souvent sur de travaux d’analyse et de modélisation antérieurs pour construir des modèles. Ils peuvent étudier les modèles de données et les bases de données existants, se référer aux normes publiées et intégrer toutes les exigences en matière de données. Après avoir étudié ces données, ils commencent à construire le modèle. La modélisation est un processus hautement itératif.
Révision des Modèles de données
Comme dans d’autres domaines TI, les modèles nécessitent un contrôle de qualité. Des pratiques d’amélioration constante doivent être mises en œuvre. Des techniques telles que le time-to-value, les coûts de support et les validateurs de la qualité du modèle de données, comme le Data Model Scorecard, peuvent être utilisées pour évaluer l’exactitude, l’exhaustivité et la cohérence du modèle. Une fois terminés, ils deviennent des outils très utiles pour tous ceux qui ont besoin de comprendre le modèle, des analystes commerciaux aux développeurs.
Gestion des modèles de données
Une fois créés, les modèles de données doivent être tenus à jour. les mises à jour des modèles de données doivent être effectuèes lorsque les exigences changent et fréquentement lorsque les processus d’enterprise changent. Dans le cadre d’un projet spécifique lorsque le niveau d’un modèle doit être modifié, le niveau supérieur correspondant doit l’être également. De nombreux outils de modélisation des données permettent d’automatiser ce processus de comparaison physique et logique.