¿Qué es el modelado de datos?

El modelado de datos suele comenzar representando los datos conceptualmente y, después, representándolos de nuevo en el contexto de las tecnologías elegidas. Los analistas y las partes interesadas crean varios tipos de modelos de datos durante la etapa de diseño de datos. A continuación se presentan tres tipos principales de modelos de datos:

Modelo de datos conceptual

Los modelos de datos conceptuales ofrecen una visión global de los datos. Explican lo siguiente:

• Qué datos contiene el sistema
• Atributos de los datos, así como las condiciones o restricciones de los mismos
• Con qué reglas empresariales se relacionan los datos
• Cómo se organizan mejor los datos
• Requisitos de seguridad e integridad de datos

Por lo general, los interesados y los analistas de la empresa crean el modelo conceptual. Es una representación diagramática simple que no sigue las reglas formales de modelado de datos. Lo importante es que ayude a las partes interesadas, ya sean técnicas o no, a compartir una visión común y a ponerse de acuerdo acerca del propósito, el alcance y el diseño de su proyecto de datos.

Ejemplo de modelo de datos conceptual

Por ejemplo, el modelo de datos conceptual de un concesionario de automóviles podría mostrar las entidades de datos así:

1. Una entidad Salas de exhibiciones, que representa la información sobre los diferentes puntos de venta que tiene el concesionario.
2. Una entidad Autos, que representa los diversos autos que el concesionario tiene en stock.
3. Una entidad Clientes, que representa a todos los clientes que han hecho una compra en el concesionario.
4. Una entidad Ventas, que representa la información sobre la venta real.
5. Una entidad Vendedores que representa la información de todos los vendedores que trabajan en el concesionario.

Este modelo conceptual también incluiría requisitos empresariales, como los siguientes:

• Cada auto tiene que pertenecer a una sala de exhibiciones específica.
• En cada venta tiene que haber al menos un vendedor y un cliente asociados.
• Cada auto tiene que contar con marca y número de producto.
• Para ello, cada cliente tiene que facilitar su número de teléfono y su dirección de correo electrónico.

Así, los modelos conceptuales actúan como puente entre las reglas empresariales y el sistema físico de gestión de bases de datos (SGBD) subyacente. Los modelos de datos conceptuales también se denominan modelos de dominio.

Modelo de datos lógico

Los modelos de datos lógicos asignan las clases de datos conceptuales a estructuras de datos técnicas. Ofrecen más detalles sobre los conceptos de datos y las relaciones de datos complejas que se identificaron en el modelo conceptual, tales como estos:

• Tipos de datos de distintos atributos (por ejemplo, cadena o número)
• Relaciones entre las entidades de datos
• Atributos primarios o campos clave de los datos

Los arquitectos de datos y los analistas trabajan juntos para crear el modelo lógico. Siguen uno de los varios sistemas formales de modelado de datos para crear la representación. A veces, algunos departamentos ágiles optan por saltarse este paso y pasar directamente de los modelos conceptuales a los físicos. No obstante, estos modelos son útiles para el diseño de grandes bases de datos, denominadas almacenamientos de datos, y para el diseño de sistemas automáticos de información.

Ejemplo de modelos de datos lógicos

En nuestro ejemplo del concesionario de automóviles, el modelo de datos lógico ampliaría el modelo conceptual y profundizaría en las clases de datos de esta forma:

• La entidad Salas de exhibiciones tiene campos como el nombre y la ubicación como datos de texto y un número de teléfono como datos numéricos.
• La entidad Clientes tiene un campo de dirección de correo electrónico con el formato [email protected] o [email protected]. El nombre del campo no puede tener más de 100 caracteres.
• La entidad Ventas tiene como campos el nombre del cliente y el nombre del vendedor, junto con la fecha de venta como tipo de dato de fecha y el importe como tipo de dato decimal.

Así, los modelos lógicos sirven de puente entre el modelo de datos conceptual y la tecnología y el lenguaje de base de datos subyacentes que los desarrolladores usan para crear la base de datos. Sin embargo, son independientes de la tecnología y se pueden implementar en cualquier lenguaje de base de datos. Los ingenieros de datos y las partes interesadas suelen tomar decisiones tecnológicas después de haber creado un modelo de datos lógico.

Modelo de datos físico

Los modelos de datos físicos asignan los modelos de datos lógicos a una tecnología específica de SGBD y usan la terminología del software. Por ejemplo, dan detalles sobre lo siguiente:

• Tipos de campos de datos representados en el SGBD
• Relaciones de datos representadas en el SGBD
• Detalles adicionales, como el ajuste del rendimiento

Los ingenieros de datos crean el modelo físico antes de la implementación del diseño final. También siguen técnicas formales de modelado de datos para asegurarse de cubrir todos los aspectos del diseño.

Ejemplo de modelos de datos físicos

Supongamos que el concesionario de automóviles decide crear un archivo de datos en Amazon S3 Glacier Flexible Retrieval. Su modelo de datos físicos describe las siguientes especificaciones:

• En Ventas, el importe de la venta es un tipo de dato float, y la fecha de venta es un tipo de dato timestamp.
• En Clientes, el nombre del cliente es un tipo de dato string.
• En la terminología de S3 Glacier Flexible Retrieval, un almacén es la ubicación geográfica de sus datos. 

Su modelo de datos físicos también incluye detalles adicionales, como la región de AWS en la que creará su bóveda. De este modo, el modelo de datos físico actúa como puente entre el modelo de datos lógico y la implementación tecnológica final.

El proceso de modelado de datos sigue una secuencia de pasos que tiene que hacer repetidamente hasta crear un modelo de datos completo. Dentro de cualquier organización, varias partes interesadas se reúnen para crear una visión completa de los datos. Aunque los pasos varían según el tipo de modelado de datos, lo que sigue es una visión general.

Paso 1: identificar las entidades y sus propiedades

Identifique todas las entidades de su modelo de datos. Cada entidad tiene que ser lógicamente distinta de todas las demás y puede representar personas, lugares, cosas, conceptos o eventos. Cada entidad es distinta ya que tiene una o más propiedades únicas. Puede pensar en las entidades como sustantivos y en los atributos como adjetivos en su modelo de datos.

Paso 2: identificar las relaciones entre entidades

Las relaciones entre las distintas entidades son el núcleo del modelado de datos. Las reglas empresariales definen inicialmente estas relaciones en un nivel conceptual. Puede pensar en las relaciones como los verbos de su modelo de datos. Por ejemplo, el vendedor vende muchos autos, o la sala de exhibiciones emplea a muchos vendedores.

Paso 3: identificar la técnica de modelado de datos

Después de entender conceptualmente sus entidades y sus relaciones, puede determinar la técnica de modelado de datos que mejor se adapte a su caso de uso. Por ejemplo, puede usar el modelado de datos relacional para los datos estructurados, pero el modelado de datos dimensional para los datos no estructurados.

Paso 4: optimizar y repetir

Puede optimizar aún más su modelo de datos para adaptarlo a sus necesidades tecnológicas y de rendimiento. Por ejemplo, si tiene previsto usar Amazon Aurora y un lenguaje de consulta estructurado (SQL), pondrá las entidades directamente en tablas y especificará las relaciones mediante claves foráneas. Por el contrario, si decide usar Amazon DynamoDB, tendrá que pensar en los patrones de acceso antes de modelar la tabla. Puesto que DynamoDB da prioridad a la velocidad, primero hay que determinar cómo se va a acceder a los datos y, a continuación, modelar los datos en la forma en que se va a acceder a ellos.

Por lo general, estos pasos se repiten a medida que la tecnología y los requisitos cambian con el tiempo.