Sempre più esigenze, sempre più applicazioni, sempre più dati.
Il Data Modeling ha una storia consolidata alle spalle ma, invece che invecchiare e perdere di importanza, diventa sempre di più un processo nevralgico per fornire risposte al business e trarre valore dalle proprie esigenze.
I dati vengono generati durante ogni attività quotidiana, da svariate sorgenti e in differenti formati. Nello scenario digitale attuale, la Data Governance coinvolge tutti, dall’IT aziendale agli utilizzatori i quali necessitano di strumenti e competenze adeguate non solo per analizzarli correttamente ma anche per progettare applicazioni che siano in grado di raccoglierli ed organizzarli nel modo più adeguato per soddisfare le esigenze del business.
Sta maturando sempre di più la consapevolezza che il dato è al centro del mondo. Diventa quindi di primaria importanza l’accuratezza con la quale viene gestito, a partire dalla fase della raccolta fino a quella dell’analisi, innescando meccanismi virtuosi di progettazione, condivisione e collaborazione per trasformarlo in un patrimonio aziendale.
Attraverso questo articolo, vogliamo trasmettere l’importanza della modellazione per la realizzazione di sistemi in grado di ospitare dati a supporto di applicazioni di varia natura e, allo stesso tempo, la possibilità di farlo attraverso erwin Data Modeler, strumento che consente una standardizzazione, automazione e condivisione del patrimonio informativo nell’ambito aziendale.
In questa pagina:
Cos’è il Data Modeling
Per Data Modeling si intende il processo di realizzazione di una rappresentazione strutturata dei dati che riesca a mostrare come sono organizzati tra di loro, connessi e conservati.
Si deve cioè dare una forma visiva da un punto di vista di:
- elementi di interesse
- attributi di caratterizzazione
- relazioni esistenti
- regole di memorizzazione
Per essere efficace il modello deve essere definito sulla base delle esigenze di business e deve soddisfare i requisiti necessari per supportare i processi aziendali e gli use-case desiderati.
Il processo di modellazione si articola in step successivi di affinamento che, partendo da una visione macro, arriva all’indicazione puntuale delle regole di gestione dei dati stessi. Questo risultato è ottenuto attraverso una analisi e schematizzazione concettuale, logica e fisica.
Obiettivi del Data Modeling
Attraverso la modellazione dei dati si riesce a trasformare una esigenza di business in una progettazione delle fondamenta sulle quali si baseranno tutte le funzionalità richieste, siano esse operative che di analisi, mettendo a disposizione dei diagrammi visuali consultabili a vari livelli aziendali a seconda della prospettiva di interesse.
Per questo motivo generalmente vengono realizzati tre tipi di modello diversi sia per contenuti che per destinatari.
Concettuale
Rappresenta strutture e concetti aziendali ad un alto livello di astrazione. È molto efficace per comprendere e definire i processi aziendali attraverso l’identificazione delle entità coinvolte. Questo modello è costruito senza tenere conto dei vincoli di sistema ed è utilizzato per definire e correlare le informazioni necessarie per sviluppare un sistema.
Logico
Arricchisce il modello concettuale scendendo più nel dettaglio delle singole entità, catalogando gli attributi caratterizzanti e la relativa tipologia. Individua inoltre le relazioni che esistono tra di esse realizzando una rappresentazione indipendente dalla piattaforma di implementazione.
Fisico
Ha il compito di tradurre il modello logico astratto in un modello concreto adeguandolo alla struttura fisica di memorizzazione prescelta per ospitare lo strato di persistenza delle informazioni. In questa fase si definiscono anche standard di nomenclatura da attribuire a tabelle, colonne, relazioni e regole di organizzazione e memorizzazione dei dati. È possibile che esistano più modelli fisici derivati da un modello logico se vengono utilizzate implementazioni diverse per scelte tecnologiche o funzionali.
Una volta completata l’attività avremo a disposizione materiale da poter utilizzare come supporto per vari fini che possono essere:
- documentativi, per i diversi stakeholder
- implementativi, per la definizione delle istruzioni di data definition (DDL) da utilizzare per ottenere tabelle conformi con il modello a seconda del target db utilizzato
- evolutivi, per analisi di impatto a fronte di modifiche funzionali o tecnologiche.
Standardizzazione e automazione con erwin
Agli albori del Data Modeling questa attività veniva svolta manualmente in modo destrutturato. Nel corso degli anni sono apparsi sul mercato vari strumenti che vengono in aiuto dell’architetto dati per la fase di progettazione, introducendo funzionalità per agevolare sia la standardizzazione che la manutenzione della base dati.
Fra questi noi utilizziamo e consigliamo erwin Data Modeler di Quest strumento leader del settore che permette di trovare, visualizzare, progettare, implementare e standardizzare gli asset dati aziendali di qualità elevata. Rileva e documenta i dati per ottenere coerenza, chiarezza e riutilizzo degli artefatti con integrazione su larga scala, padroneggia la gestione dei dati e dei metadati, di Big Data, iniziative di business intelligence ed analisi, il tutto supportando la Data Governance e la Data Intelligence.
SCHEDA TECNICA
Vuoi trasformare i tuoi dati in informazioni?
Scarica la scheda tecnica di erwin Data Modeler per saperne di più
Di seguito alcune delle peculiarità abilitanti del prodotto che permettono una gestione ottimale di ambienti dinamici sia da un punto di vista funzionale che tecnologico.
- unire la possibilità di progettare nuove strutture e la flessibilità di realizzare modelli a partire da ambienti già esistenti consentendo la documentazione e riorganizzazione di sistemi pre-esistenti
- mantenere una vista integrata tra modelli (concettuale, logico, fisico) in modo da consentire una progettazione e navigazione sia top-down che bottom-up
- definire ed applicare una naming convention in modo da introdurre uno standard di nomenclatura da utilizzare nei modelli per ottenere una uniformità delle denominazioni
- automatizzare il processo di creazione e manutenzione delle strutture su Database variegati che si possono differenziare per tipologia di dato e per sintassi DDL diverse, sia in una gestione ordinaria che in scenari di migrazione di piattaforma generando comandi conformi con il target di destinazione impostato nel modello.
Condivisione e collaborazione con erwin
Quelli presentati nel paragrafo precedente sono punti di forza dello strumento che consentono di aumentare la flessibilità e produttività nella gestire le problematiche all’ordine del giorno. Per trarre il massimo profitto da una cultura incentrata sui dati c’è la necessità di condividere le informazioni all’interno dell’azienda secondo ruoli di competenza, instaurando una collaborazione che faccia diventare il dato un patrimonio unico e centralizzato.
Anche sotto questo aspetto erwin Data Modeler ci viene in aiuto con una serie di features molto importanti quali:
- scomposizione del modello in aree tematiche (subject -area) contenenti solo un sottoinsieme di oggetti presi dall’intero set in modo da facilitare sia la gestione di un modello di grandi dimensioni che il focus su una particolare funzionalità aziendale per consentire una più semplice condivisione e discussione con gli stakeholder di riferimento
- utilizzo di un repository centralizzato per consentire la collaborazione per una modellazione condivisa attraverso versionamento e gestione del ciclo di vita del modello
- consentire l’estrazione automatizzata dei metadati presenti nel modello fornendo output utilizzabili come fonti alimentanti per cataloghi dati e glossari in modo da abilitare la data governance aziendale.
Queste come le altre funzionalità sono disponibili a seconda della versione del prodotto che viene scelta consentendo una crescita graduale sia da un punto di vista di consapevolezza che di impatti organizzativi e naturalmente costi di licenza.
Se vuoi approfondire alcuni aspetti o hai necessità di chiarimenti, contattaci per una demo del prodotto.