《数据建模基础教程》 - 清华大学出版社第五事业部

目    录
第1章  数据建模介绍	1
1.1  什么是数据	1
1.2  什么是数据建模	2
1.3  数据的生命周期	2
1.4  数据建模对我们有哪些好处	6
1.5  谁是数据建模者	7
1.6  定义角色	7
1.7  数据建模者的开发章程	9
1.8  职称	10
1.9  As-Is支持	10
1.9.1  配置管理支持	10
1.9.2  提供影响分析	11
1.9.3  提议IT标准	11
1.9.4  提供数据完整性评估	12
1.9.5  调查现有技术和工具	12
1.10  To-Be支持	12
1.10.1  设计新的数据结构	12
1.10.2  提供专家建议	13
1.10.3  提供可供选择的办法	13
1.10.4  提供预期评估	13
1.10.5  调查新的技术和工具	13
1.11  小结	13
第2章  关系建模	15
2.1  数据库模型	15
2.1.1  分层DBMS	15
2.1.2  网络DBMS	16
2.1.3  关系DBMS	16
2.2  概念建模与逻辑建模的概念	17
2.2.1  实体	17
2.2.2  类别实体	20
2.2.3  联接实体或交叉实体	23
2.2.4  属性	25
2.2.5  键	27
2.2.6  关系	31
2.2.7  关系模型业务规则	34
2.3  物理建模概念	35
2.3.1  表	35
2.3.2  视图	37
2.3.3  列	37
2.3.4  约束	38
2.4  建模语法	39
2.4.1  集成定义符号(IDEF1X)	39
2.4.2  框	39
2.4.3  线	42
2.4.4  终止符	44
2.4.5  实体-关系(ER)图或Chen示意图	46
2.4.6  信息工程(I/E)	47
2.4.7  Barker表示	48
2.5  小结	49
第3章  关系理论简介	50
3.1  关系数据建模	50
3.1.1  关系理论的起源	51
3.1.2  关系DBMS目标	51
3.2  Codd的RDBMS规则	52
3.3  规范化	55
3.3.1  关系通用性质	56
3.3.2  第一范式(1NF)	60
3.3.3  第二范式(2NF)	62
3.3.4  第三范式(3NF)	63
3.3.5  Boyce/Codd范式	64
3.4  反规范化	66
3.4.1  派生列	66
3.4.2  故意重复	67
3.4.3  故意删除或禁用约束	67
3.4.4  对范式的故意撤销	67
3.5  小结	67
第4章  分析级别	69
4.1  模型开发	69
4.1.1  不是流程图	71
4.1.2  数据关系规则	72
4.2  概念分析	73
4.2.1  概念模型中的实体	73
4.2.2  概念模型中的关系	74
4.2.3  概念模型示例	74
4.3  逻辑分析	75
4.3.1  逻辑模型中的实体	75
4.3.2  属性	76
4.3.3  逻辑分析示例	79
4.4  物理分析	80
4.4.1  表	81
4.4.2  物理分析示例	83
4.5  逆向工程分析	85
4.6  详细分析	85
4.6.1  实体级	86
4.6.2  基于键(KB)	87
4.6.3  全属性(FA)	89
4.7  小结	90
第5章  项目中的数据模型	92
5.1  项目	92
5.1.1  项目管理	92
5.1.2  项目的生命周期	97
5.2  项目类型	102
5.2.1  企业项目	102
5.2.2  事务项目—— OLTP	102
5.2.3  数据仓库—— 企业报表	103
5.2.4  项目类型比较	103
5.3  模型目标	104
5.3.1  抽象模型	105
5.3.2  数据元素分析模型	106
5.3.3  物理设计模型	106
5.4  选择正确的模型	107
5.4.1  项目类型	108
5.4.2  模型目标	108
5.4.3  客户需求	108
5.4.4  建模技巧	109
5.5  小结	110

第6章  创建概念模型	111
6.1  业务建模	111
6.2  目标	112
6.3  目标范围	113
6.4  方法	114
6.4.1  自顶向下	114
6.4.2  自底向上	115
6.5  记录流程规则：自顶向下	116
6.5.1  Solitaire纸牌游戏中的活动	116
6.5.2  Solitaire纸牌游戏的流程步骤	116
6.5.3  建立活动描述	118
6.5.4  标出重要的元素	119
6.5.5  定义元素	120
6.5.6  验证我们的工作	121
6.5.7  综合为概念	121
6.6  记录流程规则：自底向上	123
6.6.1  记录活动规则	123
6.6.2  建立规则描述	124
6.6.3  标出重要元素	124
6.6.4  定义元素	125
6.6.5  两种方法的比较	127
6.7  建立概念模型	128
6.7.1  优化概念定义	128
6.7.2  加入关系	130
6.8  检查业务规则	140
6.8.1  检查关系	141
6.8.2  发布模型	146
6.9  小结	146
第7章  创建逻辑模型	147
7.1  概念模型——指南	147
7.1.1  确认模型	149
7.1.2  使用反馈	149
7.1.3  主题领域的范围	150
7.2  逻辑数据建模	150
7.3  对Card主题领域进行建模	150
7.3.1  Card实体分析	151
7.3.2  Card类别分析	152
7.3.3  Card联系	153
7.3.4  Card实体的详细内容	157
7.3.5  Deck和Back Design分析	165
7.3.6  影子实体	165
7.4  对“Card Movement”主题领域进行建模	166
7.4.1  Card Movement实体分析	166
7.4.2  Movement实体的细节	173
7.5  对“Event”主题领域建模	176
7.5.1  Event实体分析	177
7.5.2  Event联系	177
7.6  全图	179
7.7  质量保证检查	181
7.7.1  范式－从第一范式到BC范式	181
7.7.2  过多/过少的属性	183
7.7.3  多余的关系	183
7.7.4  正确的角色名称	184
7.7.5  实例表	185
7.7.6  相关专业领域专家	186
7.7.7  对等模型	186
7.7.8  最后的工作	186
7.8  小结	186
第8章  逻辑到物理的转换	188
8.1  项目状态	188
8.2  逻辑到物理	189
8.3  逻辑名到物理名	189
8.4  从类别中创建表	194
8.4.1  只留父类表	194
8.4.2  只留子类表	196
8.4.3  可扩展类别	198
8.4.4  Solitaire纸牌游戏实例	200
8.5  检查影子实体	201
8.6  确定主键	202
8.6.1  复查主键	203
8.6.2  加入数据类型和数据大小	212
8.7  质量检查和额外的字段/表	215
8.7.1  实例化表	215
8.7.2  命名和定义	215
8.7.3  复核需求	215

8.7.4  讲故事	215
8.7.5  确定数据管理员	216
8.7.6  建立测试DDL	216
8.8  其他潜在的问题	218
8.8.1  增加操作表	218
8.8.2  数据量资料	218
8.8.3  活跃度资料	219
8.8.4  模型功能	220
8.9  小结	220
第9章  直接设计物理模型	221
9.1  现实的限制	221
9.2  从哪里开始	222
9.3  Solitaire调查系统	222
9.3.1  对见到的数据建模	223
9.3.2  应用命名标准	223
9.3.3  建立查找表	225
9.3.4  继续寻找重要的数据集	226
9.3.5  检查文本字段	226
9.3.6  继续物理化	227
9.3.7  质量和折衷	229
9.4  更具挑战性的任务	230
9.4.1  数据元素的分类	231
9.4.2  文本字段	233
9.5  其他的物理表	242
9.5.1  操作型表	242
9.5.2  数据转移表	243
9.5.3  档案表	244
9.6  小结	244
第10章  多维数据建模	245
10.1  多维模型基础	245
10.1.1  多维设计的优点	247
10.1.2  星型模式	249
10.1.3  雪片模型	250
10.1.4  Solitaire纸牌游戏总体模型	253
10.1.5  目标事实	254
10.1.6  Game数据集市	259
10.1.7  GameMove数据集市	275
10.1.8  完成	281
10.2  小结	281
第11章  逆向工程设计数据模型	283
11.1  从哪里开始	283
11.2  数据结构分析	285
11.2.1  模型工具支持	285
11.2.2  手动过程	292
11.2.3  结构评估	295
11.3  数据分析	301
11.3.1  SELECT COUNT	301
11.3.2  SELECT COUNT/GROUP BY	301
11.3.3  SELECT COUNT DISTINCT	301
11.3.4  SELECT MIN	301
11.3.5  SELECT MAX	302
11.3.6  SELECT	302
11.3.7  数据评估	302
11.3.8  代码中的数据规则	302
11.4  前端分析	305
11.4.1  界面标签	305
11.4.2  数据关系界面规则	309
11.4.3  派生值	310
11.5  历史性的/描述性的	311
11.6  加注释	313
11.7  创建一个逻辑模型	313
11.7.1  命名	313
11.7.2  键	315
11.7.3  类别	316
11.7.4  其他规则	318
11.7.5  关系命名	320
11.8  完成	321
11.9  小结	322
第12章  模型沟通	323
12.1  为什么要增加更多的元素	323
12.2  元素排列	324
12.3  附加文本	325
12.3.1  名称和题目	325
12.3.2  版本符号	329
12.3.3  注释	331
12.3.4  图例	333
12.4  视觉增强	335
12.4.1  图形/图像/图标	335
12.4.2  其他可选	336
12.5  发布	337
12.5.1  半存取和公开存取—— Web	337
12.5.2  开发文件存取	338
12.5.3  归档文件存取—— 文档库	338
12.6  小结	339
第13章  进一步数据分析	340
13.1  数据质量方面	340
13.1.1  逼真度分析	341
13.1.2  关键度分析	343
13.1.3  敏感性和保密性分析	345
13.1.4  管理工作(Stewardship)	346
13.1.5  横向核对	348
13.1.6  流程确认	348
13.1.7  风险及降低风险分析	349
13.2  数据模型作为一个知识架构	351
13.3  小结	362
第14章  元数据建模	363
14.1  定义元数据	363
14.1.1  技术元数据	365
14.1.2  业务元数据	365
14.1.3  实时元数据	366
14.2  元数据的重要性	367
14.3  一个元数据模型	369
14.3.1  概念元数据模型	369
14.3.2  逻辑元数据模型	371
14.3.3  物理元数据模型	373
14.4  建模人员与元数据	373
14.4.1  建模人员—— 元数据贡献者	373
14.4.2  建模人员—— 元数据消费者	374
14.5  元数据建模的未来	374
14.6  小结	375

第15章  数据建模工作习惯	376
15.1  最坏的习惯	376
15.2  团队模块化策略	376
15.2.1  傲慢	377
15.2.2  不愿妥协	377
15.2.3  沟通困难	377
15.2.4  固步自封	378
15.2.5  回避问题	378
15.2.6  伪君子行为	378
15.2.7  说话做事欠考虑	378
15.2.8  经常批评别人	379
15.2.9  语言不够通俗易懂	379
15.2.10  缺乏主动性	379
15.3  延迟进度	379
15.3.1  陷入分析麻痹	380
15.3.2  从不开展交流	380
15.3.3  一次一个任务	380
15.3.4  从不承认您错了	381
15.4  模型管理不善	381
15.5  最好的习惯	382
15.5.1  听取同事的意见	382
15.5.2  适当妥协	382
15.5.3  共享资料	382
15.5.4  善于接受	382
15.5.5  准时	383
15.5.6  透明	383
15.5.7  尊重别人	383
15.5.8  有效地沟通和交流	383
15.5.9  自我激励	383
15.6  固守时间表	383
15.6.1  Pareto规则	384
15.6.2  收益递减法则(The law of Diminshing Returns)	384
15.6.3  处理预期的事物	385
15.6.4  利用您的主动性	385
15.6.5  寻求帮助	386
15.6.6  模型管理	386
15.7  理解数据和设计	388
15.7.1  逻辑到物理的转换	388
15.7.2  关于物理数据的谬论	389
15.8  项目教训	390
15.8.1  用户定制解决方案项目	390
15.8.2  值得密切注意的短语	391
15.8.3  购买的解决方案项目	393
15.8.4  遗留系统与辨别分析	395
15.8.5  模型复查	397
15.8.6  经验值	397
15.8.7  责任感vs权限	398
15.9  小结	398