Modelagem de Dados

Modelagem de dados

A modelagem de dados é o processo de criação de uma representação visual de um sistema de informação inteiro ou de partes dele para comunicar conexões entre pontos de dados e estruturas.
O objetivo é ilustrar os tipos de dados usados e armazenados no sistema, os relacionamentos entre eles, as formas como os dados podem ser agrupados e organizados e os respectivos formatos e atributos.

Etapas da Modelagem de Dados

A modelagem de dados segue algumas etapas para chegar de fato em um sistema de banco de dados coerente com as necessidades da empresa.
O processo tem quatro etapas, são elas:

• Análise de requisitos;
• Modelagem conceitual;
• Modelagem lógica;
• Modelagem física.

Etapa 1 - Análise de Requisitos

A etapa de análise de requisitos é imprescindível para definir as regras de negócio do projeto. Isto é, o que o cliente busca com a criação do sistema (software, plataforma, aplicativo, etc.).

Essa etapa é fundamental para entender as necessidades do cliente e os requisitos do projeto, e especificá-los, analisá-los e validá-los antes de partir para a criação do modelo de banco de dados.

Etapa 2 - Modelagem Conceitual

A fase de modelagem conceitual de dados visa capturar os requisitos apresentados pelos stakeholders na fase precedente e organizá-los com uma visão de negócios.
O diagrama criado a partir da modelagem conceitual, deve conter todas as regras de negócio estabelecidas na etapa de análise de requisitos. Ou seja, as funcionalidades desse sistema.
Essa etapa geralmente é feita com o cliente e contém alguns elementos essenciais para o funcionamento do sistema.

O diagrama de modelagem conceitual precisa ter quatro elementos, são eles:

• Entidades: Entidades são conceitos do negócio que precisamos armazenar informações
• Relacionamento;
• Cardinalidade;
• Atributos: Atributos são as informações de cada Entidade (campos) Esses elementos vão estabelecer o que o sistema de banco de dados vai conter (entidades), como elas se relacionam dentro desse sistema, qual o tipo/qualidade do relacionamento entre elas (cardinalidade) e os atributos (características) dessas entidades. As tabelas do banco de dados poderão relacionar entre si dos seguintes modos:
• 1 pra 1
• 1 pra Muitos
• Muitos pra Muitos

Etapa 3 - Modelo Lógico

Normalização Tabelas
Detalhamento Atributos e Relacionamentos
Construir Modelo Lógico Final

Processo 1 - Normalização
Normalização é a otimização que realizamos nas tabelas para reduzir redundâncias, duplicações e inconsistência dos dados.
Assim conseguimos ter um modelo de dados mais consistente, organizado e com maior performance.

• NF1 - A tabela deve possuir apenas atributos únicos, não podem existir atributos multivalorados.

• NF2 - Os atributos (não chave) dependem apenas da chave primária

• NF3 - Os atributos (não chave) devem ser independentes entre si

Diagrama de Entidade Relacionamento

Etapa 4 - Modelagem Física de Dados (MFDS)

• Escolha da Tecnologia SGBD
• Criar banco com SQL
• Gestão e manutenção Banco

Essa etapa envolve a criação do banco de dados em si, respeitando as regras de negócios definidas nas etapas anteriores e seguindo os requisitos dos outros modelos criados previamente.
Um modelo físico de dados precisa ser lido por um SGBD (Sistema de Gerenciamento de Banco de Dados).
Para tornar isso possível, utiliza-se uma linguagem de desenvolvimento (como por exemplo, SQL) que vai criar a estrutura necessária para a leitura do modelo de dados pelo SGBD.

Quais são os tipos de modelagem de dados?

Existem dois tipos de modelagem de dados: modelagem relacional e modelagem dimensional.

Tipo 1 - Modelagem relacional

• Em um sistema de modelagem relacional, a principal característica é a capacidade de estabelecer uma relação entre as entidades do banco de dados.
• Esse modelo é feito a partir de tabelas que contém entidades e campos de atributos diversos.
• A ideia é que o modelo projetado possa estabelecer a relação entre essas entidades.
• Utiliza-se o modelo relacional para armazenar dados em sistemas transacionais da organização, ou seja, aqueles usados no dia a dia de um negócio e que sofrem mudanças, como inserções, alterações, e remoções de dados.
• Assim, o principal objetivo da modelagem relacional é armazenar as informações transacionais do negócio no banco de dados e torná-las acessíveis nessas atividades operacionais.
• Esse tipo de modelagem geralmente utiliza SGBDs relacionais, que são adequados para sistemas transacionais como mencionado acima.

Tipo 2 - Modelagem Dimensional

• Já a modelagem dimensional é mais utilizada para processos de Data Warehouse (DW) e Business Intelligence (BI).
• Sendo assim, o objetivo principal desse modelo é simplificar a análise de dados multidimensionais.
• O modelo dimensional utiliza uma tabela fato, que contém informações de medidas e tabelas de dimensão, onde estão as entidades, que se relacionam com a tabela fato.
• Utiliza-se esse modelo mais frequentemente para a extração, agregação e análise de dados.
• Com ele, é possível gerar relatórios, dashboards e insights a partir desses bancos de dados, que ajudarão na tomada de decisão estratégica de um negócio.

Tipos de Técnicas

• Modelagem de dados hierárquica: você pode representar as relações entre os vários elementos de dados em um formato semelhante a uma árvore. Modelos de dados hierárquicos representam relações de um para muitos, com pais ou classes de dados raiz mapeados para vários filhos.
• Modelagem de dados de grafos: representam relações de dados que tratam entidades igualmente. As entidades podem se vincular entre si em relações de um para muitos ou de muitos para muitos sem qualquer conceito de pai ou filho.
• Modelagem de dados relacional: é uma abordagem de modelagem popular que visualiza classes de dados como tabelas. Diferentes tabelas de dados se unem ou se vinculam usando chaves que representam a relação de entidades do mundo real. Você pode usar a tecnologia de banco de dados relacional para armazenar dados estruturados, e um modelo de dados relacional é um método útil para representar sua estrutura de banco de dados relacional.
• Modelagem de dados de relações entre entidades: usa diagramas formais para representar as relações entre entidades em um banco de dados.
• Modelagem de dados orientada a objetos: esses objetos de dados são abstrações de software de entidades do mundo real.
• Modelagem de dados dimensional: A computação empresarial moderna usa a tecnologia de data warehouse para armazenar grandes quantidades de dados para análise. Você pode usar projetos de modelagem de dados dimensionais para armazenamento e recuperação de dados em alta velocidade a partir de um data warehouse. Modelos dimensionais usam dados duplicados ou redundantes e priorizam a performance ao uso de menos espaço para o armazenamento de dados.