Modelado de datos para la calidad

Opiniones de los lectores

El libro proporciona una introducción completa y sólida al modelado de datos, especialmente beneficiosa para los modeladores de datos menos experimentados. Hace hincapié en las mejores prácticas e introduce el concepto de «modelo de información empresarial» en lugar del tradicional «modelo conceptual de datos». Sin embargo, se queda corto en la exploración de temas más amplios y no profundiza en la segunda fase del modelado, concretamente en la creación de un Modelo Lógico detallado.

⬤ Presentación completa y exhaustiva de las prácticas de modelado de datos.
⬤ Escrito por un autor experimentado con más de 40 años en el campo.
⬤ El lenguaje claro y sencillo lo hace accesible para los lectores.
⬤ Tabla de contenidos bien organizada e índice útil para una referencia rápida.
⬤ Recopilación de mejores prácticas beneficiosas tanto para modeladores de datos noveles como experimentados.
⬤ Consejos prácticos y discusiones sobre decisiones clave en el modelado de datos.

⬤ Ofrece una visión convencional del modelado de datos con poca exploración de temas más importantes que afectan a los modelos de datos.
⬤ Discusión limitada sobre técnicas avanzadas de modelado más allá de la fase inicial de 'Modelo Conceptual'.
⬤ Los principiantes totales pueden necesitar un manual complementario sobre el modelado de datos, ya que este libro no es un tutorial.

(basado en 3 opiniones de lectores)

Título original:

Data Modeling for Quality

Contenido del libro:

Este libro está dirigido a todos los modeladores de datos, arquitectos de datos y diseñadores de bases de datos, ya sean principiantes que quieran aprender qué implica el modelado de datos o modeladores experimentados que quieran refrescar sus conocimientos.

Un principiante no sólo obtendrá una visión general del modelado de datos, sino que también aprenderá a seguir el proceso de modelado de datos, incluidas las actividades necesarias para cada paso. El profesional experimentado descubrirá (o redescubrirá) técnicas para garantizar que los modelos de datos reflejen con precisión los requisitos de la empresa. Este libro describe enfoques rigurosos pero de fácil aplicación para:

⬤ el modelado de los requisitos de información de negocio para su revisión por parte de los interesados del negocio antes del desarrollo del modelo lógico de datos.

⬤ La normalización de datos, basada en preguntas sencillas en lugar de definiciones formales que intimidan a muchos modeladores.

⬤ Nombrar y definir conceptos y atributos.

⬤ Modelización de datos variables en el tiempo.

⬤ documentar las reglas de negocio que rigen tanto el mundo real como los datos.

⬤ Modelado de datos en un proyecto ágil.

⬤ Gestionar el cambio del modelo de datos en cualquier tipo de proyecto.

⬤ transformar un modelo de información empresarial en un modelo de datos lógico con el que los desarrolladores puedan codificar.

⬤ Implementación del modelo lógico de datos en un SGBD relacional tradicional, un SGBD compatible con SQL:2003, un SGBD relacional de objetos o en XML.

La Parte 1 describe en profundidad los modelos de información empresarial, incluyendo:

⬤ la importancia de modelar los requisitos de información empresarial antes de embarcarse en un modelo de datos lógico.

⬤ conceptos de negocio (clases de entidad).

⬤ atributos de los conceptos de negocio.

⬤ clases de atributos como alternativa a los tipos de datos SGBD.

⬤ Relaciones entre conceptos de negocio.

⬤ Datos variables en el tiempo.

⬤ generalización y especialización de conceptos de negocio.

⬤ denominación y definición de los componentes del modelo de información empresarial.

⬤ Reglas de negocio que rigen los datos, incluyendo una distinción entre reglas del mundo real y reglas de datos.

La parte 2 pasa de los requisitos a un recurso de datos de trabajo, cubriendo:

⬤ la obtención de requisitos de datos.

⬤ Desarrollo del modelo de información empresarial.

⬤ Comunicarlo a las partes interesadas para su revisión, tanto en forma de diagramas como verbalmente.

⬤ Gestionar los cambios en el modelo de datos.

⬤ Transformar el modelo de información empresarial en un modelo lógico de datos almacenados para su implementación en un SGBD relacional o relacional de objetos.

⬤ representación de valores de atributos y restricciones de datos (importante pero a menudo pasado por alto).

⬤ Bóveda de datos de modelado, datos dimensionales y XML.