隨著企業有了能夠輕松訪問和分析數據以提高性能的新機會，數據建模也是變形的。數據建模不僅僅是任意組織數據結構和關系，還必須與最終用戶的需求和問題聯系起來，并提供指導，幫助確保正確的數據正確使用正確的方法獲得正確的結果。以下描述的十種技術將幫助人們提高數據建模水平及其對業務的價值。

1、了解所需的業務需求和成果

　　數據建模的目的是幫助組織更好地運作。作為數據建模者，收集，組織和存儲用于分析的數據，用戶只能通過了解其企業需求來實現這一目標。正確地捕獲這些業務需求，以了解哪些數據優先，收集，存儲，轉換，并提供給用戶通常是最大的數據建模挑戰。所以，不能說：通過向人們詢問數據中需要的結果，清楚地了解需求。然后開始組織你的數據。

2、可視化數據建模

　　盯著無數行和列的字母數字條目不太可能為人們帶來啟示。大多數人都希望通過圖表更加舒適地查看數據，可以快速查看任何異常情況，或使用直觀的拖放屏幕界面快速檢查和連接數據表。像這樣的數據可視化方法可以幫助你清理數據，使其完整一致，并避免出現錯誤和冗余。它們還可以幫助你發現對應于相同現實生活實體（例如“客戶ID”和“客戶參考”）的不同數據記錄類型，然后將其轉換為使用常用的字段和格式，從而更輕松地組合不同的數據源。

3、從簡單數據建模開始，然后擴展

　　由于大小，類型，結構，增長率和查詢語言等因素，數據可能會迅速復雜化。開始時保持數據模型小而簡單，可以更容易地糾正任何問題或錯誤的轉折。當你確定自己的初始模型是準確和有意義的時，可以引入更多的數據集，消除任何不一致的情況。你應該尋找一種可以輕松開始的工具，但是以后可以支持非常大的數據模型，還可以讓你從不同的物理位置快速“混搭”多個數據源。

4、將業務查詢分解為事實、維度、過濾器和訂單

　　了解如何通過事實、大小、過濾器和訂單這四個元素定義業務問題，將有助于你以更容易提供答案的方式組織數據。例如，假設你的組織是一家在不同地點設有商店的零售公司，并且你想知道去年哪些商店銷售的產品最多。在這種情況下，其事實將是整個歷史銷售數據（所有商店在過去“N”年的每一天所有商品的所有銷售量），所考慮的維度是“產品”和“商店位置”，過濾器是“前12個月”，訂單可能是“給定產品銷售額下降的五大門店”。通過使用單獨的表格來組織數據，以了解事實和維度，你可以方便分析，以便在每個銷售期間查找頂級銷售人員以及回答其他商業智能問題。

5、使用需要的數據，而不是所有可用的數據

　　使用巨大數據集的計算機很快就會遇到計算機內存和輸入輸出速度的問題，這個時候時候就需要數據中心機柜。然而，在許多情況下，只需要很少的數據來回答業務問題。在理想情況下，你應該能夠在屏幕上勾選方框，以指出要使用哪些部分數據集，從而避免數據建模浪費和性能問題。

6、提前計算以防止最終用戶分歧

　　數據建模的一個關鍵目標是建立一個真相的版本，用戶可以向他們詢問他們的業務問題。雖然人們對于如何使用答案可能有不同的意見，但是對于基礎數據或用于得出答案的計算，應該不會有任何異議。例如，可能需要進行計算以匯總每日銷售數據以獲取每月數據，然后將其進行比較以顯示最佳或最差的月份。而不是讓每個人都采用他們的計算器或其電子表格應用程序（這是用戶錯誤的常見原因）進行計算，你可以提前設置此計算來避免問題，作為數據建模的一部分，并使其在最終用戶的信息中心中可用。到他們的計算器或電子表格應用程序（用戶錯誤的共同原因），您可以避免問題，提前建立這個計算作為您的數據建模的一部分，并使其在儀表板的最終用戶。

7、在繼續之前驗證數據建模的每個階段

　　在進行下一步之前，應檢查每個操作，然后從業務需求的數據建模優先級開始。例如，必須為數據集選擇一個稱為主鍵的屬性，以便數據集中的每個記錄可以通過該記錄中主鍵的值唯一標識。假設你選擇“ProductID”作為上述歷史銷售數據集的主鍵。通過比較數據集中“ProductID”的總行數與完全不同（不重復）行計數，可以驗證是否令人滿意。如果兩個計數匹配，則可以使用“ProductID”來唯一標識每個記錄;如果沒有，請查找另一個主鍵。相同的技術可以應用于兩個數據集的連接，以檢查它們之間的關系是一對一還是一對多，并且避免導致過于復雜或無法管理的數據模型的多對多關系。

8、尋找因果關系，而不僅僅是相關性

　　數據建模包括使用建模數據的方式的指導。最終用戶為自己獲取商業智能提供了一個很大的進步，同樣重要的是避免錯誤的結論。例如，也許他們看到兩種不同產品的銷售情況似乎一起上升和下降。一個產品的銷售是否導致另一個產品的銷售（一個因果關系），或者是因為經濟或天氣等另外一個因素而一起上升（簡單的關聯）呢？令人困惑的因果關系可能導致產生錯誤或不存在的機會，從而浪費業務資源。

9、使用智能工具提供重型功能

　　在分析開始之前，更復雜的數據建模可能需要編碼或其他操作來處理數據。但是，如果軟件應用程序可以為您提供“重型”功能，則可以免除你了解不同編程語言的需要，并讓你將時間花在企業的其他有價值的活動上。合適的軟件產品可以促進或自動化數據ETL（提取，轉換和加載）的所有不同階段。可以在視覺上訪問數據，而無需任何編碼，不同的數據源可以使用簡單的拖放界面進行組合，甚至可以根據查詢類型自動完成數據建模。

10、使數據模型進化

　　業務數據模型從來沒有被記錄過，因為數據源和業務優先級不斷變化。因此，你必須計劃隨時間更新或更改。為此，將你的數據模型存儲在存儲庫中，使其易于訪問進行擴展和修改，并使用數據字典或“準備參考”，并提供有關每種數據類型的目的和格式的清晰最新信息。

　　更好的數據建模帶來更大的商業利益

　　在盈利能力，生產率，效率，客戶滿意度等方面的業務績效可以讓組織從數據建模中受益，從而幫助用戶快速輕松地獲得業務問題的答案。主要的成功因素包括鏈接到組織需求和目標，使用工具來加快準備數據的步驟，以解決所有查詢，并使優先級變得更加簡單。一旦滿足這些條件，你和你的業務（無論是小型，中型還是大型）都可以期待數據建模能帶來重要的業務價值。