什么是数据建模？
这些年来，数据的价值以及组织使用数据的方式都已发生改变，因此数据建模也随之改变。 在现代背景下，数据建模是数据监管和智能的一项功能，让组织能够使数据资产与其服务的业务职能保持一致。
一直以来，数据建模都是了解复杂的数据源和自动化设计标准的绝佳方法，但远不止于此，现代数据建模更是可以加快和确保任何组织实现数据监管的总体成功。 通过正确的方案，数据建模可以提高组织的数据策略的凝聚力，促进其成功。
企业为什么需要进行数据建模？
简而言之，组织依赖数据建模来明确了解其数据，并以条理分明、易于可视化的方式发挥其最大影响力。 反过来，这又能支持做出更好的决策，推动更稳健的应用程序开发，帮助组织符合相关数据法规，以及促进创新。 例如，对于想要推进人工智能(AI)计划的企业，倘若没有高质量数据和定义良好的数据模型，就无法走得远。
数十年来，数据建模一直被用于定义、分类和标准化数据，因此信息系统可对其进行充分利用。 在现代数据环境中，数据可以是结构化也可以是非结构化的，既可以位于内部部署中也可以位于云中。因此，数据建模比以往任何时候都要重要。 面对海量数据，自动生成数据模型和数据库设计是一种经济高效的方法，既可提升效率和减少错误，又可全面提高生产效率。
当然，不同的组织有不同的需求。 对于某些组织，传统的数据库方案就能够满足其当前的数据策略和成熟度需求。 而对于其他组织，NoSQL数据库提供的更佳的灵活性使得NoSQL数据库成为必需品，并进而使NoSQL数据建模也成为必要任务。 通过将数据带到企业并使其易于访问和理解，可以增加数据资产的价值，从而提供投资回报和机会回报。 但是，无论是哪种情况，倘若没有数据建模为元数据管理和适当的数据监控提供基石，则都无法实现。
什么是任何²数据建模？
大数据的三个定义属性称为“三个V”。它们表示数据的量(Volume)、类型(Variety)和必须达到的数据处理速度(Velocity)。 数据的价值随着上下文而增长，而此类上下文可在数据内发现。 这意味着它会刺激生成和存储更大量的数据。
通常，数据量的增加会导致数据源和类型的增加。 而数据量和数据类型的增加使得以提供洞见的方式管理数据愈发困难。
如果未进行尽职调查，则上述因素可能给数据驱动型组织的环境造成混乱。
因此，正确的数据建模方法是允许用户从任何位置查看任何数据 – 我们称之为“任何平方”（任何²）的数据监管和管理最佳做法。
采用任何²方法的组织可以期望在大型数据集成、主数据管理、元数据管理、大数据和业务智能/分析计划中实现更高的一致性、清晰度和构件重用率。
erwin可以如何支持您的数据建模要求？
erwin Data Modeler by Quest有多个版本可选，并提供附加选项以提高数据功能的质量和灵活性。 它提供一个现代化可定制建模环境；支持所有主要的和新兴的DBMS平台（包括Azure Synapse、Couchbase、Cassandra、MongoDB、Snowflake和MariaDB）；自动收集数据模型和命名标准，以便注入到erwin Data Intelligence Suite by Quest中；以及提供其他节省时间的自动化任务。