Modélisation physique des données
Qu’est-ce qu’un modèle physique de données ?
Un modèle physique de données introduit le contexte spécifique à la base de données qui manque dans les modèles conceptuels et logiques de données. Il représente les tables, colonnes, types de données, vues, contraintes, indices et procédures au sein de la base de données et/ou les informations communiquées lors des processus informatiques.
Les modèles de données physiques doivent être construits en fonction d’un système de gestion de base de données (SGBD) spécifique ainsi que des exigences spécifiques des processus qui fonctionnent sur la base de ces données. Cela nécessite souvent la dénormalisation des constructions de conception logique pour maintenir l’intégrité référentielle. Un exemple de ces considérations contextuelles à l’étape de la modélisation physique des données est la nature des données qui peuvent être/seront traitées et les règles concernant la façon dont ces processus peuvent être exécutés.
Il est également essentiel de s’assurer que les types de colonnes modélisés sont pris en charge par le SGBD et que les conventions de dénomination des entités et des colonnes sont respectées, afin d’éviter les chevauchements sémantiques problématiques. La prise en compte du contexte technologique signifie que les modèles de données physiques reflètent les besoins de l’environnement technologique tel qu’il est, ou tel qu’il est prévu.
Quel est l’objectif d’un modèle physique de données ?
En tant que représentation spécifique à la base de données de la mise en œuvre d’un modèle de données, les modèles physiques aident à visualiser la structure d’une base de données avant qu’elle ne soit construite. Ils se concentrent sur la mise en œuvre d’une base de données et aident les organisations à y parvenir en décrivant comment la base de données sera créée dans les limites d’un SGBD spécifique.
Les concepteurs de bases de données peuvent ainsi créer une abstraction de la base de données et générer des schémas. Les types d’entités sont représentés par des tables, et les lignes de type relation représentent les clés étrangères entre les tables. Cette perspective est essentielle pour garantir que les objets de données et les relations représentés sont exacts et compatibles avec les systèmes de l’organisation.
Quand faut-il envisager un modèle physique de données ?
Les trois types de modélisation de données peuvent et doivent être perçus comme des étapes linéaires. En tant que troisième étape de la modélisation de données, la modélisation physique s’appuie sur les modèles développés dans les étapes conceptuelles et logiques.
Les modèles physiques marquent un changement par rapport aux modèles construits principalement pour représenter le « quoi », comme les données et les informations qui seront modélisées, en faveur du « comment », la mise en œuvre. Naturellement, cette approche pratique de la mise en œuvre tient compte des spécificités du SGBD et de la technologie, notamment des exigences de dénormalisation, proposés pour le projet.
Le modèle décrit les besoins en données d’un seul projet, mais il peut aussi être intégré aux modèles physiques de données d’autres projets pour tenir compte des interrelations entre les projets, les processus et les technologies. En raison de ses considérations sur une technologie spécifique, un modèle physique est plus rigide, et même de petits changements peuvent nécessiter de modifier de toute l’application. C’est pourquoi il est conseillé de passer à la construction d’un modèle physique de données uniquement lorsque les modèles conceptuels et logiques ont été construits.
Pourquoi utiliser un modèle physique de données ?
Les modèles physiques de données sont une étape essentielle pour comprendre la nature d’une mise en œuvre. Plus cette compréhension est complète, plus vous avez de chances de parvenir à mettre en œuvre une solution qui répond aux besoins de l’organisation.
Un modèle physique de données bien conçu se traduit par des données de meilleure qualité, des mises en œuvre et une maintenance facilitées, et une extensibilité plus aisée. Toutefois, un modèle physique de données bien conçu dépend de l’adéquation des modèles qui le précèdent. En pratique, de nombreuses organisations reconnaissent la nécessité de construire un modèle physique de données, mais négligent ou omettent les modèles conceptuels et logiques. Cela conduit inévitablement à des lacunes dans les considérations de conception et à des problèmes de lignage et de traçabilité des données, des modèles de données aux applications physiques.
Avantages de la modélisation physique des données
Aider à produire une représentation visuelle de la structure de la base de données
Réduire le risque de mises en œuvre bâclées ou incomplètes
Transformer facilement le modèle de données en schéma de base de données
Mieux visualiser vos données avec erwin
Avec plus de 30 ans d’expérience, erwin est un fournisseur de confiance d’outils de modélisation de données et le leader du secteur. Nous continuons d’innover pour aborder chaque étape du processus de modélisation des données, ainsi que pour combler le fossé entre la modélisation des données et les efforts plus larges de gouvernance des données.
Les utilisateurs d’erwin Data Modeler de Quest bénéficient d’une plateforme qui favorise la collaboration tout en prenant en charge chaque étape du cycle de vie des données. De la prise en charge des solutions SQL et NoSQL à la collecte automatisée de métadonnées, les utilisateurs d’erwin Data Modeler bénéficient de délais de mise en œuvre considérablement réduits.