Modelado de datos

Los modelos de datos proporcionan un marco para el uso de datos en sistemas de información, al ofrecer definiciones y formatos específicos. Si un modelo de datos se utiliza de forma coherente en todos los sistemas, se logra la compatibilidad de los datos. Si se utilizan las mismas estructuras de datos para almacenar y acceder a ellos, diferentes aplicaciones pueden compartirlos sin problemas. Los resultados se muestran en el diagrama. Sin embargo, los sistemas e interfaces suelen ser costosos de construir, operar y mantener. Además, pueden limitar el negocio en lugar de apoyarlo. Esto puede ocurrir cuando la calidad de los modelos de datos implementados en los sistemas e interfaces es deficiente. ^{[ 1 ]}

Algunos problemas comunes que se encuentran en los modelos de datos son:

• Las reglas de negocio, específicas de cómo se realizan las tareas en un lugar determinado, suelen estar integradas en la estructura del modelo de datos. Esto significa que pequeños cambios en la forma de operar conllevan grandes modificaciones en los sistemas informáticos y las interfaces. Por lo tanto, es necesario implementar las reglas de negocio de forma flexible, evitando dependencias complejas. En cambio, el modelo de datos debe ser lo suficientemente flexible como para que los cambios en el negocio puedan implementarse de forma relativamente rápida y eficiente.
• Con frecuencia, los tipos de entidades no se identifican o se identifican incorrectamente. Esto puede provocar la duplicación de datos, estructuras de datos y funcionalidades, con los consiguientes costes de desarrollo y mantenimiento. Por lo tanto, las definiciones de datos deben ser lo más explícitas y fáciles de entender posible para minimizar las malas interpretaciones y la duplicación.
• Los modelos de datos para distintos sistemas son arbitrariamente diferentes. Esto implica la necesidad de interfaces complejas entre los sistemas que comparten datos. Estas interfaces pueden representar entre el 25 % y el 70 % del coste de los sistemas actuales. Al diseñar un modelo de datos, es fundamental considerar las interfaces necesarias, ya que un modelo de datos por sí solo no sería útil sin las interfaces entre los diferentes sistemas.
• Los datos no pueden compartirse electrónicamente con clientes y proveedores, ya que su estructura y significado no están estandarizados. Para obtener el máximo provecho de un modelo de datos implementado, es fundamental definir estándares que garanticen que los modelos de datos satisfagan las necesidades del negocio y sean coherentes. ^{[ 1 ]}

En 1975, ANSI describió tres tipos de instancias de modelos de datos : ^{[ 5 ]}

• Esquema conceptual : describe la semántica de un dominio (el alcance del modelo). Por ejemplo, puede ser un modelo del área de interés de una organización o de una industria. Este esquema consta de clases de entidades, que representan tipos de elementos relevantes en el dominio, y aserciones de relaciones sobre asociaciones entre pares de clases de entidades. Un esquema conceptual especifica los tipos de hechos o proposiciones que se pueden expresar utilizando el modelo. En ese sentido, define las expresiones permitidas en un "lenguaje" artificial cuyo alcance está limitado por el alcance del modelo. En resumen, un esquema conceptual es el primer paso para organizar los requisitos de datos.
• Esquema lógico : describe la estructura de un dominio de información. Consiste en descripciones de (por ejemplo) tablas, columnas, clases orientadas a objetos y etiquetas XML. El esquema lógico y el esquema conceptual a veces se implementan como uno solo. ^{[ 2 ]}
• Esquema físico : describe los medios físicos utilizados para almacenar datos. Esto incluye particiones, CPU, espacios de tablas y similares.

Según ANSI, este enfoque permite que las tres perspectivas sean relativamente independientes entre sí. La tecnología de almacenamiento puede cambiar sin afectar ni al esquema lógico ni al conceptual. La estructura de tablas y columnas puede cambiar sin afectar (necesariamente) al esquema conceptual. En cada caso, por supuesto, las estructuras deben mantenerse consistentes en todos los esquemas del mismo modelo de datos.

En el contexto de la integración de procesos de negocio (véase la figura), el modelado de datos complementa el modelado de procesos de negocio y, en última instancia, da como resultado la generación de bases de datos. ^{[ 6 ]}

El proceso de diseño de una base de datos implica la creación de los tres tipos de esquemas descritos anteriormente: conceptual, lógico y físico. El diseño de la base de datos documentado en estos esquemas se convierte mediante un lenguaje de definición de datos (DDL ), que luego se utiliza para generar la base de datos. Un modelo de datos con atributos completos contiene atributos detallados (descripciones) para cada entidad. El término "diseño de base de datos" puede describir diversas partes del diseño de un sistema de base de datos . Principalmente, y de forma más precisa, se puede considerar como el diseño lógico de las estructuras de datos básicas utilizadas para almacenar la información. En el modelo relacional, estas son las tablas y las vistas . En una base de datos orientada a objetos , las entidades y las relaciones se corresponden directamente con las clases de objetos y las relaciones con nombre. Sin embargo, el término "diseño de base de datos" también puede aplicarse al proceso general de diseño, no solo de las estructuras de datos básicas, sino también de los formularios y las consultas que forman parte de la aplicación de base de datos dentro del Sistema de Gestión de Bases de Datos (DBMS).

En este proceso, las interfaces del sistema representan entre el 25 % y el 70 % de los costos de desarrollo y soporte de los sistemas actuales. La razón principal de este costo es que estos sistemas no comparten un modelo de datos común . Si los modelos de datos se desarrollan sistema por sistema, no solo se repite el mismo análisis en áreas superpuestas, sino que también se debe realizar un análisis adicional para crear las interfaces entre ellos. La mayoría de los sistemas dentro de una organización contienen los mismos datos básicos, rediseñados para un propósito específico. Por lo tanto, un modelo de datos básico diseñado de manera eficiente puede minimizar el retrabajo con modificaciones mínimas para los propósitos de los diferentes sistemas dentro de la organización ^{[ 1 ].}

Los modelos de datos representan áreas de información de interés. Si bien existen muchas maneras de crear modelos de datos, según Len Silverston (1997) ^{[ 7 ],} solo dos metodologías de modelado destacan: de arriba hacia abajo y de abajo hacia arriba:

• Los modelos ascendentes o de integración de vistas suelen ser el resultado de un esfuerzo de reingeniería . Generalmente parten de estructuras de datos existentes, como formularios, campos en pantallas de aplicaciones o informes. Estos modelos suelen ser físicos, específicos de la aplicación e incompletos desde una perspectiva empresarial . Es posible que no fomenten el intercambio de datos, especialmente si se construyen sin tener en cuenta otras partes de la organización. ^{[ 7 ]}
• Por otro lado, los modelos de datos lógicos descendentes se crean de forma abstracta a partir de información proporcionada por personas expertas en el área temática. Un sistema puede no implementar todas las entidades de un modelo lógico, pero este sirve como punto de referencia o plantilla. ^{[ 7 ]}

En ocasiones, los modelos se crean mediante una combinación de ambos métodos: considerando las necesidades de datos y la estructura de una aplicación, y haciendo referencia de forma consistente a un modelo de área temática. En muchos entornos, la distinción entre un modelo de datos lógico y un modelo de datos físico se difumina. Además, algunas herramientas CASE no distinguen entre modelos de datos lógicos y físicos . ^{[ 7 ]}

Existen diversas notaciones para el modelado de datos. El modelo propiamente dicho se denomina frecuentemente "modelo entidad-relación", ya que representa los datos en términos de las entidades y relaciones descritas en ellos . ^{[ 4 ]} Un modelo entidad-relación (MER) es una representación conceptual abstracta de datos estructurados. El modelado entidad-relación es un método de modelado de bases de datos de esquema relacional , utilizado en ingeniería de software para producir un tipo de modelo de datos conceptual (o modelo de datos semántico ) de un sistema, a menudo una base de datos relacional , y sus requisitos de forma descendente .

Estos modelos se utilizan en la primera etapa del diseño de sistemas de información , durante el análisis de requisitos, para describir las necesidades de información o el tipo de información que se almacenará en una base de datos . La técnica de modelado de datos puede utilizarse para describir cualquier ontología (es decir, una visión general y clasificaciones de los términos utilizados y sus relaciones) para un universo de discurso determinado , es decir, el área de interés.

Se han desarrollado varias técnicas para el diseño de modelos de datos. Si bien estas metodologías guían a los modeladores de datos en su trabajo, dos personas diferentes que utilicen la misma metodología a menudo obtendrán resultados muy diferentes. Las más destacadas son:

• Diagramas de Bachman
• Notación de Barker
• Notación de Chen
• Modelado de bóveda de datos
• Forma extendida de Backus-Naur
• IDEF1X
• Mapeo objeto-relacional
• Modelado de objetos y roles y modelado de información totalmente orientado a la comunicación.
• Modelo relacional
• Modelo relacional/Tasmania

Los modelos de datos genéricos son generalizaciones de los modelos de datos convencionales . Definen tipos de relaciones generales estandarizados, junto con los tipos de elementos que pueden relacionarse mediante dichos tipos de relaciones. La definición de un modelo de datos genérico es similar a la de un lenguaje natural. Por ejemplo, un modelo de datos genérico puede definir tipos de relaciones como una «relación de clasificación», que es una relación binaria entre un elemento individual y un tipo de elemento (una clase), y una «relación parte-todo», que es una relación binaria entre dos elementos, uno con el rol de parte y el otro con el rol de todo, independientemente del tipo de elementos que se relacionen.

Dada una lista extensible de clases, esto permite clasificar cualquier elemento y especificar relaciones de parte-todo para cualquier objeto. Mediante la estandarización de una lista extensible de tipos de relaciones, un modelo de datos genérico posibilita la expresión de un número ilimitado de tipos de hechos y se aproxima a las capacidades de los lenguajes naturales. Los modelos de datos convencionales, por otro lado, tienen un dominio fijo y limitado, ya que su instanciación (uso) solo permite expresar tipos de hechos predefinidos en el modelo.

La estructura lógica de datos de un sistema de gestión de bases de datos (DBMS), ya sea jerárquica, de red o relacional, no puede satisfacer completamente los requisitos de una definición conceptual de datos, dado su alcance limitado y su sesgo hacia la estrategia de implementación empleada por el DBMS. Esto no aplica a menos que el modelo de datos semántico se implemente intencionadamente en la base de datos, una decisión que puede afectar ligeramente el rendimiento, pero que generalmente mejora enormemente la productividad.

Por lo tanto, la necesidad de definir los datos desde una perspectiva conceptual ha llevado al desarrollo de técnicas de modelado de datos semánticos . Es decir, técnicas para definir el significado de los datos en el contexto de sus interrelaciones con otros datos. Como se ilustra en la figura, el mundo real, en términos de recursos, ideas, eventos, etc., se define simbólicamente mediante su descripción en almacenes de datos físicos. Un modelo de datos semántico es una abstracción que define cómo se relacionan los símbolos almacenados con el mundo real. Por consiguiente, el modelo debe ser una representación fiel del mundo real. ^{[ 8 ]}

El propósito del modelado de datos semánticos es crear un modelo estructural de una parte del mundo real, denominada "universo del discurso". Para ello, se consideran tres relaciones estructurales fundamentales:

• Clasificación/instanciación: Los objetos con cierta similitud estructural se describen como instancias de clases.
• Agregación/descomposición: Los objetos compuestos se obtienen uniendo sus partes.
• Generalización/especialización: Las clases distintas con algunas propiedades comunes se reconsideran en una clase más genérica con los atributos comunes.

Un modelo de datos semántico puede utilizarse para servir a muchos propósitos, tales como: ^{[ 8 ]}

• Planificación de recursos de datos
• Creación de bases de datos compartibles
• Evaluación del software del proveedor
• Integración de bases de datos existentes

El objetivo general de los modelos de datos semánticos es capturar un mayor significado de los datos mediante la integración de conceptos relacionales con conceptos de abstracción más potentes propios del campo de la inteligencia artificial . La idea es proporcionar primitivas de modelado de alto nivel como partes integrales de un modelo de datos para facilitar la representación de situaciones del mundo real. ^{[ 10 ]}