Dans le cadre d’un système d’information, les modèles ont pour objectif de structurer les informations et activités d'une organisation : données, traitements, et flux d'informations entre entités. De façon plus précise un modèle de données, est une représentation de la définition des différentes données (attributs) dans une organisation et comment ces attributs se rapportent les uns aux autres. Un système de base de données a de multiples modèles de données : physiques, logiques et sémantiques.
Les modèles logiques de données de Teradata par industrie servent à répondre aux questions des métiers comme les modèles des applications opérationnelles servent à supporter les processus couverts. Tout comme les plans d’un immeuble décrivent l’agencement détaillés des étages, le MLD décrit les dépendances ou relations entre les différentes données du système d'information (par exemple : le client, la commande, la ligne de commande, etc.), ainsi que la volumétrie, la structure et l'organisation des données telles qu'elles pourront être implémentées. Lorsque le MLD est défini, il est possible de connaître la liste exhaustive des tables qu’il faut créer dans une base de données relationnelle.
De façon plus détaillée, le modèle logique de données permet donc de saisir avec exactitude les besoins d'information, les règles et politiques qui régissent l'entreprise. Il est utilisé pour créer le modèle physique, est indépendant de la plate-forme sur laquelle il va être implémenté, ne change que lorsque le métier change, se doit d’être compris par les utilisateurs métier et enfin permet au système d’information d’être stable, fiable, accessible et pérenne.
Un MLD présente de nombreux avantages comme le fait qu’il reflète les opérations et les règles de l’entreprise (la vérité). Etant construit en fonction des besoins des utilisateurs métier et non en fonction de considérations purement techniques, il permet de centrer les analyses sur ce qui est important pour l'entreprise, d’appréhender des données individuellement ou en relation avec les autres. De par sa construction il élimine les redondances et donc de multiples versions de la vérité. Il crée une base stable pour la croissance future, il facilite la compréhension commune des enjeux des affaires et des priorités, il conduit au développement d’un langage commun, il améliore les communications, les échanges d'information entre les métiers et l’informatique et au final il favorise le travail d’équipe et le consensus.
La mise ne œuvre d’un modèle métier comme ceux de Teradata est rapide, généralement c’est l’affaire de quelques semaines. Ces modèles permettent d’accélérer les projets, en facilitant l’identification, la compréhension, la modélisation des données à récupérer, tout en réduisant considérablement les risques. Pour aller plus loin vous pouvez utilement lire mes autres articles au sujet de la modélisation des entrepôts de données : cliquez ici
Les modèles logiques de données de Teradata par industrie servent à répondre aux questions des métiers comme les modèles des applications opérationnelles servent à supporter les processus couverts. Tout comme les plans d’un immeuble décrivent l’agencement détaillés des étages, le MLD décrit les dépendances ou relations entre les différentes données du système d'information (par exemple : le client, la commande, la ligne de commande, etc.), ainsi que la volumétrie, la structure et l'organisation des données telles qu'elles pourront être implémentées. Lorsque le MLD est défini, il est possible de connaître la liste exhaustive des tables qu’il faut créer dans une base de données relationnelle.
De façon plus détaillée, le modèle logique de données permet donc de saisir avec exactitude les besoins d'information, les règles et politiques qui régissent l'entreprise. Il est utilisé pour créer le modèle physique, est indépendant de la plate-forme sur laquelle il va être implémenté, ne change que lorsque le métier change, se doit d’être compris par les utilisateurs métier et enfin permet au système d’information d’être stable, fiable, accessible et pérenne.
Un MLD présente de nombreux avantages comme le fait qu’il reflète les opérations et les règles de l’entreprise (la vérité). Etant construit en fonction des besoins des utilisateurs métier et non en fonction de considérations purement techniques, il permet de centrer les analyses sur ce qui est important pour l'entreprise, d’appréhender des données individuellement ou en relation avec les autres. De par sa construction il élimine les redondances et donc de multiples versions de la vérité. Il crée une base stable pour la croissance future, il facilite la compréhension commune des enjeux des affaires et des priorités, il conduit au développement d’un langage commun, il améliore les communications, les échanges d'information entre les métiers et l’informatique et au final il favorise le travail d’équipe et le consensus.
La mise ne œuvre d’un modèle métier comme ceux de Teradata est rapide, généralement c’est l’affaire de quelques semaines. Ces modèles permettent d’accélérer les projets, en facilitant l’identification, la compréhension, la modélisation des données à récupérer, tout en réduisant considérablement les risques. Pour aller plus loin vous pouvez utilement lire mes autres articles au sujet de la modélisation des entrepôts de données : cliquez ici
Rédigé par Michel Bruley le Jeudi 1 Mars 2012 à 10:48
|
Permalien
|
{0}
> A LIRE EN CE MOMENT SUR DECIDEO
-
Gouverner l’intelligence artificielle : cartographier les risques (2ème partie)
-
JFrog sécurise le développement d’intelligences artificielles et simplifie de bout en bout la gestion de modèles de machine learning grâce à son intégration avec la plateforme MLflow de DataBricks
-
Le nouvel outil Webfleet Transition EV permet l’électrification des flottes par la donnée
-
Alteryx et DataCamp s'allient pour permettre à tous les salariés de se former à l'analyse
-
Quel est le futur des métiers de la data et de l’IA vu par les grands groupes français ?
-
OneStream Software réinvente et renforce le rôle du CFO grâce à sa nouvelle solution Narrative Reporting
-
Empreinte de la Donnée sur le vivant : Le Cercle de la Donnée et l’Agora 41 présentent 5 propositions pour un numérique responsable
-
Les dirigeants adoptent l'IA sous la pression médiatique, mais la préparation organisationnelle reste un défi majeur
-
La NASA s’appuie sur le moteur d’Enterprise Search de Sinequa pour propulser son nouveau moteur Science Discovery Engine
-
IA, simplification et débureaucratisation pour transformer l'État
Profil
Michel Bruley
Liste de liens
Dernières notes
Meilleurs vœux aux parents pour 2024
10/01/2024
RECETTE DE LA DINDE AU WHISKY
27/01/2023
Le 1 to 1 marketing a bientôt trente ans
24/09/2022
Galerie
Archives
Rubriques
Rubriques