Ein Datenmodell beschreibt die Struktur und die Beziehungen von Daten. Es definiert Entitäten, Attribute und Beziehungen. Ein Kunde hat eine Adresse. Eine Bestellung enthält Positionen. Ein Produkt gehört zu einer Kategorie. Das Modell ist ein Bauplan. Es zeigt Entwicklern, wie sie die Datenbank erstellen, und Analysten, wie sie Abfragen durchführen. Ein gutes Modell spiegelt die Geschäftsprozesse wider. Ein schlechtes Modell stiftet Verwirrung, die jahrelang anhält.

Modelle sind mehrstufig aufgebaut. Das konzeptionelle Modell beschreibt Geschäftseinheiten und ihre Beziehungen auf einer hohen Ebene. Das logische Modell ergänzt die Details: Attribute, Schlüssel und Normalisierung. Das physische Modell spezifiziert Tabellen, Spalten, Indizes und Speicher. Jede Ebene dient einer anderen Zielgruppe. Geschäftsverantwortliche verstehen das konzeptionelle Modell. Entwickler arbeiten mit dem physischen. Der Modellierungsprozess schafft Klarheit. Was genau ist ein Kunde? Ist ein Interessent ein Kunde? Was passiert bei einer Stornierung? Diese Fragen werden während der Modellierung beantwortet, nicht erst in Krisensituationen. Schlecht konzipierte Modelle verursachen schwerwiegende Probleme. Denormalisierte Tabellen führen zu Aktualisierungsanomalien. Fehlende Schlüssel führen zu Duplikaten. Inkonsistente Benennung führt zu Verwirrung. Die Änderung eines Modells nach dem Laden der Daten ist kostspielig. Es von Anfang an richtig zu machen, ist günstiger, aber nie einfach.

Modellebenen

• Konzeptionell – Geschäftseinheiten und Beziehungen
• Logisch – Attribute, Schlüssel und Normalisierung
• Physisch – Tabellen, Spalten, Indizes und Speicher
• Dimensional – Stern- und Schneeflockenschemata für die Analytik

Ein Datenmodell ist ein Vertrag. Er legt die Bedeutung der Daten und ihre Zusammenhänge fest. Wird dieser Vertrag gebrochen, bricht alles zusammen, was darauf aufbaut.