Un modèle de données décrit la structure et les relations entre les données. Il définit les entités, les attributs et les relations. Un client possède une adresse. Une commande comporte des articles. Un produit appartient à une catégorie. Le modèle sert de plan directeur. Il indique aux développeurs comment construire la base de données et aux analystes comment l'interroger. Un bon modèle reflète la réalité métier. Un mauvais modèle engendre une confusion qui perdure pendant des années.

Les modèles se déclinent en plusieurs niveaux. Le modèle conceptuel décrit les entités métier et leurs relations de manière générale. Le modèle logique apporte des détails : attributs, clés et normalisation. Le modèle physique spécifie les tables, les colonnes, les index et le stockage. Chaque niveau s'adresse à un public différent. Les parties prenantes métier comprennent le modèle conceptuel. Les développeurs travaillent avec le modèle physique. Le processus de modélisation favorise la clarté. Qu'est-ce qu'un client exactement ? Un prospect est-il un client ? Que se passe-t-il lorsqu'une commande est annulée ? Ces questions trouvent réponse lors de la modélisation, et non en situation de crise. Des modèles mal conçus engendrent des problèmes difficiles à résoudre. Des tables dénormalisées entraînent des anomalies de mise à jour. Des clés manquantes provoquent des doublons. Une nomenclature incohérente est source de confusion. Modifier un modèle après le chargement des données est coûteux. Bien le concevoir dès le départ est moins onéreux, même si ce n'est jamais simple.

Niveaux de modélisation

• Conceptuel — entités commerciales et relations
• Logique — attributs, clés et normalisation
• Éléments physiques : tables, colonnes, index et stockage
• Dimensionnel — schémas en étoile et en flocon de neige pour l'analyse

Un modèle de données est un contrat. Il définit la signification des données et leurs interconnexions. Si ce contrat est rompu, tout ce qui repose dessus s'effondre.