数据模型/数据建模的含义

1. 我们可以从以下四个方面来了解

（1）、业务模型

（2）、构建表关系/表链接

（3）、数学模型

（4）、算法模型 ???

• 业务模型

建立业务模型的重点是懂业务，即了解业务的整个过程。结合项目，就需要了解CMS系统以及具体业务，比如我们有采购、库存、销售、财务几个环节，各环节都有些流程，不同环节之间有哪些关联，以及行业及企业规范要求等，都属于业务的范畴

我们建的模型大部分是业务模型，指标体系大多数的本质也是在反映业务本身，也可以归为业务模型

第二、构建表关系/表链接

构建表关系/表链接的核心含义是使几个相关的表之间建立好联系，以供我们可以更好的数据分析，解决数据表结构层面上连接的一些问题，底层依赖SQL语言，是BI工具/可视化建模工具的主要设计思路。

图中所示是数据之间常见的几种关系、在数学上称为交集、并集和差集。在SQL中可以通过等关联、合并、左关联来实现。

通俗来讲就是，我们在业务分析时，需要的数据遍布在不同的表中（可以简单理解为excel），而很多情况下需要从不同的表中获取我们想要的信息，那么了解表间关系建立表接，并进行相应计算，就是我们要解决的问题。

第三、数学模型

数学模型是指按照一定的规律进行计算的模型,比如excel公式计算。包括简单模型和复杂模型，比如有的指标可能用到表很少，条件相对简单，统计方法也比较单一，可以归为简单模型，也有的指标用到很多表，各种复杂的关联关系，条件也比较多，还涉及到一些不常用的函数，可以归为复杂模型。我们常用的评分模型/积分模型，通过单个维度打分，再进行加权或其他计算，综合总分，就属于数学模型。 ?

数学模型的本质是通过数学计算/公式计算，得出最终确定的结果，即通过已知得出已知。难点在于计算结果是否可以解决业务问题。

我们常说的数据建模主要指数学模型。

第四、算法模型

比如社交购物App的推荐系统，通过采集个人行为推送一些可能感兴趣的话题或商品，并且随着个人行为的变化影响推送结果。

算法模型涉及到数据挖掘、机器学习、人工智能等方面的知识，很多算法最终目的是分类，具体场景包括事件预测、图像识别、视频识别、语言识别、语义识别等。与数学模型通过已知得出已知不同，算法模型有很大的不确定性，但同时又有很多可能性。