详解数据建模&数据域

常常听到大家对数据域（Domain）、数据类型（Data Type）及数据标准概念的混淆，今天，数语科技小编给大家详细讲解一下数据建模和数据域。

为了更好的帮助大家理解数据域、数据模型、元数据之间的关系，首先我们以图示来表达它们之间的关系：

数据域（Domain）也称值域。域是用来描述一个字段的技术属性的集合，包括数据类型，数据长度，小数点位数以及取值范围等。具有以上技术属性相同定义的字段可以包含进一个域，而当域的属性定义发生改变时，所有引用它的字段的属性都会对应进行提示。

数据标准通常包括技术属性、业务属性与管理属性。数据域对应的是其中的技术属性部分。

通过落标数据标准到数据模型，之后将数据模型由逻辑模型派生到物理模型，最终落地到数据库schema。

定义数据域，可以实现多个实体的属性共享，这在模型设计中非常重要。

以“国家”数据域的定义为例：

“居住地”、“出生地”、“国籍”三个实体中都有“国家”属性，我们就可以定义一个“国家”域，分别附加到三个实体中。这样，修改域的同时，使用域的实体的相关属性也会随之更新。

1. 数据域的操作

定义“国家”数据域的技术属性：数据类型、长度、精度、非空

定义“国家”数据域的标准代码值：

2. 数据域的应用场景

应用数据域到数据模型的实体属性

在设计数据模型添加属性的类型和取值范围、约束条件时，对于相同类型的属性，不需要逐个去设置相同的取值范围、约束条件等。只需把该类型的定义在数据域（数据标准）中，添加实体属性时，填写关键词，并选择联想的数据标准，则该字段的类型、约束等将自动应用为该域的设定值。

如下图所示，从关键词联想的下拉列表中选择一个数据标准：

多个字段引用同一个数据域：

建设数据域的经验分享

1数据域的量够不够

完成基本的覆盖度即可启动

建立上下互动，让数据域生长起来

建立贡献激励制度

2 使用数据建模工具提高开发效率

拖拉拽的方式用数据标准组装模型，根据输入智能推荐数据标准，批量智能匹配数据标准

检索模型库快速定位高质量模型及关联库表，可直接应用到自己的模型设计

 一致性验证及应用

3 核标验标，形成闭环

关于Datablau

#数据治理 #数据质量 #数据建模工具

Datablau创建于2016年，核心创始和研发团队全部来自于原CA erwin，天然具有世界级产品厂商的血缘和水准，是国内数据治理的头部品牌。依托多年的行业积累和技术沉淀，Datablau在产品

设计层面充分发挥了后天优势，实现了集数据建模、数据目录、数据质量和数据准备为一体的企业级数据治理平台，全面满足企业对于数据治理的客观需求。目前Datablau在以建行为代表的六大国行、九大股份、城商行、人寿人保为代表的保险行业、两大电网、证券基金TOP10、华为海信为首的制造业等大型客户得到实际应用并深受好评，Datablau已成为企业数据治理领域的领导厂商。