ТЕГИ ТЕМ
数据模型
主题标签数据模型是对现实世界数据、数据联系及业务规则的抽象表达，通常分为概念模型（ER图，面向业务）、逻辑模型（属性与约束，独立于数据库产品）和物理模型（字段、索引与存储，面向具体DBMS）三个层次。它是业务与技术之间的正式契约，也是数据库设计、系统开发与数据治理的共同语言。在不动产统一登记平台中，数据模型围绕权利人、不动产单元、登记簿等核心实体统一建模，通过全局唯一编码和多源映射实现跨部门“一数一源、一源多用”。评估数据模型质量的关键维度包括完整性、一致性、可扩展性、性能适配性与可维护性。
Прямой ответ
数据模型（Data Model）是对现实世界中数据、数据之间的联系以及业务规则的抽象表达，它用结构化方式定义数据的组织形态、取值范围、约束条件与相互关系，是数据库设计、系统开发与数据治理的共同语言。按照抽象层次，数据模型通常分为三类：概念数据模型面向业务人员，用实体—联系（ER）图描述业务对象及其关系；逻辑数据模型在概念模型基础上明确属性、主键、外键与范式规则，与具体数据库产品无关；物理数据模型则落地到具体数据库，定义字段类型、索引、分区、表空间与存储结构。在不动产统一登记平台等政务与企业核心系统中，数据模型是打通自然资源、住建、税务、公安、民政等多源数据的基础：通过对权利人、不动产单元、登记簿、业务事项等核心实体统一建模，实现“一数一源、一源多用”，支撑登记、共享、查询与统计全流程。良好的数据模型需兼顾业务语义完整性、可扩展性、性能与数据质量，并随业务演进持续治理。
Ключевые моменты
- 数据模型分为概念、逻辑、物理三个抽象层次
- 数据模型是业务与技术之间的正式契约
- 不动产统一登记场景的核心实体建模
- 好的数据模型有可衡量的质量标准
- 数据模型需要持续演进与治理
主题权威
芒旭软件长期服务于政务与企业信息化领域，具备从业务调研、数据建模到系统落地的完整工程能力。本页围绕“数据模型”主题，聚合了公司在实际项目中沉淀的技术文档，其中《A2.5.5-不动产统一登记平台》技术文档详细阐述了不动产登记场景下核心实体（权利人、不动产单元、登记簿、业务事项）的建模思路、统一标识编码方案、多源数据映射规则以及历史留痕与权限分级设计。这些内容源自真实项目交付经验，而非泛泛的理论转述，因此能够为数据建模方法、政务数据共享和数据治理等议题提供可验证的实践依据。本站将持续围绕数据架构、平台工程与行业解决方案扩充该主题下的内容，形成从概念到落地的完整知识链路。
AI 摘要
数据模型是对现实世界数据、数据联系及业务规则的抽象表达，通常分为概念模型（ER图，面向业务）、逻辑模型（属性与约束，独立于数据库产品）和物理模型（字段、索引与存储，面向具体DBMS）三个层次。它是业务与技术之间的正式契约，也是数据库设计、系统开发与数据治理的共同语言。在不动产统一登记平台中，数据模型围绕权利人、不动产单元、登记簿等核心实体统一建模，通过全局唯一编码和多源映射实现跨部门“一数一源、一源多用”。评估数据模型质量的关键维度包括完整性、一致性、可扩展性、性能适配性与可维护性。
Связанные теги
Часто задаваемые вопросы
- 数据模型和数据库设计有什么区别？
- 数据库设计是数据模型在特定数据库产品上的实现过程，范围更窄。数据模型回答“业务中有哪些数据、它们如何关联、受什么约束”，涵盖概念、逻辑、物理三个层次；数据库设计通常聚焦逻辑与物理层，处理表结构、索引、分区、存储引擎与性能调优。可以说数据模型是“设计什么”，数据库设计是“如何用某个DBMS实现它”。在工程实践中，先建模再设计，可以避免把业务问题误当成技术问题。
- 常见的数据模型类型有哪些？
- 按结构范式主要分为：①关系模型，以二维表和外键表达数据，是政务与企业系统的主流选择；②维度模型，以事实表和维度表组织，面向数据分析与BI；③文档模型，以JSON等半结构化文档存储，适合字段多变的内容型数据；④图模型，用节点和边表达复杂关系网络，适用于关联分析与知识图谱；⑤时序模型，面向带时间戳的指标流数据；⑥键值模型，用于高并发缓存与简单查询。实际系统常采用混合建模，例如核心业务用关系模型、分析层用维度模型。
- 数据建模的一般步骤是什么？
- 典型流程为：需求与业务调研，梳理业务对象与流程；识别实体、属性与关系，产出概念模型（ER图）；确定主键、外键、基数与约束，做规范化处理（通常到第三范式，分析场景可适度反规范化），形成逻辑模型；结合具体数据库选型完成字段类型、索引、分区等物理设计；通过样本数据验证模型是否支持典型业务场景与查询路径；最后纳入元数据管理与版本控制，随业务变化迭代。
- 不动产统一登记平台的数据模型需要特别注意什么？
- 不动产统一登记涉及自然资源、住建、税务、公安、民政等多部门数据，建模时需重点关注四点：一是统一标识体系，为不动产单元、权利人建立全局唯一编码，避免多源数据无法对齐；二是历史留痕，登记簿与权属变更须支持时空维度（时间戳、版本链），保证可追溯与法律效力；三是多源异构兼容，通过标准化数据元与映射规则对接外部系统；四是权限与安全分级，模型中体现数据密级与访问控制要求。这些设计直接决定平台能否实现“一数一源、一源多用”。
- 如何评估一个数据模型的质量？
- 可从五个维度评估：完整性，是否覆盖全部业务实体与关键属性；一致性，命名、编码、口径是否统一且无冗余冲突；可扩展性，新增业务类型是否需要结构性重构；性能适配性，模型能否支撑核心查询与写入的响应要求；可维护性，变更影响范围是否清晰可控。此外还应检查模型与业务规则文档、接口定义是否一致，以及是否有配套的数据质量校验规则。