源起
不管 数据建模 ，是什么，但它必须有利于解决现实问题。
如何反应现实问题
要想反应或表达现实问题，就需要清除构成问题的要素：实体和关系。
实体
实体，对应现实中实际存在的观察对象。如：客户，产品，订单，时间，城市等。
关系
关系，对应现实中存在于实体之间的联系。如：某个客户在某个时间位于某个城市购买了某个产品并产生了某个订单。
注意事项
需要注意实体，未必是实实在在的，但必须在现实中有意义，能够影响现实。实体间的关系本是非常复杂的，而在这里必须抽丝剥茧，找到最主要关系，这个关系直接影响业务本身以及对业务的量化评估。
用数据表示
为了描述现实中的实体和关系，采用数据行来表示实体，实体的集合则是一张表。例如在Excel文件中存放的人员信息表，每行表示一个人员实体。
此时，也就可以用表之间的关系来表示实体集合之间的关系。
数据模型
这种用表以及表之间的关系来表示实体集合以及实体集合之间的关系所形成的表结构称之为数据模型。
数据建模
现实中的实体可以有很多定义的方式，实体之间的关系也可以有很多定义的方式，不同的视角，不同的定义，导致对问题的理解和看法都会不同。
表以及表之间的关系则也会在这个过程中可能有多种可能，数据建模的好坏决定了数据模型，决定了数据模型是否最直接有效地反映了实体集合以及实体集合之间的关系，也决定了进一步是否有效地反映了现实。
业务分析师
凡是去深入思考企业业务的角色都是业务分析师。例如：运营，他需要考虑如何在当前业务领域盘活各项资源，有效联动，产生变现。所以，必须识别业务实体以及它们之间的联动关系。
数据建模师
如何把已经明确识别出的业务实体以及实体之间的关系用企业已经沉积的对应的数据表示出来，并支持潜在的各项计算以评估业务就是数据建模师的工作。
自助式数据建模
不论是业务分析师还是数据建模师，都是将现实转化为可控数据的“接力棒”，当然可以选择接力更长，加上：需求分析，IT，开发都可以；但也可以选择一个人跑完。
一个人跑完 业务分析 和 数据建模 是非常厉害的，因为它能最大化减少中间过程的耗散，通常在领域主题非常集中又非常标准的领域最容易出现这样的英雄，如：财务。
当然现在借助越来越高级的工具，通过一定学习实践，可以在更多领域出现这样的人，如：运营，市场，营销，HR，培训等。
总结
理解世界，一会用数据表示，一会用人思考，在阴阳间快速切换。
