知识关键点

• 数据模型记分卡是一种积极，有效的数据模型质量评价方法。
• 在数据建设初期使用记分卡可以有效降低返工几率，即便一些新手也可以对数据模型提出改进意见。
• 记分卡并非专用性技术，可以在任何项目中加以应用。

---

  在数据质量管理中经常容易被忽略的一个问题就是数据模型的质量。在项目开发过程中，我们经常以数据库设计为单一目标，而进行快速的数据模型构建，然而数据模型的意义却是深远，持久的。数据模型质量影响着数据结构的实现，影响着数据模型的适应能力，影响着数据的理解和交流，影响着数据质量规则的定义等，而且高质量的数据模型是架构健壮性应用系统的基础。所以，需要一个客观的评测方法来判断数据模型的优劣。

1. 理解数据模型记分卡

  数据模型记分卡是一种积极，有效的数据模型质量评价方法。记分卡具有以下4个基本特征。

1. 不仅会凸显需要改进的地方，而且还会强调可取之处。
2. 提供一个外部的，客观的视角。
3. 提供简单，直观的审查方法。
4. 支持所有类型的模型。

2. 记分卡模板

如下是为适用于各种模型评审者使用的记分卡模板。

编号	计分项	总分	模型得分	百分比	备注
1	模型对于项目需求的表达如何	15
2	模型的完整性如何	15
3	模型与其规划的匹配如何	10
4	模型的结构健壮性如何	15
5	模型的通用结构化设计如何	5
6	模型中的标准化命名如何	5
7	模型的可阅读性如何	5
8	模型中的定义如何	10
9	模型与企业数据模型的一致性如何	5
10	元数据与数据的匹配情况如何	10
	总分	100

  每个计分项的总分表示该计分项对整个模型的影响程度。最终由于希望得到一个百分比，所以各项总分累计为100.模型得分列为特定的模型评审结果。百分比 则存储了模型得分除以对应计分项总分的结果。备注栏中记录关于模型得分的细节，以及修改模型可以采取的行动。备注栏中记录的简要性说明正式计分卡非常有益的关键所在，即便模型在某一项不存在问题，仍然可以在备注栏中注明该项获得满分的原因，最后一行为模型总分，是各计分项得分求和的结果，该值反映出某特定评审对模型的总体评价。

3. 记分卡简介

  以下是对10个计分项的简要介绍。

1. 模型对于项目需求的表达如何？
2. 模型的完整性如何？
3. 模型与其规划的匹配如何？
4. 模型的结构健壮性如何
5. 模型的通用结构化设计如何
6. 模型中的标准化命名如何
7. 模型的可阅读性如何？
8. 模型中的定义如何？
9. 模型与其他数据模型的一致性如何？
10. 元数据与数据的匹配情况如何？