你了解數據建模么？你是否存在疑問：什麼是數據建模？數據建模和數據模型有什麼關係？
數據建模，通俗地說就是發現、分析和確定數據需求的過程。用數據模型的形式來表示和傳遞這些數據需求。
那麼在數據分析領域中，數據建模和數據模型都有哪些含義？
1、業務模型
第一種含義，業務模型。該模型是指了解業務的整個過程，即業務是怎麼發生的，就一家公司而言它是如何產生價值或者賺錢的。
以健身房為例，他的流量從哪裡來？客戶從哪裡來？可以通過線上線下的廣告推廣來獲取客戶。他的客戶如何轉化？可以通過工作人員的服務、器械的試用來實現變現。如何才能做好流量與轉化之間的承接？可以通過銷售人員的邀約，帶他們到店裡親身體驗。
分析完成後，我們可以了解到一個簡單的健身房業務模型，通過運營人員在線上或線下的廣告投放獲得客戶，再經過銷售人員的邀請實現客戶到店，通過到店後的體驗實現客戶變現。
一個業務模型里，通常包含人、事、財、物四類。
2、BI模型
第二種，在資料庫或BI工具中構建表關係或連接。將幾個相關的表之間建立聯繫，使我們能更好地進行數據分析。
我們以BI工具DataFocus為例，在數據表詳情頁面，通過表中欄位，可將多個渠道的店鋪數據表進行關聯，整合表中的數據以進行搜索分析。
表間的關聯類型支持全關聯、內關聯、左連接和右連接。
BI工具是我們數據分析師建模時經常要用到的，但是資料庫的表結構建模，一般都是數據倉庫或管理資料庫的同事來進行。
3、數學模型
第三種含義是數學模型，指可以按照一定規律進行計算的模型。像我們經常用到的評分模型，根據不同的維度進行打分，以得到綜合評分；還有我們接觸到的RFM模型、購物籃分析模型等等，都是通過計算來得到我們想要的結果。
這些模型計算出的結果能否解決業務問題，是我們需要重點關注的。
4、演算法模型
第四種含義，是演算法模型，比如我們在網購、瀏覽網頁時，常常接觸到的推薦系統，它會根據我們的行為，利用一系列演算法，推薦給我們可能喜歡的內容。演算法模型可能用到機器學習，也可能用到人工智慧，但這些內容是數據挖掘工程師需要掌握的。
雖然數據挖掘也是基於業務，但數據分析師偏向於直接作用於業務，而數據挖掘是通過模型來間接作用於業務。
作為一名數據分析師，我們常用到前三種模型：業務模型、BI模型和數學模型。當然，如果你想往技術方面發展的話，也可以嘗試數據挖掘，學習演算法模型方面的內容。
