【数据技术】一文带你通俗读懂数据建模的逻辑

作者/唐显恒（高级数据建模师）

那什么是数据建模呢？

通过百度百科可以查到，数据建模指的是对现实世界各类数据的抽象组织，确定数据库需管辖的范围、数据的组织形式等直至转化成现实的数据库。将经过系统分析后抽象出来的概念模型转化为物理模型后，借助工具建立数据库实体以及各实体之间关系的过程（实体一般是表）。

这种专业的解释，让人不明觉厉，但对于真正想要理解数据建模的非专业人士，似乎曲高和寡了些。下面我们举个通俗易懂的例子，给大家讲清楚数据建模逻辑是什么。

例如，我们想要知道张三和李四是否有关系。

通常情况下，我们会根据已知信息及一些听闻，甚或追加一些自己的情绪，也许还会增加一些脑补信息，最后有了一个大概的判断，张三和李四确实有一定的关系。

而数据建模的过程，则首先收集张三和李四的一生中，所有相关人之间的关系及交往经历作为基本的参考数据，再基于事实相互考证，去掉能判断的不实信息，再通过技术手段，得到最终结果。

通过上述我们或许可以理出两者的不同，数据建模有别于通常情况的判断在于：

1、数据建模基于更加全面、更加正确合理的数据信息之上；

2、有时候数据建模的过程是复杂、甚至不可解释；

3、数据建模可产出中间结果，例如数据模型，在置入预测数据后得到结果。

简单来说，数据建模就是通过处理大量数据的方式，理清数据的规律，计算和模拟出事物之间的关系。

简单总结数据建模的概要流程如下：

1、尽可能收集全面的基础数据；

2、清理一些错误及无效的数据，并加以标准化；

3、通过选定的算法整理数据的关系；

4、应用整理的关系，对相关事务做出判断。

在实际的生产环节中，远没有本文所讲的这么简单。

例如我们在数据建模前需要深入了解行业的实际情况，没有结合业务的数据建模是没有实用价值的。在了解业务情况及业务目标后，慎重的选择可行的建模算法，因为不同的算法会有千差万别的结果，实际应用中，没有最完美的算法，只有更适合的算法。最后还需要对数据建模的结果进行评估，没有通过评估的结果会影响应用决策，就好比没有通过食品安全监测的食物也不能随意给客户食用。

本文旨在让大家理解数据建模的基本逻辑，了解数据建模是基于事实数据，提供科学合理的评价及预测。

医疗大数据分析信息化工具应用于医院管理决策，也正是基于医疗大数据建模分析和疾病风险调整，通过对医疗前端病种和疾病风险差异的归集，再进行建模处理，基于建模结果判断医疗质量管理的优劣，即病例实际管理结果与模型预测结果进行比较。

采用医疗质量管理结果相对性比较，而非传统的平均值比较，可有效解决DRG/DIP下医疗质量管理合理分析以及评价的问题，正向推动医疗技术的发展，促进医院高质量发展。