接上文：数据集成建模：新设计流程的业务案例、利用流程建模进行数据集成

　　本系列文章节选自《数据集成蓝图和建模》一书，读者可以了解到如何为新的数据集成设计流程构建业务案例，以及如何为数据集成建模改进开发流程。读者还可以获得为数据集成和设计数据集成架构模型利用流程建模的技巧，还会了解到三种数据集成建模类型——物理建模，逻辑建模和概念建模。

　　数据集成模型遵从与软件开发生命周期中数据建模时出现的需求和设计抽象精炼通用的级别。正如存在概念的，逻辑的和物理的数据模型，也存在概念的，逻辑的和物理的数据集成需求，需要在软件开发生命周期的不同点进行捕获，它们可能在流程模型中有所展现。

　　下面是每种模型类型的简要说明，关于角色、步骤以及模型示例的更完整定义将会在本章的后面进行阐述。

　　概念数据集成模型定义。为目标系统产生一种无需实施的数据集成需求展现，将作为确定他们怎样能得到满足的基础。

　　逻辑数据集成模型定义。在数据集层面产生详细的数据集成需求展现，详细描述了转换规则和目标逻辑数据集。这些模型仍然被认为是技术无关的。在逻辑层面的重点是在于真正源表以及建议目标存储的捕获。

　　物理数据集成模型定义。在组件层级产生数据集成规格的详细描述。它们应该被以基于组件的方法展现，而且能展现数据将如何在选定的开发技术中通过数据集成环境优化流程。

　　在参考架构之上构建模型

　　在系统开发生命周期中构建数据模型是相对容易的过程。一个概念数据模型通常只有一个逻辑模型，一个逻辑数据模型通常也只有一个物理模型。尽管一个模型内的实体可以被进一步分解或者规范化，事实上也很少会需要把一个数据模型分成两个独立的模型。

　　过程模型历来会被进一步划分成离散的功能。例如，在图3中，数据流图的顶部流程是一个内外关系图，它被进一步分成几个独立的功能模型。

图3 传统的流程模型：数据流图。

　　数据集成模型也被分成功能模型，是基于数据集成参考架构和系统开发生命周期状态进行的。

　　图4描绘了概念的，逻辑的和物理的数据集成模型是如何分解的。

图4 系统开发生命周期的数据集成模型。（点击放大）