4000字细说ER模型基础概念•业务建模系列

article/2025/9/23 18:27:45

前言

接下来几篇文章会围绕「业务建模」这个方向,展开总结一下。讲到业务建模就联想到ER模型,ER建模可以说是B端产品经理必要掌握的技能。

本文会从以下几个点进行基础指引:

  • 什么是ER模型?

  • ER模型有什么作用?

  • ER图的核心部分是什么?

  • 产品经理如何进行ER建模绘制ER图?

➊ 什么是ER模型?

ER模型,全称为实体联系模型、实体关系模型(全称:Entity-Relationship Model)由美籍华人计算机科学家陈品山发明,是概念数据模型的高层描述所使用的数据模型或模式图。

ER模型常用于信息系统设计中,比如它们在概念结构设计阶段用来描述信息需求和/或要存储在数据库中的信息的类型。但是数据建模技术可以用来描述特定论域(就是感兴趣的区域)的任何本体(就是对使用的术语和它们的联系的概述和分类)。

在基于数据库的信息系统设计的情况下,在后面的阶段(通常叫做逻辑设计),概念模型要映射到逻辑模型如关系模型上;它依次要在物理设计期间映射到物理模型上。注意,有时这两个阶段被一起称为“物理设计”。

在以前的文章中有简单的提过「概念模型」,其实就是ER建模的输出产物——实体联系模式图(ERD,全称:Entity Relationship Diagram)。

汽车美容门店排位系统

产品经理接收到一个新的业务需求后,可以通过ERD进行梳理实体之间、实体与属性之间的关系,从中将整个业务抽象出共性与核心特征;

当ERD给到我们的开发人员后,这些实体之间、实体属性之间的关系就演变成数据库的表与字段。有了ERD后对于整个系统的架构与后续扩展都有很大的好处,可以很好的理解与梳理业务。

➋ ER模型有什么作用?

当我们理解了实际问题的需求之后,需要用一种方法来表示这种需求,ERD就是用来描述这种需求。

在梳理ERD的过程中,其实我们就是梳理业务,它在这个数据过程中起到的作用:

提升总结归纳的抽象能力:我们接收需求的时候,会有很多噪声需求,产品经理就需要从中提炼有意义的实体概念,实体属性,从而达到整个业务模式能在系统上运作起来。

提高沟通效率:当我们输出ERD后,与业务、开发、测试人员沟通时,能很好的表达出我们系统上的实体关系,这就是所谓的一图胜千言

提高建模合理性,避免掉坑:在ER建模过程中,提高建模的合理性能让系统运作更良好,避免后续业务变化导致系统又需推到重来的结果,影响业务发展。

➌ ER图的核心部分是什么?

ER图分为实体、属性、关系三个核心部分:

实体长方形体现

属性椭圆形体现

关系菱形体现

门店员工实体关系模型图

ⓐ 实体(Entity)

即数据模型中的数据对象,例如门店、员工、物品都可以作为一个数据对象,用长方体来表示,每个实体都有自己的实体成员(entity member)或者说实体对象(entity instance),例如员工实体里包括张三、李四等,实体成员(entity member)/ 实体实例(entity instance) 不需要出现在ER图中

ER的实体还会细分:弱实体、复合实体

◆ 弱实体:一个实体必须依赖于另一个实体存在,那么前者是弱实体,后者是强实体,弱实体必须依赖强实体存在,例如上图的门店实体和员工实体,员工依赖于门店实体而存在,因此门店是强实体,而员工是弱实体

弱实体和强实体的联系必然只有1 : N或者1 : 1,这是由于弱实体完全依赖于强实体,强实体不存在,那么弱实体就不存在,所以弱实体是完全参与联系的,因此弱实体与联系之间的联系也是用的双线菱形

强弱实体关系模型

◆ 复合实体:复合实体也称联合实体桥接实体,常常用于实现两个或多个实体间的M : N联系,它由每个关联实体的主码组成,用长方体内加一个菱形来表示。

举个复合实体的例子,还是以汽车美容门店的案例,车主施工项目两个实体是M : N的关系,中间有施工订单这个实体联系,因此施工订单这个实体是一个复合实体,同时如果车主实体不存在,就没有施工订单实体的存在,因此对于车主实体来讲施工订单是弱实体,同理施工项目实体如果不存在,同样不存在施工订单实体,因此对施工项目实体而言施工订单是弱实体,具体如图:

车主施工单复合实体示例

我们如何找到业务中的实体?

首先我们要定义的实体,就是最终定义具体业务的关键核心点。而要在业务场景中找到有实际业务意义的实体方法有很多。比如在找实体的过程中我们可以用以下方法:

㊀ 利益相关者法:为什么是「利益相关者法」而不是我们所说的用户角色?因为用户角色是以「人」作为纬度的。而「利益相关者法」,并不局限在「人」。所以我们思考业务本身有哪些利益相关者,这些利益相关者有需要我们解决什么问题

在B端业务中,经常会涉及到很多利益相关者,而我们可以将一部分利益相关者抽象出一部分实体。

比如,前段时间的文章《一篇长文:总结B端业务调研的问题》,经过调研后,我们可以输出以下利益相关者:

利益相关者

存在什么问题 / 对系统的期望

客服

1、系统上没有对客户下次跟进时间提醒;

2、不能清晰知道是哪个渠道过来的(抖音、小红书);

……

设计师

1、量房记录没在系统体现;

2、收款每次财务审核提交都很难查询记录;

……

……

……

这样一系列调研下来后,我们可以初步的确认这些实体:员工客服人员/设计师/财务人员)、客户渠道量房记录收款记录

㊁ 业务流程法:这个方法可以从流程中抽象出实体,因为业务流程往往体现了实体与实体之间的交互过程

在《流程图——产品⽂档和原型咋弄》有提到业务流程画法,其中我们还是用《一篇长文:总结B端业务调研的问题》的例子绘制一个简单的业务流程图:

SCRM客户留资实体关系模型图

ⓑ 属性(Attribute)

即数据对象所具有的属性,例如员工具有姓名、工号、职位等属性,用椭圆形表示,属性分为唯一属性(unique attribute)和非唯一属性,唯一属性指的是唯一可用来标识该实体实例或者成员的属性,用下划线表示,一般来讲实体都至少有一个唯一属性。

ER图的属性还细分为复合属性多值属性派生属性可选属性,同时还有用来表示联系的属性,称为联系属性

◆ 复合属性(composite attribute):复合属性是指具有多个属性的组合,例如「姓名」属性,它可以包含「姓氏」属性和「名字」属性,如下图:

复合属性

复合属性也有唯一属性,例如员工的「职位」属性,由于多个「职位」都有「职级」,所以单单「职位」属性是不唯一的,但是和「职级」组成的复合属性后则可以匹配成唯一属性。

◆ 多值属性(multivalued attribute):一个实体的某个属性可以有多个不同的取值,例如一辆车的「车型」属性,这辆车有多个「车型」,例如SUV、MPV等,这个「车型」就是多值属性, 用双线椭圆表示。

多值属性

◆ 派生属性(derivers attribute):是非永久性存于数据库的属性。派生属性的值可以从别的属性值或其他数据(如当前日期)派生出来,用虚线椭圆表示,如下图:

派生属性(门店的营销活动参与情况)

类似上图「门店的营销活动参与情况」中,「参与人数」就是一个派生属性,随着车主参加的活动变化,「参与人数」属性也会变化,一般来说派生属性不存在数据库中,而是通过相应的公式逻辑查询出来,比如:参与记录、活动下单等。而如果存放在数据库中,那么就需要隔一段时间就进行更新,否则会出现数据不对的情况。

◆ 可选属性(optional attribute):并不是所有的属性都必须有值,有些属性的可以没有值,这就是可选属性,在椭圆的文字后用(O)来表示,如下图的地址就是一个可选属性。

可选属性

◆ 联系属性:联系属性用于表示多个实体之间联系所具有的属性,一般来讲M : N的两个实体的联系具有联系属性,在1 : 1和1 : M的实体联系中联系属性并不必要。

联系属性

比如上图的「门店」需要开展「营销活动」,那么需要有个「门店开展活动」属性将两个实体联系起来,而这个属性其实是需要「门店id」、「活动id」组合而成的「开展ID」,这里类似数据库中的「复合主键」。而这个「开展日期」、「开展成本」都是用于门店开展活动整体情况数据。

ⓒ 关系(Relationship)

用来表现数据对象与数据对象之间的联系,例如「门店」的实体和「员工」的实体之间有一定的联系,每个「门店」都有自己的「员工」,这就是一种关系,关系用菱形来表示。

ER图中关联关系有三种:

◆ 1对1(1:1):1对1关系是指对于实体集A与实体集B,A中的每一个实体至多与B中一个实体有关系;反之,在实体集B中的每个实体至多与实体集A中一个实体有关系。

◆ 1对多(1:N):1对多关系是指实体集A与实体集B中至少有N(N>0)个实体有关系;并且实体集B中每一个实体至多与实体集A中一个实体有关系。

◆ 多对多(M:N):多对多关系是指实体集A中的每一个实体与实体集B中至少有M(M>0)个实体有关系,并且实体集B中的每一个实体与实体集A中的至少N(N>0)个实体有关系。

对于这三种关联关系,其实上面的图例中都有体现出来。

➍ 产品经理如何进行ER建模绘制ER图?

前面提到ER图分为实体(长方形)、属性(椭圆形)、关系(菱形)三个核心部分,而对于之间的联系(直线表示),相关表示符号见下图:

来源「亿图图示」

其实这里从1976年3月陈品山博士发明ER图后,随着实体关系建模的发展,ER图的画法也出现了变化。比如上面是「亿图图示」这个软件提供的ER图图例。

◆ 陈氏符号,其实就是我们前面提到的案例:

•实体是长方形体现;

•属性是椭圆形体现,如果是唯一键值属性,就在内容文本中加下划线;

•关系是菱形体现,菱形内注明实体之间的联系情况;

•基数就是关系菱形两侧直线内标注关系类型;

车辆调度ER图——出自processon.com

◆ UML画法

使用UML画ER图,其实只是用UML的符号进行绘制而已,并没有什么特别之处。

实体:还是使用矩形表示。

属性:这个时候我们初期都可以先忽略属性,先把实体与实体之间的关系梳理清楚。

联系:直接使用直线,对比前面的中间有个菱形,这样可能会快捷一些。

UML画ER图

如果在考虑「属性」,那么就会到最开始的汽车美容门店排位系统的图。


http://chatgpt.dhexx.cn/article/tVBm3m1H.shtml

相关文章

2.3.2 ER模型

1.实体 定义:用于表示现实世界具有相同属性描述的集合,它表示某一种类所有事物的集合。 表示形状:矩形 说明:(1)一个E-R图中通常包括多个实体 (2)每个实体→一张表 每个实例→一条记录 2.属性 定义:表示实体或实体间…

[MySQL进阶]——ER模型

🏳️‍🌈个人网站:code宝藏 👈,欢迎访问🎉🎉 🙏如果大家觉得博主写的还不错的话,可以点点关注,及时获取我的最新文章 🤝非常感谢大家的支持与点赞…

ER模型详解

ER(实体联系)模型中有三个主要的概念:实体集、属性、联系集。 实体集对应的是数据库中的一个表,一个实体则对应数据库表中的一行。一个属性则对应数据库表中的一列,则就是一个字段。 联系集就是表与表之间的关联关系; 一对一关联…

数据模型及E-R模型

数据模型的基本概念 模型就是对现实世界特征的模拟和抽象,数据模型是对现实世界数据特征的抽象。对于具体的模型人们并不陌生,如航模飞机、地图和建筑设计沙盘等都是具体的模型。最常用的数据模型分为概念数据模型和基本数据模型。 1)概念数据…

E-R模型

知识点 E-R模型(Entity-relationship model)表示: 实体: 用矩形框表示。 属性: 实体的属性用椭圆框表示。 联系:实体间的联系用菱形框表示,并在连线上标明联系的类型,即1—1、1—n或…

ER模型

定义:ER模型即实体-关系模型,ER图即实体-关系图。提供不受任何DBMS约束的面向用户的表达方法, 在数据库设计中被广泛用作数据建模的工具。E-R模型的构成成分是实体集、属性和联系集 其表示方法如下: (1)…

Mysql——ER模型

ER模型 数据库设计是牵一发而动全身的。那有没有什么办法提前看到数据库的全貌呢?比如需要哪些数据表、数据表中应该有哪些字段,数据表与数据表之间有什么关系、通过什么字段进行连接,等等。这样我们才能进行整体的梳理和设计。 其实,ER模…

从图像解释采样定理

在进行模拟/数字信号的转换过程中,当采样频率fs.max大于信号中最高频率fmax的2倍时(fs.max>2fmax),采样之后的数字信号完整地保留了原始信号中的信息,一般实际应用中保证采样频率为信号最高频率的2.56~4倍;采样定理…

采样定理的直观解释

在 傅里叶级数和傅里叶变换之间的关系 这篇文章中,已经介绍了以下基本知识,建议在阅读本文之前掌握: 梳状函数的频谱图仍然是梳状函数梳状函数与别的函数卷积的结果一定是周期信号 这里的梳状函数 δ T s ( t ) {\delta}_{T_s}(t) δTs​​…

深入理解采样定理 + Matlab 仿真 Sa 函数的采样与恢复

建议配合国宝老师的视频食用。 信号与线性系统分析 吴大正 郭宝龙 文章目录 (1) 采样的说明1. 为什么要取样2. 什么是取样 (2) 采样定理1. 为什么要有奈奎斯特频率2. 什么是采样定理 (3) 信号的恢复(4) Matlab的Sa函数取样仿真1. 采样信号Sa函数的说明2. 进行参数的说明及相关计…

数字信号处理:时域采样定理与频域采样定理

数字信号处理:时域采样定理与频域采样定理 1.时域采样定理 %初始参数 A444.128; alphpi*50*2^0.5; omegapi*50*2^0.5; M64; %做64点fft变换 n0:M-1;%采样频率fs为1000Hz Fs11000; T11/Fs1; xn1A*exp(-alph*n*T1).*sin(omega*n*T1); %对原函数的抽样取点 Xk1fft(…

连续时间采样及采样定理——MATLAB

一、实验目的 1、掌握连续时间信号离散化的方法(即采样),并能利用Matlab编程加以仿真实现; 2、掌握连续时间信号的傅立叶变换和离散时变换的仿真实现方法; 3、学会利用傅里叶变换和离散时间信号的傅立叶变换的方法对连续时间信进行频谱的分析…

模拟信号的采样定理MATLAB实现

一. 实验目的 1.掌握信号的采样的方法。 2.分析信号的采样频率对频率特性的影响。 二.实验原理及方法 在现实世界里,声音、图像等各种信号多为模拟信号,要对它进行数字化处理&…

【信号处理】采样定理的深入浅出

一些闲话: 这是我本科生涯的最后一年了,过去三年毫无征兆地蒸发了一样,我的大四上有一门移动通信课,在实验课后我突发的迫切想要搭建一个完整的通信系统,所以我想趁着大四上最后一个月好好将我的知识进行总结&#xf…

奈奎斯特采样定理

现实世界接触到的诸如电信号、光信号、声音信号等这些信号都是随时间连续变化的,称之为连续信号。但对于计算机来说,处理这些连续的信号显然是无能为力,要使计算机能够识别、计算、处理这些连续信号就必须将其转化为离散信号,将连…

采样定理的学习笔记

CSDN话题挑战赛第2期 参赛话题:学习笔记 数据采集的最主要功能之一是将外部模拟信号转换为离散信号传递到计算机中去,这一过程被称为采样。采样频率或采样率,即每秒采集所得的数据个数,对于采样过程是一个至关重要的参数&#xf…

(一)深入理解采样定理

1. 奈奎斯特采样定理是连接连续和离散的桥梁。现实世界中接触到的信号,比如电信号,光信号,声音信号等都是随时间连续变化的,称为连续信号。但对于计算机来说如要处理连续信号,这是无能为力的,必须要将连续信…

再次理解信号采样定理(低通抽样定理)

以前对低通信号的采样定理简单理解为:必须要以信号的最高频率的2倍进行采样,否则就恢复不出来原信号,原因是采样频率Fs较小时,信号频谱发生了混叠,所以无法恢复。 仔细想想,这样理解当然正确,可…

时域采样定理和频域采样定理

采样定理的形象化描述:在时域对信号进行采样,等效为在频域对信号频谱进行周期延拓。在频域对频谱进行采样,等效为在时域对信号进行周期延拓。 由频域采样定理,联想我之前的一篇博客《傅里叶级数和傅里叶变换》,可以显然…

频域采样定理

频域采样定理 1、频域采样定理的主要内容是: (a)对信号 x(n) x ( n ) 的频谱函数 X(ejw) X ( e j w ) 在 [0,2π) [ 0 , 2 π ) 上等间隔采样 N点,得到: XN(k)X(ejw)|w2πk/N ,  k0,1,2,...,N−1 X N ( k ) X ( e j w ) | w 2 π k…