【文件属性】：
文件名称：设计逻辑模型-圆极化天线
文件大小：372KB
文件格式：PDF
更新时间：2021-06-29 06:16:49
数据治理
(2) 梳理抽象模型
在抽象模型梳理过程中，依据“IBR”(Identity、
Behavior、Relevance) 方法，以“内部 +对外 +监管”
三个角度划分三大业务条线。在证券期货行业，这
三个条线按照行业特征对应为内部业务运行类即“交
易”模型；对外信息发布类即“披露”模型和监管模型。
三大条线模型分别采用各自的方法进行梳理。
其中，交易模型使用“SPB”( 业务 (Service)、
行为 (Behaviour)、过程 (Process)) 方法，即针对市
场中的每个品种，识别其交易行为和过程的相互关
系来抽取数据模型；监管模型使用“TM”( 监管主
题 (Theme，譬如获取证券期货业资格 )、监管方式
(Method，譬如行政许可 )) 方法，即通过监管主体和
法律法规，识别监管对象和方式形成模型；披露模
型使用“T4R”( 模板 (Templete)、映射 (Reflect)、提
炼 (Refine)、重组 (Recombine)、回归 (Regress)) 方法，
即通过披露模板逐层反向提取数据表和数据项形成
模型。最终，综合三大业务条线，抽取、提炼全市
场业务流程与数据的共性部分，形成统一、完备的
具有通用性、稳定性和扩展性的资本市场多层次数
据模型。
然后，针对梳理结果，应用元数据管理思想，
将数据模型按照其自身的属性分为原子数据、复合
数据，可复用数据表、语义独立数据表四个层次。
同时根据应用过程中的通用性差异，形成通用基础、
业务条线通用、业务个性化三个层级的“1+3+N”
式模型层级，其中“1”为全市场通用的通用基础
数据模型；“3”为交易、监管、披露的业务条线通
用模型；“N”为各业务应用的个性化模型。上述分
类、分层的组织架构，保障了数据模型的完整性，
兼顾了数据模型的共性和个性。抽象模型分层描绘
见图 5。
图 5 抽象模型分层描绘
(3) 设计逻辑模型
为了方便用户读懂并使用数据模型，按照行业
属性代码、证券交易所、期货交易所、证券公司、
期货公司、基金公司、监管机构等视角，以“1+6”
的方式，依托抽象模型，设计一系列实用性比较强
的表形成逻辑模型，逻辑模型架构见图 6。
逻辑模型设计时，首先依托抽象模型成果，归
纳数据共性，合并、提炼划分逻辑模型主题域；其
次，通过“IBR”方法，找出主题域中核心数据的特
征和关系，构建主题域之间的核心关系；最后根据
主题域和核心关系形成从核心到外延的逻辑模型架
构。证券公司逻辑模型样例见图 7。