数据元与元数据、数据项区别.pdfVIP

. 1、数据元与元数据的关系 首先肯定一点是：数据元本身也是数据单元，即也是数据。它就是一个用来对各行业的数据进行自身规范 化的一个方法或一套指导的理论。用这一套方法对行业数据进行统一的名、型、值规范及分类。可以说数据元 是组成数据的最小单元，是基本的。就像化学元素一样，化学元素本身并不多，即几十种，但由这几十种元素 构成的物质可是形形色色。所以对于一个行业来讲数据元应该是有限的，而不是无限的。理解数据元应该从它 的几个性质来认识 : （1）原子性：即说明数据元具有原子特征，即是组成数据最小单元。例如“金额”本身就是一个基本数据元， “产量”，“重量”、“密度”等等 （2 ）集成性：按照数据本身自然联系建立数据间的关联关系，体现出了数据的集成性。同时，通过对数据元的 分析，对数据的分类具有重要的指导作用。 （3）演绎性：说明可由基本数据元演绎或派生出许许多多的应用数据元，继上面的实例： 煤产量、原油产量、钢产量等，或更细致地可以演绎出：煤年产量 /煤月产量 /煤季产量 / 煤累计产量等。 从上面的讨论，我们可以看出，实际上数据元由基本数据元与应用数据元之分，所以一般来讲，我们就是指 基本数据元。 可以看出，行业数据元应该是有限的，规划好行业数据元之后，可以为行业构建出统一、集成的、稳定的 数据模型奠定基础， 同时它也为数据交换奠定基础。 更重要的是在逻辑层上为我们提供了一个统的 “参考模型”。 以前存在的一些模型中的数据与其它模型进行共享时，可以在这个逻辑的“参考模型”一层上得到统一。 而元数据，我个人认为理解这个元数据也应有几个层面的问题，首先，从它的定义上讲，所谓的元数据是 “描述数据的数据” 。单从这个定义上来看，元数据的定义是相当宽泛的。例如，描述数据元有二十几个属性， 即这二十几个属性（例如数据元名称、定义、类型等） ，我们就称为是描述数据元的元数据。这只是单纯地从它 的定义上来理解，其实，一般我们所指的元数据，通常都与具体的应用挂钩的。例如，我们保存到 DBMS 中的 表结构、索引、字典、报表格式等等均为元数据，所以可以看出，元数据 (Metadata) 与数据元（ Data Element ） 不是一个层面上的概念。 二者的关系：数据元规划好了，可以为企业提供高效的，而非冗余的元数据。元数据与软件及数据仓库紧 密相关。另外，数据元之后才能谈元数据，元数据更接近于应用，而数据元仅仅是从数据名、型、值以及分类 的角度对数据进行规划。数据元设计是为数据集成，即数据模型构建奠定基础，它更面向数据模型，而数据元 更接近实际应用。 2.信息系统基本（通用）数据元怎样划分与提取？ （1）按照行业中的关键业务活动， 即工作流程， 从源头出发来初步地提取出数据项， 即业备流中蕴涵着数据流， 这样可以保障所提取的数据元能够满足多学科的应用需求；这个过程也是分专业进行分析的过程。 （2 ）将多专业的数据进行统一考虑， 一般来讲， 我国行业信息建设发展到今天数据已经有了很大程度上的积累， 这样为我们提取数据项提供了更方便的条件。这样可以按照数据元的方法对数据元本身进行分类，这种分类一 般有按照“对象” 、“特性”以及“表示”等进行分类，这是最基本的分类。也有的可以按照自行业和特点按照 应用主题或其它进行分类。 相似类别的数据分类到一起，这样可以统一考虑该类数据的名、型及值等问题。数据元的提取是一个逐步 求精的过程，不可能一次就完成，它要有一个反复的过程。 上面所说的按照对象来分类，是指该数据元是描述什么对象的，例如，在石油行业，井号，这个数据元本 身就是描述“井”这个对象的，所以如果按照对象来分类，那么它将被分到“井”这个对象。可以看出，按照 对象来分类时，可以为下一步建模奠定一个好的基础。 按照特性与表示也可以从不同的角度来对这些数据元进行分类。对基本数据元的分析，最后可能会得到一 个层次关系，有的人问，这个基本数据元到底要分解到何时为止呢？回答是：具体抽象为哪一层与行业应用有 关系，这不是死规定。一般来讲，数据元如果越基本，那么它的抽象度应越高，而距离实际应用主题就越远。 这就要根据实际而定