概念数据模型概念数据模型（conceptual data model），是一种面向用户、面向客观的模型，主要用来描述的概念化结构，它是数据库的设计人员在设计的初始阶段，摆脱计算机系统及dbms的具体技术问题，集中精力分析数据以及数据之间的联系等，与具体的数据管理系统（database management system，简称dbms）无关。概念数据模型必须换成逻辑数据模型，才能在dbms中实现 [5]  。在概念数据模型中常用的是e-r模型、扩充的e-r模型、面向对象模型及谓词模型。

一是能比较真实地模拟现实；二是容易为人所理解；三是便于在计算机上实现。

目标类型是数据库的组成成分，一般可分为两类：数据类型、数据类型之间的联系。数据类型如dbtg(数据库任务组)网状模型中的记录型、数据项，关系模型中的关系、域等。联系部分有dbtg网状模型中的系型等。

数据结构是数据模型的基础，数据操作和约束都基本建立在数据结构上。不同的数据结构具有不同的操作和约束

数据系统由什么组成？
软件：包括操作系统、数据库管理系统及应用程序。其主要功能包括：数据定义功能、数据---功能、数据库的运行管理和数据库的建立与维护。

人员：主要有4类。地一类为系统分析员和数据库设计人员；第二类为应用程序员，负责编写使用数据库的应用程序。；第三类为用户，他们利用系统的接口或查询语言访问数据库。第四类用户是数据库管理员（data base administrator，dba），负责数据库的总体信息控制。

数据建模的具体过程可分为六大步骤：

一、制订目标

制订目标的前提是理解业务，明确要解决的商业现实问题是什么？

如：在---kol中，存在假粉丝的情况，如何识别假粉就是一个要解决的现实问题。

二、数据理解与准备

基于要解决的现实问题，理解和准备数据，一般需要解决以下问题：
1.需要哪些数据指标（即特征提取）？（如：哪些指标能区别真粉和假粉？）
2.数据指标的含义是什么？
3.数据的如何？（如：是否存在缺失值？）
4.数据能否满足需求？
5.数据还需要如何加工？（如：转换数据指标，将类别型变量转化为0-1哑变量，或将连续型数据转化为有序变量）
6.探索数据中的规律和模式，进而形成假设。

需要注意的是，数据准备工作可能需要尝试多次。因为在复杂的大型数据中，较难发现数据中存在的模式，初步形成的假设可能会被很快推到，这时一定要静心钻研，不断试错。

数据建模后需要评估模型的效果，因此一般需要将数据分为训练集和测试集。