
个人认为PowerDesigner提供了一整套的解决方案,面向了不同的人员提供不同的模型工具,比如有针对企业架构师的模型,有针对需求分析师的模型,有针对系统分析师和软件架构 师的模型,还有针对数据库管理人员的模型,这些不同的人使用着同一个工具在各自的领域为软件系统建模而形成一个整体;而且2)这些不同的人在建模的过程中 可以互相引用,一处更新可触发所有引用模型更新(对变更的影响可进行分析[影响度分析])
即使对于普通的程序员,学习Powerdesigner工具的使用也有助于提升其对软件生命周期的理解水平,同时提供了看待软件产品的不同视角和纬度。因此学习Powerdesigner 的思想及使用有相当的益处。
企业架构模型( Enterprise Architecture Model , EAM )
企业架构模型( EAM ),可以帮助你分析和记录您的组织及其业务功能,以及支持他们的物理架构及其上的应用程序和系统。
包含业务通信图、城市规划图、组织结构图、网络图等。
需求模型( Requirements Model , RQM )
需求模型( RQM )可帮助您分析各种各样的书面需求,并将它们与其它模型中的设计对象连接起来。您可以使用 RQM 表示任何结构化的文档(例如:功能规范,测试计划,企业目标等),并可导入导出 MS Word 文档。
需求模型的作用是定义系统的边界,通过需求文档试图,追踪矩阵试图和用户分配矩阵试图进行描述和管理。
业务处理模型( Business Process Model , BPM )
业务流程模型( BPM )帮助您识别,描述和分解业务流程。您可以分析不同层级的系统,关注控制流(执行顺序)或数据流(数据交换)。您可以使用 BPEL , BPMN ,以及许多其他的流程语言。
业务流程建模是一组业务流程分析,设计,实施和执行的技术和标准。它使业务分析师和经理通过分析系统,以理顺和优化或为一个新的系统建模。
从业务人员的角度对业务逻辑和规则进行详细描述
使用流程图表示起点到终点间的处理过程、流程、消息和协作协议
可以有一个或多个起点和终点
只关注业务
包含 BPMN 模型图、业务处理图、数据流图、 BPEL 图等。
信息流模型( Information Liquidity Model , ILM )
信息流模型( ILM )提供组织信息运动的全局视图。您可以分析和记录您的数据来源,目的地,以及它是如何转化的方式,包括复制和 ETL 。
在企业应用的分析与开发整个过程中,会有大量的模型产生,这些模型之间都存在相应的关系。 PowerDesigner 创新地提出信息流模型 (ILM) ,并通过非常直观的映射编辑器来表达模型之间的信息流动关系,大大方便了企业级建模的管理能力。另外 . 通过信息流模型还可以完成数据库对象的复制处理以及表达数据抽取、转换和加载的过程 (Extraction-Transformation-Loading. ETL) 。支持 ETL 和 EII 。支持概念数据和业务处理模型。
包含 Data Movement Model 。
概念数据模型( Conceptual Data Model , CDM )
概念数据模型( CDM ),可以帮助你分析信息系统的概念结构,识别主要的实体,及其属性,以及它们之间的关系。 CDM 比逻辑( LDM )或物理数据模型( PDM )更抽象。
基于需求综合、归纳、抽象后对数据和信息进行建模,利用实体关系图( E-R 图)的形式组织数据。
CDM 反映了业务领域中信息之间的关系,它不依赖于物理实现。
CMD 不考虑物理实现细节,只考虑实体之间的关系。
目的:统一业务概念,方便业务人员与技术人员沟通。
分析阶段的 CDM 转换成 PDM 后,便将抽象的实体、属性与关系,对应到实际数据库的数据表、字段、主键、外部索引键等内容。
逻辑数据模型( Logical Data Model , LDM )
逻辑数据模型( LDM )可以帮助你分析信息系统的结构,独立于任何特定的物理数据库实现。 LDM 已确定实体标识符,没有概念数据模型( CDM )抽象,但不允许你建视图模型,索引等具体的物理数据模型( PDM )元素。
逻辑模型是对概念数据模型的进一步细化与分解
形成 DBMS 所支持的数据结构(一般是关系数据模型)
既要面向业务用户,又要面向系统
影响数据库设计方案选择
物理数据模型( Physical Data Model , PDM )
物理数据模型(PDM)可以帮助你分析表,视图和其他数据库对象,包括数据仓库的多维对象。 PDM的是更具体的一个概念(CDM)或逻辑(LDM)的数据模型。你可以为所有常用的DBMS建模、反向工程、生成数据库。
基于特定DBMS,在概念数据模型、逻辑数据模型的基础上进行设计。
PDM叙述数据库的物理实现。主要目的是把CDM中建立的现实世界模型生成特定的DBMS脚本,产生数据库中保存信息的储存结构,保证数据在数据库中的完整性和一致性。
面向对象模型( Object-Oriented Model , OOM )
面向对象模型(OOM)包括类图(Class Diagram)、用例图(Use Case Diagram)、组件图 (Component Diagram)、对象图(Object Diagram)、包图(Package Diagram)、时序图 (Sequence Diagram)、通信图(Communication Diagram)、交互纵横图(Interaction Overview Diagram)、活动图(Activity Diagram)、状态图(State chart Diagram)、部署图(Deployment Diagram)、组合结构图(Composite Structure Diagram)共十二种图。
面向对象的模型(OOM)可以帮助您使用统一建模语言(UML),通过用例,结构、行为、部署等对信息系统进行分析。你可以针对Java,NET和其他语言进行建模,反向工程、代码生成。
利用UML描述系统结构、利用类图生成不同语言的源文件(如Java、C#、PowerBuilder等),或利用逆向工程将不同类型的源文件转换成相应的类图。
一个OOM包含一系列包,类,接口 , 和他们的关系。这些对象一起形成所有的 (或部份) 一个软件系统的逻辑的设计视图的类结构。一个OOM本质上是软件系统的一个静态的概念模型。
XML 模型( XML Model , XSM )
一个XML模式(XSM)可以帮助您分析XML架构定义(XSD),文档类型定义(DTD)或XML数据简化(XDR)文件。你可以建模,反向工程,生成这些文件格式。
自由模型( Free Model , FEM )
自由模型可以为任何模型的对象或系统建模提供一个上下文环境,允许自定义概念和图形符号,例如:可以创建一个自由模型来表示模型和文档之间的相互关系,企业组织以及组织间的相互关系。
按照Powerdesigner 15的分类(Category),以上十大模型又分属于几个不同的类别,面向对象模型中的用例图属于业务层,UML类图属于信息层、UML活动图/UML 组件图/类图则属于应用层,同时用例图也会用于需求分析实用,因此用例图还属于需求与计划层。
在大型的软件开发过程中的团队协作相当有利, Powerdesigner 目前因该是应用最多也最受欢迎的CASE工具。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29