Was ist ein gutes Datenmodell
Die Qualität eines Datenmodells lässt sich anhand konkreter Eigenschaften objektiv messen
Abgesehen davon, dass ein Datenmodell funktionieren, also fehlerfrei seinen Zweck erfüllen muss, lässt sich die Beschaffenheit weiter charakterisieren.
Die Beurteilung bezieht sich auf die Bedienbarkeit und Nachhaltigkeit des Datenmodells in der weiteren Umsetzung und Nutzung, auch durch andere LE.
In dieser Hinsicht spielt es zum einen eine Rolle, wie schnell und sicher man sich in ein Modell zwecks Freigabe oder weitere Bearbeitung eindenken kann. Zum anderen spielt es eine Rolle, wie schnell und sicher man das Datenmodell anpassen kann (Erweiterung, Fehlerbehebung). Beides netto von der etwaigen unausweichlichen Komplexität der Anwendung im Einzelfall.
Berücksichtigt man diese Perspektive, zählen Werte wie Klarheit, Nachvollziehbarkeit, Konsistenz und Konsequenz. Beispielsweise sollte „Gleiches“ sowohl strukturell (Bedingungenlogik) als auch sprachlich (Benennungen) gleich gelöst werden. Das Modell sollte Notwendiges und Nützliches enthalten, aber eben auch nicht mehr.
Solche erfahrungsfundierten Erkenntnisse sollten fortlaufend klar in Regeln und Ausnahmen mit gedacht werden, um sowohl beim Modellieren als auch während der Feedback-Phase die Qualität der Datenmodelle zu sichern.
Als einfacher Maßstab gilt, ein gutes Modell kann erklärungs- und problemlos übergeben und fortgeführt werden.