La necesidad de simplificación
Nuestra vida diaria está influenciada significativamente por los datos recopilados. Las tarifas de seguro para conductores se determinan a partir de los datos recopilados sobre casos de accidentes y multas de tráfico, las políticas gubernamentales se rigen por los datos del censo y las decisiones políticas se determinan mediante los datos de votación recopilados. Con aproximadamente 350 millones de personas en Canadá y EE. UU., Hay una gran cantidad de datos para analizar y procesar. Pero aún más que eso, necesitamos derivar el significado de todo esto. Claramente, necesitamos una forma de simplificar y organizar estos datos. Ahí es donde entran los modelos de datos abstractos.
¿Qué es un modelo de datos?
Antes de hablar sobre modelos de datos abstractos, definamos un modelo de datos en sí. Un modelo de datos es una representación particular de algunos datos. Especifica un sujeto para la representación, los atributos y agrupa todo en función de la relación de los atributos con el sujeto.
Echemos un vistazo a un ejemplo. Supongamos que la gente es nuestro tema. Además, el país de residencia, el continente y la región son los atributos que nos interesan. En este caso, el modelo de datos serían las personas y su ubicación geográfica.
¿Qué es la abstracción?
La abstracción es un proceso de simplificación. Elimina detalles y los reemplaza con conceptos. Por ejemplo, usar la ubicación geográfica en lugar de los atributos; país de residencia, continente y región. La idea es hacer más fácil describirlos y hablar de ellos. Usamos esto mucho en nuestra vida diaria. Cada vez que hablamos de ‘la casa de Pam’ o ‘el lugar de Joe’ durante una conversación, estamos usando la abstracción. Sabemos que ‘Pam’s house’ está ubicada en ‘123 Anywhere Place, Some State, USA’, pero no decimos eso. Usamos ‘casa de Pam’ para simplificar la idea.
¿Qué es un modelo de datos abstracto?
En la mayoría de los aspectos, un modelo de datos y un modelo de datos abstracto son similares. Ambos hablan sobre la representación de algunos datos, y ambos pretenden simplificar. Pero difieren en la cantidad de detalles proporcionados y el alcance. Si pensamos en el ejemplo de las personas y sus atributos (país de residencia, continente y región), vemos un cierto nivel de detalle. Un modelo de datos abstracto reduce eso aún más y habla de las personas y su ubicación geográfica. Los detalles de la ubicación no son importantes y se discuten solo en términos generales. El alcance aumenta en los modelos de datos abstractos porque a menudo tienen más de una relación, como agregar un grupo de edad al modelo.
¿Qué es la Teoría del Valor de las Expectativas? Definición y modelos
¿Cuál es el propósito de utilizar un modelo de datos abstracto?
Como se indicó anteriormente en esta lección, usamos la abstracción para simplificar la comprensión. Por tanto, se deduce que se utilizaría un modelo de datos abstracto para simplificar la comprensión de los datos. Pero va más allá de eso. También los usamos para aplicar lo que sabemos a cosas que aún no entendemos.
Por ejemplo, digamos que conocemos y entendemos el modelo de datos abstracto de las personas y su ubicación geográfica. Si quisiéramos comprender algo sobre los animales y su ubicación geográfica, podríamos aplicarles el mismo modelo. Luego, podríamos mirar los resultados y ver si había alguna correlación.
Resumen de la lección
En resumen, un modelo de datos es una representación de algunos datos. Tiene un tema y atributos que describen la relación de los datos. La abstracción es el proceso de simplificar una idea o un concepto. Como tal, un modelo de datos abstracto es una representación simplificada de algunos datos y su relación. El modelo de datos y los modelos de datos abstractos son similares en que representan datos y están destinados a simplificar. Se diferencian en que los modelos de datos abstractos tienden a ser aún más simples y tienen un alcance más amplio.
Explora más sobre este tema
Selecciona un tema y sigue aprendiendo...
