Los modelos lógicos de datos no son específicos de una base de datos. En un nivel superior, describen temas sobre los que la organización desea recopilar datos y las relaciones entre estos temas. Se organizan jerárquicamente y contienen objetos como paquetes, entidades, atributos y otros objetos de relación.
Los modelos lógicos de datos se pueden transformar en modelos físicos de datos o modelos UML y también se pueden general desde modelos de datos físicos o de modelos UML. Puede usar estos dispositivos de transformación para propagar diseños de modelos UML por todo el ciclo de vida del modelo de datos. También puede generar modelos lógicos de datos de modelos físicos de datos existentes, de manera que puede reutilizar diseños de bases de datos existentes.
Estos modelos son específicos de la base de datos que representan objetos de datos relacionales (por ejemplo tablas, columnas, claves primarias y claves foráneas) y sus relaciones. Para algunos destinos de bases de datos, también puede añadir objetos de almacenamiento en su modelo de físico de datos como espacios de tabla y agrupaciones de almacenamiento intermedio.
Los modelos físicos de datos se pueden transformar en modelos lógicos de datos o se pueden generar a partir de modelos lógicos de datos. Después de completar el diseño del modelo físico de datos, puede generar sentencias DDL a partir del modelo que se podrá desplegar en el servidor de la base de datos.
Puede utilizar el entorno de trabajo para crear, modificar y generar DDL para modelos físicos-dimensionales. El modelado dimensional amplía los modelos de datos lógicos y físicos para dar cabida a otros requisitos de relación entre datos y modelos de datos.
Los modelos dimensionales correlacionan los aspectos de cada proceso dentro del negocio. Los esquemas de base de datos que realizan el modelado según los principios de modelado dimensional son adecuados para las aplicaciones que deben leer cantidades grandes de datos en poco tiempo. Este rápido y sencillo acceso a los datos ayuda a desarrollar aplicaciones y consultas que permiten a la empresa analizar los datos.
Además del uso de estos dos tipos de modelo de datos, también puede aplicar estándares de denominación y mejores prácticas si usa análisis del modelo de datos.
Además de los cuatro tipos de modelos de datos descritos anteriormente, puede usar el editor de correlaciones para generar modelos de correlación, que describen y correlacionan relaciones entre diversos orígenes de datos. Los modelos de correlación se pueden utilizar para generar scripts que puedan utilizarse para transformar y filtrar datos de orígenes compatibles con el modelo de correlación a destinos compatibles de modelos de correlación. Los modelos de correlación también se pueden exportar como archivos CSV de manera que puede comunicar información de modelos de correlación a otros miembros del equipo.