A necessidade de simplificação
Nossas vidas diárias são influenciadas significativamente pelos dados coletados. As taxas de seguro do motorista são determinadas por dados coletados em casos de acidentes e multas de trânsito, as políticas do governo são direcionadas pelos dados do censo e as decisões políticas são determinadas pelos dados de votação coletados. Com aproximadamente 350 milhões de pessoas no Canadá e nos Estados Unidos, há muitos dados para filtrar e processar. Mas, ainda mais do que isso, precisamos derivar significado de tudo isso. Obviamente, precisamos simplificar e organizar esses dados. É aí que entram os modelos de dados abstratos.
O que é um modelo de dados?
Antes de falarmos sobre modelos de dados abstratos, vamos definir o próprio modelo de dados. Um modelo de dados é uma representação particular de alguns dados. Ele especifica um assunto para a representação, atributos e agrupa tudo com base na relação dos atributos com o assunto.
Vamos dar uma olhada em um exemplo. Suponha que nosso assunto seja gente. Além disso, país de residência, continente e região são os atributos nos quais estamos interessados. Nesse caso, o modelo de dados seria as pessoas e sua localização geográfica.
O que é abstração?
Abstração é um processo de simplificação. Ele remove detalhes e os substitui por conceitos. Por exemplo, usando a localização geográfica em vez dos atributos; país de residência, continente e região. A ideia é tornar mais fácil descrevê-los e falar sobre eles. Usamos muito isso em nosso dia a dia. Sempre que falamos sobre a ‘casa de Pam’ ou ‘casa de Joe’ durante uma conversa, estamos usando abstração. Sabemos que a ‘casa de Pam’ está localizada em ‘123 Anywhere Place, Some State, USA’, mas não dizemos isso. Usamos a ‘casa da Pam’ para simplificar a ideia.
O que é um modelo abstrato de dados?
Em muitos aspectos, um modelo de dados e um modelo de dados abstrato são semelhantes. Ambos falam sobre a representação de alguns dados e ambos têm o objetivo de simplificar. Mas eles diferem na quantidade de detalhes fornecidos e no escopo. Se pensarmos no exemplo das pessoas e seus atributos (país de residência, continente e região), vemos um certo nível de detalhe. Um modelo de dados abstrato reduz isso ainda mais e fala sobre pessoas e sua localização geográfica. As especificações do local não são importantes e são discutidas apenas em termos gerais. O escopo aumenta em modelos de dados abstratos porque eles geralmente têm mais de um relacionamento, como adicionar faixa etária ao modelo.
Qual é o objetivo de usar um modelo de dados abstratos?
Conforme declarado anteriormente nesta lição, usamos abstração para simplificar o entendimento. Portanto, segue-se que um modelo de dados abstrato seria usado para simplificar a compreensão dos dados. Mas vai além disso. Também os usamos para aplicar o que sabemos a coisas que ainda não entendemos.
Por exemplo, digamos que conhecemos e entendemos o modelo abstrato de dados de pessoas e sua localização geográfica. Se quiséssemos entender algo sobre os animais e sua localização geográfica, poderíamos aplicar o mesmo modelo a eles. Então, poderíamos olhar os resultados e ver se havia alguma correlação.
Resumo da lição
Para recapitular, um modelo de dados é uma representação de alguns dados. Ele tem um assunto e atributos que descrevem a relação dos dados. Abstração é o processo de simplificar uma ideia ou conceito. Como tal, um modelo de dados abstrato é uma representação simplificada de alguns dados e seu relacionamento. O modelo de dados e os modelos de dados abstratos são semelhantes no sentido de que representam dados e têm o objetivo de simplificar. Eles diferem porque os modelos abstratos de dados tendem a ser ainda mais simples e têm um escopo mais amplo.