2、ER模型向关系模型的转化
ER模型是概念模型的表示 。要使计算机能处理模型中的信息，首先必须将它转化为具体的DBMS能处理的数据模型 。ER模型可以向现有的各种数据模型转换，而目前市场上的DBMS大部分是基于关系数据模型的， ER模型向关系数据模型的转换方法
关系模型的逻辑结构是一系列关系模式（表）的集合 。将ER模型转化为关系模式主要需解决的问题是：如何用关系表达实体集以及实体集间的联系 。
ER模型向关系模型转换的一般规则和步骤：
（1）将每一个实体集转换为一个关系模式，实体集的属性转换成关系的属性，实体集的码即对应关系的码 。
（2）将每个联系集转换成关系模式 。对于给定的联系R，由它所转换的关系具有以下属性：
联系R单独的属性都转换为该关系的属性；
联系R涉及到的每个实体集的码属性（集）转换为该关系的属性 。转换后关系的码有以下几种情况：
· 若联系R为1∶1联系，则每个相关实体的码均可作为关系的候选码；
· 若联系R为1∶ n联系，则关系的码为n端实体的码；
· 若联系R为m∶ n联系，则关系的码为相关实体码的集合 。
有时，联系本身的一些属性也必须是结果关系的码属性 。
（3）根据具体情况，把具有相同码的多个关系模式合并成一个关系模式 。
如何建立数据分析的思维框架曾经有人问过我，什么是数据分析思维？如果分析思维是一种结构化的体现，那么数据分析思维在它的基础上再加一个准则：
不是我觉得，而是数据证明
这是一道分水岭，“我觉得”是一种直觉化经验化的思维，工作不可能处处依赖自己的直觉，公司发展更不可能依赖于此 。数据证明则是数据分析的最直接体现，它依托于数据导向型的思维，而不是技巧，前者是指导，后者只是应用 。
作为个人，应该如何建立数据分析思维呢？
建立你的指标体系
在我们谈论指标之前，先将时间倒推几十年，现代管理学之父彼得·德鲁克说过一句很经典的话：
如果你不能衡量它，那么你就不能有效增长它 。
所谓衡量，就是需要统一标准来定义和评价业务 。这个标准就是指标 。假设隔壁老王开了一家水果铺子，你问他每天生意怎么样，他可以回答卖的不错，很好，最近不景气 。这些都是很虚的词，因为他认为卖的不错也许是卖了 50 个，而你认为的卖的不错，是卖了 100。
这就是“我觉得”造成的认知陷阱 。将案例放到公司时，会遇到更多的问题：若有一位运营和你说，产品表现不错，因为每天都有很多人评价和称赞，还给你看了几个截图 。而另外一位运营说，产品有些问题，推的活动商品卖的不好，你应该相信谁呢？
其实谁都很难相信，这些众口异词的判断都是因为缺乏数据分析思维造成的 。
老王想要描述生意，他应该使用销量，这就是他的指标，互联网想要描述产品，也应该使用活跃率、使用率、转化率等指标 。
如果你不能用指标描述业务，那么你就不能有效增长它 。
了解和使用指标是数据分析思维的第一步，接下来你需要建立指标体系，孤立的指标发挥不出数据的价值 。和分析思维一样，指标也能结构化，也应该用结构化 。
我们看一下互联网的产品，一个用户从开始使用到离开，都会经历这些环节步骤 。电商APP还是内容平台，都是雷同的 。想一想，你会需要用到哪些指标？
而下面这张图，解释了什么是指标化，这就是有无数据分析思维的差异，也是典型的数据化运营，有空可以再深入讲这块 。
推荐阅读
- 如何让旧衣服恢复鲜色
- win10如何取消安全模式 win10如何取消开机密码
- 星际战甲段位经验表 星际战甲段位经验如何提升
- 95版本剑神辅助装备选什么宝珠 如何挑选95版本剑神辅助装备的宝珠
- 奋斗早安最美一句话
- 麻醉医生收入如何支付 麻醉医生收入
- 三国志幻想大陆如何做任务派遣
- 电机发烫如何处理
- 新鲜的栗子该如何储存
- 新鲜栗子怎样保存最好