Modelo de dados: conceitual, lógico e físico com exemplos

Modelo de dados é uma representação estruturada das entidades, atributos, relacionamentos e regras que organizam a informação de um negócio ou sistema. Ele funciona como uma planta: mostra o que precisa ser representado, como os elementos se conectam e, em níveis mais detalhados, como serão implementados em um banco de dados.

Os três níveis mais conhecidos são o modelo conceitual, o lógico e o físico. Eles não são versões concorrentes. Cada um responde a perguntas diferentes e reduz riscos entre a necessidade do negócio e a implementação técnica. Este guia explica as diferenças, apresenta um exemplo de MDM e mostra como criar e governar os modelos.

O que é modelagem de dados?

Modelagem de dados é o processo de identificar informações relevantes, organizar conceitos e desenhar estruturas para armazenar, integrar e usar dados. O resultado é o modelo de dados, que pode ser textual e visual.

A documentação da IBM descreve uma progressão do modelo conceitual para o lógico e, depois, para o físico. O material educacional da CAPES apresenta a mesma sequência como parte do projeto de bancos de dados. A passagem entre níveis aumenta o detalhe sem perder o significado definido pelo negócio.

Modelo conceitual, lógico e físico: diferenças

O que é modelo conceitual de dados?

É a visão de alto nível do domínio. Ele representa as coisas importantes para o negócio e suas relações, sem decidir nomes de tabelas, tipos de coluna ou tecnologia. Em um domínio de clientes, pode incluir Cliente, Endereço, Contrato e Unidade Organizacional.

O modelo conceitual responde:

• quais conceitos existem no escopo;
• qual é o significado de cada entidade;
• como as entidades se relacionam;
• quais regras e restrições de negócio são essenciais;
• qual é a fronteira do domínio.

Ele deve ser validado por especialistas do negócio. A documentação da IBM caracteriza esse nível como uma visão do domínio, útil para requisitos e comunicação entre negócio e tecnologia.

O que é modelo lógico de dados?

O modelo lógico detalha a estrutura sem assumir um banco específico. Ele adiciona atributos, identificadores, domínios, cardinalidades, subtipos, restrições e normalização. A entidade Cliente, por exemplo, passa a ter identificador, nome, tipo de pessoa, documento e situação.

Segundo a documentação técnica da IBM, o modelo lógico descreve aquilo sobre o qual a organização coleta dados, seus atributos e relações, e pode ser transformado em uma representação física específica de banco.

O modelo lógico responde:

• quais atributos pertencem a cada entidade;
• qual atributo identifica unicamente uma ocorrência;
• quais relações são obrigatórias ou opcionais;
• quais domínios e regras limitam os valores;
• como reduzir redundâncias e inconsistências.

O que é modelo físico de dados?

É a tradução do modelo lógico para uma tecnologia concreta. Ele especifica tabelas, colunas, tipos, tamanhos, chaves primárias e estrangeiras, índices, particionamento, nomes técnicos e outras decisões de implementação.

A IBM observa que o modelo físico deve considerar escalabilidade, consultas, cargas, manutenção e desempenho. A Microsoft também apresenta modelos lógicos e físicos como recursos para compreender esquemas e fluxos antes da implementação.

O modelo físico responde:

• em qual banco e esquema os dados serão armazenados;
• quais tabelas e colunas serão criadas;
• quais tipos e tamanhos serão usados;
• como serão implementadas chaves e restrições;
• quais índices e estratégias de desempenho são necessários.

Exemplo aplicado a clientes e MDM

Nível conceitual

Cliente possui Endereço; Cliente celebra Contrato; Cliente pertence a um Grupo Econômico. Neste nível, a discussão principal é semântica: o que é cliente, quais papéis pode assumir e quais relações importam.

Nível lógico

Cliente recebe atributos como identificador corporativo, tipo de pessoa, nome, documento, situação e data de ativação. Endereço recebe tipo, logradouro, município, UF e CEP. As cardinalidades definem se um cliente pode ter vários endereços e qual deles é principal.

Nível físico

O desenho vira tabelas como TB_CLIENTE e TB_ENDERECO, colunas como ID_CLIENTE e NR_CNPJ, tipos, chaves, índices e restrições. O dicionário de dados detalha cada campo implementado.

Modelo de dados, arquitetura e dicionário são a mesma coisa?

Não. A arquitetura de dados define uma visão mais ampla de plataformas, fluxos, padrões e decisões tecnológicas. O modelo descreve a estrutura e as relações da informação. O dicionário registra os detalhes dos elementos. O glossário de dados padroniza os conceitos de negócio, enquanto o catálogo ajuda a localizar os ativos.

Esses artefatos devem estar conectados:

• o glossário define “cliente ativo”;
• o modelo mostra Cliente, seus atributos e relações;
• o dicionário explica os campos físicos que materializam o conceito;
• a linhagem mostra origem, transformações e destinos;
• a gestão de metadados governa o conjunto.

Como criar um modelo de dados em 10 etapas

1. Defina objetivo e escopo. Delimite processo, domínio e decisões que o modelo apoiará.
2. Levante requisitos. Entrevise especialistas e examine regras, formulários, relatórios e integrações.
3. Padronize conceitos. Alinhe termos com o glossário e elimine ambiguidades.
4. Identifique entidades. Liste pessoas, organizações, objetos, locais e eventos relevantes.
5. Desenhe relações. Defina como entidades se associam e quais cardinalidades se aplicam.
6. Valide o modelo conceitual. Confirme com negócio se o desenho representa o domínio.
7. Detalhe atributos e identificadores. Construa o modelo lógico com domínios e restrições.
8. Normalize quando fizer sentido. Reduza redundância sem ignorar requisitos analíticos ou de desempenho.
9. Transforme em modelo físico. Aplique padrões do banco, tipos, chaves, índices e segurança.
10. Documente e versione. Publique diagramas, dicionário, decisões e histórico de aprovação.

Como modelar dados mestres?

No Master Data Management, o modelo precisa representar entidades compartilhadas, identificadores, hierarquias, relacionamentos, atributos globais e locais e regras de sobrevivência. É preciso decidir, por exemplo, se Cliente e Fornecedor são papéis de uma mesma Parte ou entidades distintas.

Um modelo canônico de MDM ajuda integrações a trocar dados com um vocabulário comum. Porém, ele não deve ser apenas uma consolidação de todas as colunas existentes. Deve refletir o significado do negócio, os processos consumidores e os controles de qualidade.

Modelagem para materiais e fornecedores

Em materiais, o modelo pode representar Item, Classe, Unidade de Medida, Fabricante, Modelo, Atributo Técnico e Classificação Fiscal. Isso cria base para PDM e catálogo de materiais.

Em fornecedores, pode relacionar Organização, Estabelecimento, Categoria, Documento, Conta Bancária, Avaliação e Homologação. O desenho deve separar identidade, relacionamento comercial e evidências do processo.

Quem participa da modelagem?

• Especialista de negócio: explica conceitos, eventos e regras.
• Data Owner: aprova escopo, significado e decisões do domínio.
• Data Steward: harmoniza termos, atributos e documentação.
• Arquiteto ou modelador: estrutura entidades, relações e padrões.
• Engenharia e DBA: transformam o modelo em solução operável.
• Segurança e privacidade: avaliam classificação e controles.

A participação varia por nível: o negócio lidera a validação conceitual; especialistas de dados detalham o lógico; tecnologia assume mais decisões no físico.

Como governar e manter o modelo?

• atribua responsável e aprovador por domínio;
• use convenções de nomes e definições;
• versione modelos e registre decisões;
• vincule entidades a termos do glossário;
• mantenha o dicionário sincronizado com o físico;
• inclua revisão no processo de mudança;
• faça análise de impacto com linhagem;
• revise elementos críticos de dados e regras de qualidade.

Erros comuns

• começar pelo banco sem compreender o negócio;
• pular do conceitual para o físico e perder regras;
• criar diagramas grandes demais para validação;
• usar nomes técnicos como definições;
• não registrar cardinalidades e obrigatoriedade;
• confundir entidade, atributo e evento;
• não versionar mudanças;
• tratar o modelo como documento encerrado;
• não conectar modelo, glossário, dicionário e qualidade.

Checklist de revisão

• O escopo e o propósito estão claros?
• As entidades têm definições únicas?
• Os relacionamentos refletem regras reais?
• Cardinalidades e obrigatoriedade foram validadas?
• Identificadores e domínios estão definidos?
• O modelo lógico continua independente de tecnologia?
• O físico implementa o lógico sem alterar seu significado?
• Glossário, dicionário e linhagem estão vinculados?
• Responsável, versão e aprovação estão registrados?

Conclusão

Modelos conceituais, lógicos e físicos criam uma passagem controlada entre linguagem de negócio e implementação. O conceitual alinha significado, o lógico detalha estrutura e regras, e o físico transforma o desenho em banco operável. Quando esses níveis são governados e conectados aos demais metadados, a organização reduz retrabalho e constrói bases mais consistentes para MDM, analytics e IA.

Perguntas frequentes sobre modelo de dados

O que é um modelo de dados?

É uma representação das entidades, atributos, relacionamentos e regras que organizam informações de um negócio ou sistema.

Quais são os três tipos de modelo de dados?

Os principais níveis são conceitual, lógico e físico, que avançam da visão do negócio para a implementação técnica.

Qual é a diferença entre modelo conceitual e lógico?

O conceitual apresenta entidades e relações em alto nível. O lógico detalha atributos, identificadores, cardinalidades e restrições sem depender de um banco específico.

O que contém um modelo físico?

Tabelas, colunas, tipos, tamanhos, chaves, índices, restrições e outras decisões específicas da tecnologia escolhida.

Modelo de dados e dicionário são iguais?

Não. O modelo mostra estrutura e relações; o dicionário descreve detalhadamente cada elemento ou campo.

Como o modelo de dados ajuda o MDM?

Ele define entidades mestres, atributos, identificadores, hierarquias, relações e regras usadas para criar e distribuir registros confiáveis.

O 4MDG é uma solução SaaS completa de MDM com homologação de fornecedores, onboarding de clientes e padronização descritiva de materiais. Seus workflows, validações, qualidade e rastreabilidade ajudam a transformar modelos e regras em processos executáveis de dados mestres.

https://www.4mdg.com.br/
Fone: (11) 4113-2510

Para desenvolver competências em modelagem, governança e MDM, consulte também a MDM Academy.

Referências consultadas em 7 de novembro de 2026: IBM — Data Modeling; IBM — Logical Data Models; IBM — Physical Data Models; Microsoft — Data Architecture and Modeling; CAPES — Planejamento e elaboração de bases de dados; DATASUS — Modelo de Dados.