在介绍什么是建模前，我们需要先知道什么是模型。模型在各个行业代表的意思是不同的。最开始想到的就是3D设计中的模型。那么在计算机领域，模型，我认为有两种。一种是描述具体结构的，比如数据表、对象等。还有一种是一种逻辑表示，很多公式的组合。
数据表、对象这种具体事物的抽象描述，相对来说比较简单，这里不介绍。主要介绍逻辑表达的模型。这种模型其实就是数学公式的组合，数学公式就是一种自然界的抽象。这种模型在这里暂称为逻辑模型，区别前者。
基于人的经验的建模
逻辑模型就是将一组输入，通过模型出来后输出另一组数据。这就是模型需要做的事情，也是为什么要建模的原因。建模就是找到这么一组公式组合，来处理原始数据，然后获得我们想要的数据。那么之前的建模就是靠的经验，通过人为指定计算步骤、权重、使用的公式算法来建立数据处理流程。要做到这些就需要了解业务和公式算法的使用场景等。
一个建模场景：
业务方给出一个计算指标的方案。这个方案提到了使用什么数据，使用什么公式计算什么指标，最后的评价标准是什么。然后开发人员根据这个方案编写实现代码。最后数据通过该代码运行计算获取计算结果来做后续处理。这个就是一个完整的基于人的经验的建模过程。
基于数据的建模
而现在爆火的人工智能是通过让机器学习数据，然后自动归纳总结出要使用的公式参数什么的，最后生成的模型叫大模型，因为包含亿级以上的参数。这种模型是人没法设计出来的，是通过一个初始的设定，然后让机器不停的计算，调整最初的设定来建立一个超级大模型。对于人来说，这个超大模型内部是不可见的，是一个黑盒子。你给它输入什么，它运算后给你一个结果。你也不知道这个结果是怎么计算出来的。这是很可怕的。
一个建模场景： 购物app通过用户的浏览记录、购买记录等信息来构建一个物品的相似度模型，如果一个用户购买了一件商品A，该模型会根据用户购买的这件商品推荐其他一些商品B、C、D给他。这些商品可能是其他也购买了商品A的用户购买过的。
最后
刚开始接触建模，数据模型这些概念的时候，我也不是很清楚。然后去看网上的解释，看完就更模糊了。直到在工作中真正接触到建模的工作后，加上自己的理解，才有了以上的看法。也有可能理解有误，望指出。