A模型是：

　　user.性别 : {"男" ， "女" ， "不知道"}

　　user.年龄 : {"10" ， "20" ， "30" ， "40"}

　　B模型是：

　　user.状态 : {"未认证" ， "认证" ， "删除" }

　　user.等级 : {"新人" ， "熟练手" ， "砖家" }

　　每个模型都必须有一个的名称，目的是为了方便测试设计和交流。比如这个Test Suite(一组Test Case的集合)需要使用A模型，那个Test Suite需要B模型。这里的A、B只是一个代号，真实工作中可以根据产品特点重新定义命名规则。

　　测试数据模型的真正内涵是：把业务逻辑关联强的数据对象属性聚在一起建立group，并列举出需要的属性值，方便测试用例的设计，更为重要的是，模型让开发和测试在围绕“测试数据问题”进行讨论的时候，有一个标准。由于模型里面已经封装了很多信息，只要指明模型的名称，交流变得更加简单了。

　　当然文章里这个案例的逻辑非常简单，实际工作中并不需要测试数据建模，不过当数据对象比较多时，价值能体现出来了。比如淘宝的下单，可能会出现这样的数据模型：

　　商品.价格 : {""，""}

　　卖家.状态 : {""，""}

　　买家.所在地 : {""，""}

　　类目.XXX : {""，""}

　　复杂的数据模型，可能会有10个以上的数据对象属性。不过我们不能把所有对象属性，都堆在一个模型里，那样没有任何意义，我们需要根据业务逻辑对属性进行分类，建立不同的模型，比如优惠、运费计算是不同的业务逻辑，因此需要建不同的模型。而围绕优惠这个概念，还会根据不同属性组合关系，建立多个模型。

　　我想每个测试场景，需要建立的数据模型并不会很多，2、3个左右。数据模型必须是常用的，这样才有实际意义。时间久了，研发团队每个成员的脑海里，对于测试数据模型的概念，会越来越深刻，甚至对于模型里的某个Test Case，如果被执行的次数够多的话，也会被大家记住。到时候Test Case也会需要名称，为了方便大家记忆交流。

　　在实际工作中，开发工程师经常反映，要执行某个Test Case，只修改某个数据对象(比如user)的属性，根本不够，必须要把多个数据对象(比如user、order、item)同时修改，才能完成。这其实是一个典型的需求：这个Case需要一个复杂的测试数据模型。

　　当测试数据模型被大家接受以后，我们可以围绕模型做一些工具开发，来简化准备测试数据的工作。如果工具只能分别修改某个对象的属性，那么可用性不会太好，需要人为进行组合操作。如果工具能以测试数据模型为单元，可以很快生成数据模型里的某个Test Case，这样会大大简化测试准备工作。

　　需要说明的是，本文是基于工作现状的推理，这种建模方式仅仅是“原型”，还缺少一些佳实践。如果本文的论述能引起你的共鸣，欢迎你在自己的产品测试中试一试。