Ein Datenwörterbuch, auch Datendefinitionsmatrix genannt, enthält detaillierte Informationen zu den Geschäftsdaten, z. B. Standarddefinitionen von Datenelementen, deren Bedeutung und zulässige Werte. Während sich ein konzeptionelles oder logisches Entitätsbeziehungsdiagramm auf die übergeordneten Geschäftskonzepte konzentriert, enthält ein Datenwörterbuch detailliertere Informationen zu jedem Attribut eines Geschäftskonzepts.

Im Wesentlichen bietet ein Datenwörterbuch ein Tool, mit dem Sie die Anforderungen von Geschäftsakteuren so kommunizieren können, dass Ihr technisches Team eine relationale Datenbank oder Datenstruktur leichter entwerfen kann, um diese Anforderungen zu erfüllen. Es hilft, Projektpannen zu vermeiden, z. B. Informationen in einem Bereich zu benötigen, von denen ein geschäftlicher Stakeholder vernünftigerweise nicht erwarten kann, dass er sie bereitstellt, oder die falsche Art von Informationen in einem Feld zu erwarten.Was mehr ist, wenn Sie sich gefragt haben, was Sie mit langen Listen von Feldern in Anwendungsfällen oder anderen Anforderungsdokumenten tun sollen, werden Sie froh sein zu erfahren, dass sie ein ideales Zuhause in einem Datenwörterbuch haben.

Wenn Sie Tabellenkalkulationen erstellt haben, um datenbezogene Informationen zu organisieren, werden Sie überrascht sein zu erfahren, dass Sie eine Form eines Datenwörterbuchs erstellt haben. Lange Zeit habe ich diese Art von Spezifikationen einfach als „Inhaltsspezifikationen“ oder „Datenmatrix“ bezeichnet, nur um festzustellen, dass ich seit über 10 Jahren Projektarbeit Datenwörterbücher erstellt habe.

(Übrigens, wenn Sie mehr über Datenmodellierung erfahren möchten, schauen Sie sich unbedingt unser kostenloses Datenmodellierungstraining an.)

Die Schlüsselelemente eines Datenwörterbuchs

Ein Datenwörterbuch liefert Informationen zu jedem Attribut, auch als Felder bezeichnet, eines Datenmodells. Ein Attribut ist ein Ort in der Datenbank, der Informationen enthält. Wenn wir beispielsweise ein Datenwörterbuch erstellen würden, das die Artikel hier auf Bridging the Gap darstellt, hätten wir möglicherweise Attribute für Artikeltitel, Artikelautor, Artikelkategorie und den Artikelinhalt selbst.

Ein Datenwörterbuch ist normalerweise in einem Tabellenkalkulationsformat organisiert. Jedes Attribut wird in der Tabelle als Zeile aufgeführt, und jede Spalte kennzeichnet ein Element mit Informationen, die für das Attribut nützlich sind.

Schauen wir uns die häufigsten Elemente an, die in einem Datenwörterbuch enthalten sind.

• Attributname – Ein eindeutiger Bezeichner, der normalerweise in der Geschäftssprache ausgedrückt wird und jedes Attribut kennzeichnet.
• Optional/Erforderlich – Gibt an, ob Informationen in einem Attribut erforderlich sind, bevor ein Datensatz gespeichert werden kann.
• Attributtyp – Definiert, welcher Datentyp in einem Feld zulässig ist. Zu den gebräuchlichen Typen gehören Text, numerisch, Datum / Uhrzeit, Aufzählungsliste, Nachschlagen, Boolesche Werte und eindeutige Bezeichner.

Obwohl dies die Kernelemente eines Datenwörterbuchs sind, ist es nicht ungewöhnlich, zusätzliche Informationen zu jedem Element zu dokumentieren, die die Quelle der Informationen, die Tabelle oder das Konzept, in dem das Attribut enthalten ist, enthalten können der Name des physischen Datenbankfelds, die Feldlänge und alle Standardwerte.

Beispiel eines Datenwörterbuchs

Sie fragen sich wahrscheinlich, wie das alles zusammenkommt.

Hier sehen Sie ein vereinfachtes Beispiel-Datenwörterbuch, das das Attribut aus unserem Bridging the Gap-Artikelbeispiel sowie wichtige Informationen zu jedem Attribut enthält.

Wie Sie sehen können, definiert ein Data Dictionary kritische Informationen zu jedem Attribut auf geschäftsorientierte Weise. Es organisiert auch Informationen, die sonst über mehrere verschiedene Dokumente und Spezifikationen verstreut sein könnten, was es Ihrem Datenbankentwickler erleichtert, eine Datenbank zu entwerfen oder zu aktualisieren, die den Geschäftsanforderungen entspricht.

>>Erfahren Sie mehr über Datenmodellierung (kostenloses Training)

Lernen Sie mit diesem kostenlosen Training die wesentlichen Datenmodellierungstechniken (auch wenn Sie nicht programmieren können).