·
فرهنگ داده هاData Dictionaries
به معنای فرهنگ لغت داده ها و مکمل بحث dfd است. یعنی می توان از dfd برای طراحیData Dictionaries و از فرهنگ داده ها برای تکمیل وطراحی dfd استفاده نمود .
بحث های مرتبط با Data Dictionaries
* مفاهیم فرهنگ داده ها Data dictionary concepts
* تعریف جریان داده ها Defining data flow
* تعریف ساختار داده هاDefining data structures
*تعریف عناصر داده هاDefining elements
* تعریف مخازن داد ه هاDefining data stores
* نحوه استفاده از فرهنگ داده هاUsing the data dictionary
*تحلیل فرهنگ داد ه هاData dictionary analysis…..برای ادامه بحث جلسه مذکوربیشتر بخوانید را کلیک نمائید
دانلود فایل متنی (PDF)درس جلسه هشتم (حجم360KB)
قبل از تعاریف موارد فوق و اینکه بهبودی صورت بگیرد و جریان داده ها را بشناسیم چند نکته را باید توجه کنیم تا بتوانیم طراحی را برای سیستم انجام دهیم. اول اینکه باید بدانیم Data و اطلاعاتش چیست، (یعنی اینکه ما در یک زمان چه Data هایی داریم و تعریف اینها چیست و نکته دیگر اینکه فرهنگ داده ها می خواهد داده ها و اطلاعات موجود در یک سیستم را تعریف کند که در واقع یک نوع استاندارد سازی داده هاست.
مثال :
اگر یک اطلاعات سفارش داشته باشیم:
- باید اول بدانیم این اطلاعات سفارش چیست؟
- به چه چیزی اطلاعات سفارش می گویند؟
- چه ساختاری دارد؟
- اجزای این ساختار چیست؟
- این ساختار چگونه نوشته می شود؟
- و هر یک از این اجزاء تعریفش چیست؟ که به آن عنصر (یا عناصر) می گویند.
پس فرهنگ داده ،داد ه ها و ساختار و هرکدام از اجزاءرا تعریف می کند .
نکته:
اگر داده های سیستم یک استاندارد و تعریف مشخص نداشته باشند در آن سیستم افراد (کارکنان، مشتریان، مدیران و غیره …) دچار یک سر در گمی در سازمان می شوند، و در این صورت نمی توانیم DFD و سیستم خوبی طراحی کنیم و انتظارات لازمی داشته باشیم.
تعریف فرهنگ داده ها
فرهنگ داده هایک روش اصلی برای تحلیل جریان داده ها و همین طور مخازن داده ها در سیستم های مبتنی بر داده است . فرهنگ داده یک اقدام و فعالیت مرجع برای تعریف داده هاست که به آن metadata هم می گویند. علاوه بر این اجزاء و ساختار داده ها را نیز تعریف می کند.
به همین دلیل به آن مرجع می گویند: یعنی محلی برای ارجاء، اگر بخواهیم اطلاعات و داده های سازمان را بدانیم که چیست باید به آن مراجعه کنیم.
و در حقیقت کار فرهنگ دادها جمع آوری، هماهنگ سازی و تغییر و یکسان سازی داده های متنوع برای ایجاد یک مفهوم واحد در سازمان است.
دلایل استفاده از فرهنگ داده ها
1. مستند سازی .
2. حذف دوباره کاری ها و تکرارها .
3. اعتبار بخشیدن و تسهیل کردن و اصلاح data flow diagram.
4-نقطه شروعی است برای طراحی صفحات نمایش و گزارشات.
5- منطق DFD را برای مشخص می کند.
نکته :سیستم های مختلف باید فرهنگ داده های استاندارد داشته باشند.
مخزن انبار داد ها یا The Repository
در یک پروژه خاص به آن data repository منبع یا مخزن انبار داده ها، که به آن (فرا داده ها) یا meta data می گویند. یعنی مجموعه بزرگی از اطلاعات .
شامل:* اطلاعات داده های آن پروژه * رویه های آن پروژه *روابط بین ورودی ها *گزارشات پروژه * نیازمندی ها*محصولات و اطلاعات مدیریت پروژه می باشد.یعنی چنانچه بخواهیم یک پروژه را طراحی کنیم باید یک data repository درست کنیم که اطلاعات آن پروزه ،بودجه ،شرح خدمات،و بقیه اجزاء پروژه قبل از اجرا تعریف گردد
ارتباط بین Data Dictionary و Data Flow Diagram
ارتباط بین dfdو فرهنگ داده ها در شکل یک نشان داده شده است .به این ترتیب که در DFD یک جریان داده داریم که با علامش فلش () نشان داده می شود و یک مخزن داده ها داریم .
کار Data Dictionaryاین است جریان داده
ها را تعریف و ساختار آنرا درست و عناصر ساختار را تعریف می کند همین طور
در خصوص مخزن داد ه ها،آنرا تشریح سپس ساختار آنرا درست و بعد هریک از
عناصر ساختار را تعریف می نماید (شکل 1)
محتوا واجزاء فرهنگ داد ه ها شامل :
1- جریان داده ها
2- ساختار داده ها
3- عناصر داده ها
4- مخازن داده ها
1- تعریف و تشریح جریان داد ها
*هرجریان داده باید با اطلاعات توصیفی و ساختار ترکیبی آن و یا عناصر آن تعریف شده باشد.
* جریان داده شامل اطلاعات زیر است:
ID ،شماره شناسایی،لیبل یا عنوان ،A general description توصیف عمومی
برای مثال ID مانندشماره دانشجویی،عنوان مانند دانشجو
* مشخص نمودن منبع جریان داده
داده میتوند از یک external entity یا یک فرآیند یا از یک مخزن داده حاصل شود.
*مشخص نمودن مقصد داده
*مشخص نمودن نوع داده
•نوع داده می تواند یک رکورد باشد که به یک فایل وارد و خارج می شود
•نوع داده می تواند یک گزارش باشد مثلا یک فرم یا یک صفحه نمایش
•نوع داده می تواند بین دوتا فرآیند مبادله شود. مثلا مبادله اطلاعات بین واحد مالی و واحد آموزش
•مشخص کردن نام برای سختار داده ها و عناصر آن .
•مشخص نمودن واحد زمانی ساختار داده ها در یک دوره مشخص . مثلا تعریف می نمائیم در هر ده ساعت می توانیم ده سفارش می پذیریم.
•اختصاص دادن جایی برای اطلاعات و ملاحظات
یک مثال برای جریان داده Data Flow: 
2- ساختار داده
ساختار داده ها گروهی از ساختارها و عناصر کوچک هستند و برای تعریف آن
ها از یک زبان جبری استفاده می کنیم، در شکل زیر که مانند مثال جریان داده
هاست بیشتر توضیح می دهیم. 
هر کدام از این علائم جبری مفهومی دارد.
= : یعنی این ساختار داده ها برابر است با یا شامل می شود.
+: به معنی “و “
: به معنی اقلام یا داده های تکرار شونده
<>: درج داده یا اطلاعات به صورت اختیاری مثلاً : با فرض اینکه مالیات را می توانیم درج کنیم یا درج نکنیم اختیاری است.
نکته دیگر اینکه باید تمامی استانداردهای عمومی ، ملی و بین المللی را رعایت کنیم مثلاً
آدرس: کد پستی، نام خیابان، و غیره اصطلاحاتی که استفاده می کنیم خیلی ها استانداردهای ملی و بین المللی دارند که باید رعایت کرد.
بعضی از موارد استانداردهای مشخصی وجود ندارد که برای این دسته اطلاعات باید به کاربران سیستم یا کسانی که بیشتر با سیستم سر وکار دارند مراجعه کرد و کمک گرفت. و برای هر یک از این عناصر باید فقط یک تعریف ارائه کنیم زیرا تعریف تکراری باعث می شود تا از حالت استاندارد خارج شود.
مانند dfd عناصر ساختار داده باید شکسته شود یعنی گاهی اوقات لازم است
هرکدام از عناصری که در ساختار داده ها وجود دارد یک یا دو بار آنهارا
بشکنیم و جزئی تر نمائیم تا کار کامل شود در واقع تا زمانی عناصر جزئی می
شوند که با یک استاندارد مشخصی تطبیق یابد برای مثال برخی از عناصر مثال
بالا به صورت زیرجزئی گردیده اند 
3- عناصر داده
*درعناصر داده ها اطلاعات توصیفی ، طول و نوع داده اطلاعات و معیار صحت آن تعریف می شود
*عنصر باید یک تعریف واحد داشته باشد.
* برای بررسی اجزاءعناصر داده ها به مثال زیر توجه کنید: 
* شماره شناسایی که می تواند اختیاری باشد و البته منحصر به فرد و توصیفی باشد.
* با توجه به اینکه امکان شناختن عنصر تحت اسامی مستعار برای دیگران وجود دارد نامهای مستعار فوق تعریف می نمائیم .
*توضیحات مختصری در مورد عنصر ارائه می کنیم.
*طول عنصر مشخص می گردد.
*اندازه طول عنصر حداقل و حداکثر آن مشخص می گردد.
*فرمت ورودی و خروجی عنصر مشخص می گردد.
مفهوم علائم جبری در عناصر داده ها
Z : صفر
9: عدد
/.: کاما و اعشاری بودن
X: کاراکتر
X(عدد) : کاراکتری بودن و چند رقمی
عناصر داده گسسته ،عناصر داده پیوسته
عناصر گسسته مانند:
جنسیت مرد/ زن
متاهل / مجرد (یا درجه بندی کیفیت)
و عناصر پیوسته مانند: وزن – طول – نمرات
طول عناصر داده
در شکل زیر نیز یک Determining Element length مشاهده می کنید اجزاء و عناصری وجود دارد که توضیح بیشتر در این خصوص داده شده:
طول، چند رقمی یا چند حرفی
11 حرفی: last name
به این مفهوم است که مقادیریlast name می تواند بگیرد 11 حرف است و 98%
موارد را پوشش می دهد یعنی 98% نام های خانوادگی که ممکن است پیش بیاید 11
حرفی است و 2% هم امکان خطا وجود دارد. 
معیار صحت validation Data
برای هر داده ای که بحث اعتبار آن وجود دارد باید یک معیاری و یا شرطی برای اعتبار آن تعریف کنیم.
