首頁 > 內訓課 > 大數據 > DAMA數據管理專業人士CDMP認證

DAMA數據管理專業人士CDMP認證

培訓地點 網絡直播 廣州 上海 深圳
培訓時間 8月 20-23 9月 24-27 10月 22-25 12月 17-20

一、培訓背景

  本課程為《DAMA-DMBOK數據管理知識體系指南》,全面深入講解了數據管理知識體系的專業基礎理論。課程中每一個知識點都由老師結合企業數據管理最佳實踐經驗,精心打造而成,力求讓學習者全面的掌握數據管理全面知識,是企業數字化轉型下培養和提升數據團隊能力,打造企業“CDO首席數據官”為核心團隊的必修基礎課程,是幫助數據管理從業人士,通過學習數據管理基礎理論,借鑒行業最佳實踐,提升數據管理專業能力。
 

二、培訓收益

  通過學習本課程,您將獲得如下收益:

  ● 掌握數據管理知識體系的整體框架及各領域知識內容;

  ● 對關鍵數據管理各領域中的重點、難點及實踐獲得理解;

  ● 系統化、體系化、結構化的數據管理問題辨析、思考和分析能力,及數據管理解決方案設計、執行能力。

三、培訓對象

  ● 企業CIO、CDO 等信息化相關的高層領導;

  ● 數據管理或數據服務團隊負責人、核心團隊成員;

  ● 企業數據管理專家/專家委員會專員;

  ● 數據管理團隊及專兼職人員;

  ● 業務部門信息化領導/經理/專員;

  ● IT部門總監/經理;

  ● IT項目管理辦公室(PMO)總監/經理/數據管理專員/技術經理。

四、培訓特色

  ● 理論與實踐相結合、案例分析與理論穿插進行;

  ● 專家精彩內容解析、學員專題討論、分組研究;

  ● 通過全面知識理解、專題技能掌握和安全實踐增強的授課方式。

五、關于考試

  國際數據管理協會認證CDMP:

  數據管理專業人士認證 (CDMP) 證書授予那些具備以下綜合條件資格的人員,這些條件包括教育程度、技能經驗和基于測試的專業知識考試。證書分為基礎級Associate、專家級Practitioner、大師級Master和院士級Fellow。為了維護認證狀態并持續使用證書,需繳納年度認證費用,加3年的繼續教育和專業活動要求。

  數據管理專業人士認證 CDMP:

  只要有 ICCP 批準的代理人核查物理身份,并監考考試過程,ICCP 的考試可以在世界上任何地方舉行。

  CDMP考試認證分為四個等級,分別是Associate(基礎級)、Practitioner(專家級)、Master(大師級)和Fellow(院士級)。四個等級將分別從教育學歷、工作經驗、專業知識以及對DAMA的貢獻等角度進行認證考核,具體如下:

 

  基礎級(A)
Associate
專家級(P)
Practitioner
大師級(M)
Master
院士級(F)
Fellow
職業經驗 6個月>2年 2年-10年 至少10年 超過25年
考試 DM Fundamentals
基礎級
3DM Fundamentals +
2 specialist 基礎級+
2門選修
3DM Fundamentals +
2 specialist 基礎級+
2門選修
• 全球公認的尊重的思想者、引領者
• 對數據管理領域有重大的、持續性的貢獻
• 為CDMP和 DMBOK做出巨大貢獻,通過提名
• 通過大師級成員的審查和認可
允許替換 NO 1 1
合格標準 60% 70% 80%
認證路徑 注冊 & 考試 注冊 & 考試 注冊 & 考試
通過案例經驗提交
經驗證據
通過大師級成員的審查和認可

 

  P級考試中替代考試項目:可替代兩門選修中的一門,且證書需在有效期內,包含TOGAF、Zachman、Prince2、PMP、MSc Information Management、MBA / Informatics、IRMS CIP、SACA CISA, CRISC, CIS;

  M級考試中替代考試項目:可替代兩門選修中的一門,且證書需在有效期內,包含MSc Information Management、MBA / Informatics、IRMS CIP、ISACA CISA, CRISC, CIS。

  考試信息:

  機考

  考試題目數量:100道選擇題,100分。

  考試時間:90+20 Min(英語非第一語言區域可獲得20分鐘額外時間)。

  考試語言:英語。

  監考形式:ProctorU遠程監考。

  專業發展和再認證

  要保持 CDMP資格要求3年內必須獲得120小時獲得認可的在教育時間。 很多教育活動都可以計算在內,包括 DAMA 的研討會和分會活動。

六、課程大綱

 

章節 模塊 培訓內容
第一章
數據管理
掌握數據、數據與信息、數據作為組織資產、數據管理原則、數據管理挑戰、數據戰略基本概念;掌握數據管理框架基本內容包括:戰略模型、阿姆斯特丹模型、DAMA-DMBOK框架、DMBOK金字塔。 1.1 簡介
1.2 什么是數據
1.3 數據與信息
1.4 數據作為組織資產
1.5 數據管理原則
1.6 數據管理面臨的挑戰
1.7 數據戰略
1.8 數據管理框架
1.9 DAMA與DMBOK
1.10 總結
第二章
數據道德
了解數據道德、數據隱私背后的原則、數字化環境下的道德、不道德的數據處理和風險實踐、建立數據道德文化、數據道德與數據治理。 2.1 簡介
2.2 業務驅動因素
2.3 什么是數據道德
2.4 數據隱私背后的原則
2.5 數字化環境下的道德
2.6 不道德的數據處理和風險實踐
2.7 建立數據道德文化
2.8 數據道德與數據治理
2.9 總結
第三章
數據治理
掌握數據治理指導原則、數據治理關鍵驅動因素、數據治理的主要組成內容、數據治理關鍵指標、數據治理關鍵輸入和輸出、數據治理的主要工具、數據治理應用中的策略、數據治理評價理論、數據治理最佳實踐 3.1 簡介
3.2 數據治理基本活動
3.3 數據治理工具和技術
3.4 數據治理實施指南
3.5 數據治理關鍵指標
3.6 數據治理最佳實踐
3.7 總結
第四章
數據架構
掌握數據架構指導原則、數據架構關鍵驅動因素、數據架構的主要組成內容、數據架構關鍵指標、數據架構關鍵輸入和輸出、數據架構的主要工具、數據架構應用中的策略、數據架構評價理論、數據架構最佳實踐。 4.1 簡介
4.2 數據架構基本活動
4.3 數據架構工具和技術
4.4 數據架構實施指南
4.5 數據架構關鍵指標
4.6 數據架構最佳實踐
4.7 總結
第五章
數據建模與
設計
掌握數據模型指導原則、數據模型關鍵驅動因素、數據模型的主要組成內容、數據模型關鍵指標、數據模型關鍵輸入和輸出、數據建模的主要工具、數據模型應用中的策略、數據建模評價理論、數據建模最佳實踐。 5.1 簡介
5.2 數據模型基本活動
5.3 數據建模工具和技術
5.4 數據建模實施指南
5.5 數據模型關鍵指標
5.6 數據建模最佳實踐
5.7 總結
第六章
數據存儲與
操作
掌握數據數據庫設計指導原則、數據存儲與操作驅動因素、數據庫的主要組成內容、數據庫管理關鍵指標、數據庫管理關鍵輸入和輸出、數據庫管理的主要工具、數據庫設計應用中的策略、數據存儲與操作評價理論、數據庫管理最佳實踐。 6.1 簡介
6.2 數據庫管理基本活動
6.3 數據庫工具和技術
6.4 數據庫實施指南
6.5 數據庫管理關鍵指標
6.6 數據庫管理最佳實踐
6.7 總結
第七章
數據安全
掌握數據安全指導原則、數據安全關鍵驅動因素、數據安全的主要組成內容、數據安全關鍵指標、數據安全關鍵輸入和輸出、數據安全的主要工具、數據安全技術、數據安全實施指南、數據治理最佳實踐。 7.1 簡介
7.2 數據安全基本活動
7.3 數據安全工具和技術
7.4 數據安全實施指南
7.5 數據安全關鍵指標
7.6 數據安全管理評價
7.7 數據安全最佳實踐
7.8 總結
第八章
數據集成與
互操作性
掌握數據集成與互操作性指導原則、數據集成與互操作性關鍵驅動因素、數據集成與互操作性的主要組成內容、數據集成與互操作性關鍵指標、數據集成與互操作性關鍵輸入和輸出、數據集成與互操作性的主要工具、數據集成與互操作性實施指南、數據集成與互操作性評價理論、數據集成與互操作性最佳實踐。 8.1 簡介
8.2 數據成與互操作性基本活動
8.3 數據集成與互操作性工具和技術
8.4 數據集成與互操作性實施指南
8.5 數據集成與互操作性關鍵指標
8.6 數據集成與互操作性最佳實踐
8.7 總結
第九章
文檔和內容
管理
掌握內容管理指導原則、內容管理關鍵驅動因素、內容管理的主要組成內容、內容管理關鍵指標、內容管理關鍵輸入和輸出、內容管理的主要工具、內容管理實施指南、內容管理評價理論、內容管理最佳實踐。 9.1 簡介
9.2 文檔和內容管理基本活動
9.3 內容管理工具和技術
9.4 內容管理實施指南
9.5 內容管理關鍵指標
9.6 內容管理最佳實踐
9.7 總結
第十章
參考數據和
主數據
掌握參考數據和主數據指導原則、參考數據和主數據關鍵驅動因素、參考數據和主數據主要組成內容、參考數據和主數據關鍵指標、參考數據和主數據關鍵輸入和輸出、參考數據和主數據的主要工具、參考數據和主數據實施指南、參考數據和主數據評價理論、參考數據和主數據最佳實踐。 10.1 簡介
10.2 參考數據和主數據基本活動
10.3 參考數據和主數據工具和技術
10.4 參考數據和主數據實施指南
10.5 參考數據和主數據關鍵指標
10.6 參考數據和主數據最佳實踐
10.7 總結
第十一章
數據倉庫
與商務智能
掌握數據數據倉庫與商務智能指導原則、數據倉庫與商務智能關鍵驅動因素、數據倉庫與商務智能的主要組成內容、數據倉庫與商務智能關鍵指標、數據倉庫與商務智能關鍵輸入和輸出、數據倉庫與商務智能的主要工具、數據倉庫與商務智能應用中的策略、數據倉庫與商務智能評價理論、數據倉庫與商務最佳實踐。 11.1 簡介
11.2 數據倉庫與商務智能基本活動
11.3 數據倉庫與商務智能工具和技術
11.4 數據倉庫與商務智能實施指南
11.5 數據倉庫與商務智能關鍵指標
11.6 數據倉庫與商務智能最佳實踐
11.7 總結
第十二章
元數據管理
掌握元數據指導原則、元數據關鍵驅動因素、元數據的主要組成內容、元數據關鍵指標、元數據關鍵輸入和輸出、元數據的主要工具、元數據應用中的策略、元數據評價理論、元數據最佳實踐。 12.1 簡介
12.2 元數據管理基本活動
12.3 元數據管理工具和技術
12.4 元數據實施指南
12.5 元數據管理關鍵指標
12.6 元數據最佳實踐
12.7 總結
第十三章
數據質量
掌握數據質量指導原則、數據質量關鍵驅動因素、數據質量的主要組成內容、數據質量關鍵指標、數據質量關鍵輸入和輸出、數據質量的主要工具、數據質量應用中的策略、數據質量評價理論、數據質量最佳實踐。 13.1 簡介
13.2 數據質量基本活動
13.3 數據質量工具和技術
13.4 數據質量實施指南
13.5 數據質量關鍵指標
13.6 數據質量最佳實踐
13.7 總結
第十四章
大數據與
數據科學
掌握大數據指導原則、大數據與數據科學關鍵驅動因素、大數據與數據科學的主要組成內容、大數據關鍵指標、大數據關鍵輸入和輸出、大數據的主要工具、大數據與數據科學應用中的策略、大數據評價理論、大數據與數據科學最佳實踐。 14.1 簡介
14.2 大數據與數據科學基本活動
14.3 大數據與數據科學工具和技術
14.4 大數據與數據科學實施指南
14.5 大數據與數據科學關鍵指標
14.6 大數據與數據科學最佳實踐
14.7 總結
第十五章
數據管理
能力成熟度
掌握數據管理能力指導原則、數據管理能力成熟度評估關鍵驅動因素、數據管理能力成熟度的主要組成內容、數據管理能力成熟度關鍵指標、數據管理能力成熟度關鍵輸入和輸出、數據管理能力成熟度的主要工具、數據管理能力成熟度應用策略、數據管理能力成熟度評價理論、數據管理能力成熟度最佳實踐。 15.1 簡介
15.2 數據管理能力成熟度基本活動
15.3 數據管理能力成熟度工具和技術
15.4 數據管理能力成熟度實施指南
15.5 數據管理能力成熟度關鍵指標
15.6 數據管理能力成熟度最佳實踐
15.7 總結
第十六章
數據管理
組織及角色
掌握數據管理組織模式、數據管理成功關鍵要素、建立數據管理組織、數據管理組織與其他組織間關系、數據管理組織中的角色、數據管理組織最佳實踐。 16.1 簡介
16.2 數據管理組織模式
16.3 數據管理成功關鍵要素
16.4 建立數據管理組織
16.5 數據管理組織與其他組織間關系
16.6 數據管理組織中的角色
16.7 總結
第十七章
數字化轉
型下組織
變革管理
掌握數字化轉型下組織變革管理原則、組織變革管理的八個誤區、組織變革管理的八個階段、組織變革的可持續發展、組織持續獲得數據管理價值。 17.1 簡介
17.2 數字化轉型下的組織變革管理原則
17.3 數字化轉型下組織變革管理的八個誤區
17.4 數字化轉型下組織變革管理的八個階段
17.5 數字化轉型下組織變革的可持續發展
17.6 數字化轉型下組織持續獲得數據管理價值
17.7 數字化轉型組織數據管理文化最佳實踐
17.8 總結
學員交流、考核與返程

 

七、授課專家

  王老師 現任某上市公司軟件產品部副總兼大數據產品線總經理,國際信息和數據質量協會(IAIDQ)會員,ITSS數據治理標準工作組成員。曾獲得數據管理專業認證(CDMP)、數據治理專業認證(DGP)、信息質量專業認證(IQCP)三項國際認證。2010年加入普元,全面主持普元大數據產品的研發、拓展及團隊管理工作。十年大型企業信息化架構設計與建設經驗,曾任中國人民銀行核心平臺架構師。主持參與了國家開發銀行大數據治理項目、中國人民銀行軟件開發平臺、國家電網云計算平臺等大型項目建設。對大數據行業有著深入的研究和洞察,并對企業信息化平臺建設,企業云計算及大數據平臺建設有著豐富經驗。
講授課程:
  《元數據驅動的微服務架構》
  《元數據的核心架構》
  《數據治理數據架構設計》
  《以自動化為核心的自服務大數據治理》
  《大數據治理技術核心,可擴展的元數據架構設計》
  項目經驗:擁有中國工商銀行、中國建設銀行、中國交通銀行、國家開發銀行、中國銀聯、中國移動、中國電信、中國聯通、國家電網、神華集團、航天科工、中航工業、海關總署、民政部、阿里云、德邦物流等超過數百家大中型用戶。

  王老師 沈陽工業大學經管學院 MEM 信息工程碩士,擁有IT行業17年以上、數據治理與管理領域8年從業經驗,在央企信息化領域、大型集團企業具有豐富的數字化頂層設計、數據治理及標準化經驗,長期致力于石油、電網、軍工等行業的數據管理項目的規劃與實施,在本領域擁有扎實的理論和實踐經驗。
DAMA China 國際數據治理協會中國分會會員
石油行業數據治理資深專家
新奧集團 IT賦能群 數據中臺數據治理專家
精通TOGAF企業架構、DAMA數據管理知識體系,數據治理、數據架構、主數據、數據質量、數據標準、DCMM和DMM數據管理成熟度等。
具有扎實的企業信息化理論知識和相關資質認證,是業內知名的數據治理專家,作為數據管理能力成熟度模型(DCMM)的首批標準評估師,開展了多個行業領域企業的數據管理能力成熟度評估工作,為企業數字化轉型提供信息化綜合診斷,提供總體設計和規劃演進實施路線圖,是業內實戰派專家。
目前主要從事數據治理、數據質量、主數據管理、元數據管理、數據架構等方面咨詢及解決方案工作。石油、電網、軍工等多個行業深入數據治理與管理的項目規劃與交付。
主要項目經驗包括(詳見項目案例):
  某大型石油集團數據倉庫及數據治理項目,任項目經理;
  某大型石油集團數據標準及管控體系建設項目,任項目經理;
  某大型物資集采裝備公司數據治理規劃項目,任項目經理;
  某大型電網公司數據資產管理體系建設項目,任咨詢經理。負責企業級數據架構現狀調研和藍圖規劃,規劃企業級數據架構治理體系,制定數據架構設計規范,負責面向信息化建設項目推行數據架構治理的管理機制和技術規范等;
  某大型國石油企業主數據管理項目,任項目專家。制定主數據標準、主數據質量評估和技術實施方案等;
  某大型能源企業數字化轉型頂層設計及指標體系規劃項目,任項目經理;
  某軍工企業信息代碼標準化總體設計及信息代碼質量體系評估項目,任項目專家;
  某能源行業數據治理總體規劃、數據中臺規劃、數據治理平臺規劃設計、數據治理及數據質量示險建設項目,任高級經理。