Certified Data Management Professional (CDMP) ( dama | 35 hours )

.

这个为期 5 天的课程涵盖了 DAMA 知识体系 (DMBoK) 中定义的所有信息管理学科。本课程由业界公认的 DAMA DMBoK (2.0) 作者和 CDMP（研究员）教授，为整个信息管理领域的所有学科奠定了坚实的基础。通过参加本课程，代表们将获得核心信息 Management 概念的坚实基础，并通过如何应用信息架构的真实示例来说明其实际应用。

学习目标

完成课程后，参与者将能够：

• 不同类别的挑战，
• 了解生命周期管理、标准化、维度建模和数据虚拟化等概念，并了解它们为何如此重要，
• 了解主数据管理和数据治理的关键作用以及如何有效应用它们，
• 了解数据质量的不同方面（维度）并探索可行的数据质量框架，
• 描述成功数据治理的主要考虑因素以及如何将其引入小块，
• 了解不同类型的数据模型及其适用性，
• 参加 DAMA 认证考试。

• DAMA 简介

  • • 什么是数据管理，为什么它至关重要。
    • 数据管理有哪些不同的学科？
    • DAMA和DMBoK 2.0，以及它与其他框架（TOGAF/COBIT...）的关系。
    • 以 DAMA CDMP 为重点的可用专业认证概述。

• 数据治理

  • • 什么是数据 Governance 以及为什么它很重要。典型的数据管理参考模型。
    • 主要数据管理角色：拥有者、专员、保管人。
    • 数据 Go 研究办公室 （DGO） 的角色及其与 PMO 的关系。
    • Data Governance 和 IT Governance 有什么区别，这重要吗？
    • Data Management 其他法规的选择的影响概述。
    • 组织可以采取的关键步骤，为遵守当前和未来的法规做好准备。
    • 如何开始数据治理以及维护和构建数据治理。

• 数据生命周期管理

  • • 在数据的整个生命周期内主动规划数据管理。
    • 数据生命周期和系统开发生命周期 （SDLC） 之间的区别。
    • 贯穿整个数据生命周期的数据治理接触点。

• 元数据管理

  • • 什么是元数据，为什么它很重要？
    • 元数据的类型、用途和来源。
    • 元数据和业务词汇表。有什么联系？
    • 元数据如何为数据治理和元数据标准提供必要的粘合剂。

• DG 迷你专案

  • • 开始 Data Go vernance 计划，您必须尽早到位。如何为 DG 制作与业务目标相关的现实商业案例？

• 文件记录和内容管理

  • • 为什么文档和记录管理很重要。
    • 分类学与本体论......有什么区别。
    • 影响记录和内容管理的法律和法规注意事项。

• DATA MODELING 基础知识

  • • 数据模型的类型、它们的用途以及它们如何相互关联。
    • 数据模型的开发和利用，从企业到概念、逻辑、物理和维度。
    • 成熟度评估，考虑模型在企业中的使用方式及其在系统开发生命周期 （SDLC） 中的集成。
    • 数据建模和大数据。
    • 为什么数据建模在数据治理和 BP 案例研究中起著关键作用。

• 数据品质管理

  • • 数据品质的不同方面，以及有效性经常与品质混淆的原因。
    • 确保数据品质的策略、程序、指标、技术和资源。
    • 数据质量参考模型及其应用方法。
    • 为什么数据品质管理和数据治理是相互关联的，以及案例研究。

• 数据运营管理

  • • 数据操作的核心角色和注意事项。
    • GoOD 数据操作实践.

• 数据风险与安全

  • • 识别威胁并采取防御措施，以防止未经授权的访问、使用或丢失数据，尤其是滥用个人数据。
    • 识别数据及其使用的风险（不仅仅是安全性）。
    • 不同法规的数据管理注意事项，例如 GDPR、BCBS239。
    • 数据治理在数据安全管理中的作用。

• 主 & 参考资料管理

  • • 参考数据和主数据之间的差异。
    • 识别和管理整个企业的主数据。
    • 4 种通用 MDM 架构及其在不同情况下的适用性。
    • 如何逐步实施 MDM 以与业务优先顺序保持一致。
    • 挪威国家石油公司 （Equinor） 案例研究。

• 数据仓库、商业智慧和数据分析

  • • 什么是数据仓库和商业智慧，我们为什么需要它。
    • 主要的数据仓库架构（Inmon & Kimball）。
    • 维度数据建模简介。
    • 为什么没有适当的数据治理就无法进行主数据管理。
    • 数据分析和机器学习以及数据视觉化。

• 数据集成和互操作性

  • • 数据集成寻求解决的业务（和技术）问题是什么？
    • 数据集成和数据互操作性 - 有什么区别？
    • 不同风格的数据集成和互操作性，它们的适用性和影响。
    • 提供数据集成和访问的方法和指南。