DAMA国际数据管理专业人士CDMP认证

一、培训背景

本课程为《DAMA-DMBOK数据管理知识体系指南》，全面深入讲解了数据管理知识体系的专业基础理论。课程中每一个知识点都由老师结合企业数据管理最佳实践经验，精心打造而成，力求让学习者全面的掌握数据管理全面知识，是企业数字化转型下培养和提升数据团队能力，打造企业“CDO首席数据官”为核心团队的必修基础课程，是帮助数据管理从业人士，通过学习数据管理基础理论，借鉴行业最佳实践，提升数据管理专业能力。

二、培训收益

通过学习本课程，您将获得如下收益：

1. 掌握数据管理知识体系的整体框架及各领域知识内容；

2. 对关键数据管理各领域中的重点、难点及实践获得理解；

3. 系统化、体系化、结构化的数据管理问题辨析、思考和分析能力，及数据管理解决方案设计、执行能力。

三、培训对象

1. 企业CIO、CDO 等信息化相关的高层领导；

2. 数据管理或数据服务团队负责人、核心团队成员；

3. 企业数据管理专家/专家委员会专员；

4. 数据管理团队及专兼职人员；

5. 业务部门信息化领导/经理/专员；

6. IT 部门总监/经理；

7. IT 项目管理办公室（PMO）总监/经理/数据管理专员/技术经理。

四、培训特色

1. 理论与实践相结合、案例分析与理论穿插进行；

2. 专家精彩内容解析、学员专题讨论、分组研究；

3. 通过全面知识理解、专题技能掌握和安全实践增强的授课方式。

五、关于考试

国际数据管理协会认证CDMP：

数据管理专业人士认证（CDMP）证书授予那些具备以下综合条件资格的人员，这些条件包括教育程度、技能经验和基于测试的专业知识考试。证书分为基础级Associate、专家级Practitioner、大师级Master和院士级Fellow。为了维护认证状态并持续使用证书，需缴纳年度认证费用，加3年的继续教育和专业活动要求。

数据管理专业人士认证 CDMP：

只要有 ICCP 批准的代理人核查物理身份，并监考考试过程，ICCP 的考试可以在世界上任何地方举行。

CDMP考试认证分为四个等级，分别是Associate（基础级）、Practitioner（专家级）、Master（大师级）和Fellow（院士级）。四个等级将分别从教育学历、工作经验、专业知识以及对DAMA的贡献等角度进行认证考核，具体如下：

	基础级（A） Associate	专家级（P） Practitioner	大师级（M） Master	院士级（F） Fellow
职业经验	6个月>2年	2年-10年	至少10年	超过25年
考试	DM Fundamentals 基础级	3 DM Fundamentals + 2 specialist 基础级+2门选修	3 DM Fundamentals + 2 specialist 基础级+2门选修	• 全球公认的尊重的思想者、引领者 • 对数据管理领域有重大的、持续性的贡献 • 为CDMP和 DMBOK做出巨大贡献，通过提名 • 通过大师级成员的审查和认可
允许替换	NO	1	1
合格标准	60%	70%	80%
认证路径	注册 & 考试	注册 & 考试	注册 & 考试 通过案例经验提交经验证据	通过大师级成员的审查和认可

　　P级考试中替代考试项目：可替代两门选修中的一门，且证书需在有效期内，包含TOGAF、Zachman、Prince2、PMP、MSc Information Management、MBA / Informatics、IRMS CIP、SACA CISA, CRISC, CIS；

M级考试中替代考试项目：可替代两门选修中的一门，且证书需在有效期内，包含MSc Information Management、MBA / Informatics、IRMS CIP、ISACA CISA, CRISC, CIS。

考试信息：

机考

考试题目数量：100道选择题，100分

考试时间：90+20 Min（英语非第一语言区域可获得20分钟额外时间）

考试语言：英语

监考形式：ProctorU远程监考

专业发展和再认证：

要保持 CDMP资格要求3年内必须获得120小时获得认可的在教育时间。 很多教育活动都可以计算在内，包括 DAMA 的研讨会和分会活动。

六、课程大纲

章节	模块	培训内容
第一章 数据管理	掌握数据、数据与信息、数据作为组织资产、数据管理原则、数据管理挑战、数据战略基本概念；掌握数据管理框架基本内容包括：战略模型、阿姆斯特丹模型、DAMA-DMBOK框架、DMBOK金字塔。	1.1 简介 1.2 什么是数据 1.3 数据与信息 1.4 数据作为组织资产 1.5 数据管理原则 1.6 数据管理面临的挑战 1.7 数据战略 1.8 数据管理框架 1.9 DAMA与DMBOK 1.10 总结
第二章 数据道德	了解数据道德、数据隐私背后的原则、数字化环境下的道德、不道德的数据处理和风险实践、建立数据道德文化、数据道德与数据治理。	2.1 简介 2.2 业务驱动因素 2.3 什么是数据道德 2.4 数据隐私背后的原则 2.5 数字化环境下的道德 2.6 不道德的数据处理和风险实践 2.7 建立数据道德文化 2.8 数据道德与数据治理 2.9 总结
第三章 数据治理	掌握数据治理指导原则、数据治理关键驱动因素、数据治理的主要组成内容、数据治理关键指标、数据治理关键输入和输出、数据治理的主要工具、数据治理应用中的策略、数据治理评价理论、数据治理最佳实践	3.1 简介 3.2 数据治理基本活动 3.3 数据治理工具和技术 3.4 数据治理实施指南 3.5 数据治理关键指标 3.6数据治理最佳实践 3.7总结
第四章 数据架构	掌握数据架构指导原则、数据架构关键驱动因素、数据架构的主要组成内容、数据架构关键指标、数据架构关键输入和输出、数据架构的主要工具、数据架构应用中的策略、数据架构评价理论、数据架构最佳实践。	4.1简介 4.2数据架构基本活动 4.3数据架构工具和技术 4.4数据架构实施指南 4.5数据架构关键指标 4.6数据架构最佳实践 4.7总结
第五章 数据建模与设计	掌握数据模型指导原则、数据模型关键驱动因素、数据模型的主要组成内容、数据模型关键指标、数据模型关键输入和输出、数据建模的主要工具、数据模型应用中的策略、数据建模评价理论、数据建模最佳实践。	5.1 简介 5.2 数据模型基本活动 5.3 数据建模工具和技术 5.4 数据建模实施指南 5.5 数据模型关键指标 5.6 数据建模最佳实践 5.7 总结
第六章 数据存储与操作	掌握数据数据库设计指导原则、数据存储与操作驱动因素、数据库的主要组成内容、数据库管理关键指标、数据库管理关键输入和输出、数据库管理的主要工具、数据库设计应用中的策略、数据存储与操作评价理论、数据库管理最佳实践。	6.1简介 6.2数据库管理基本活动 6.3数据库工具和技术 6.4数据库实施指南 6.5数据库管理关键指标 6.6数据库管理最佳实践 6.7总结
第七章 数据安全	掌握数据安全指导原则、数据安全关键驱动因素、数据安全的主要组成内容、数据安全关键指标、数据安全关键输入和输出、数据安全的主要工具、数据安全技术、数据安全实施指南、数据治理最佳实践。	7.1简介 7.2数据安全基本活动 7.3数据安全工具和技术 7.4数据安全实施指南 7.5数据安全关键指标 7.6数据安全管理评价 7.7数据安全最佳实践 7.8总结
第八章 数据集成与互操作性	掌握数据集成与互操作性指导原则、数据集成与互操作性关键驱动因素、数据集成与互操作性的主要组成内容、数据集成与互操作性关键指标、数据集成与互操作性关键输入和输出、数据集成与互操作性的主要工具、数据集成与互操作性实施指南、数据集成与互操作性评价理论、数据集成与互操作性最佳实践。	8.1简介 8.2数据成与互操作性基本活动 8.3数据集成与互操作性工具和技术 8.4数据集成与互操作性实施指南 8.5数据集成与互操作性关键指标 8.6数据集成与互操作性最佳实践 8.7总结
第九章 文档和内容管理	掌握内容管理指导原则、内容管理关键驱动因素、内容管理的主要组成内容、内容管理关键指标、内容管理关键输入和输出、内容管理的主要工具、内容管理实施指南、内容管理评价理论、内容管理最佳实践。	9.1简介 9.2文档和内容管理基本活动 9.3内容管理工具和技术 9.4内容管理实施指南 9.5内容管理关键指标 9.6内容管理最佳实践 9.7总结
第十章 参考数据和主数据	掌握参考数据和主数据指导原则、参考数据和主数据关键驱动因素、参考数据和主数据主要组成内容、参考数据和主数据关键指标、参考数据和主数据关键输入和输出、参考数据和主数据的主要工具、参考数据和主数据实施指南、参考数据和主数据评价理论、参考数据和主数据最佳实践。	10.1简介 10.2参考数据和主数据基本活动 10.3参考数据和主数据工具和技术 10.4参考数据和主数据实施指南 10.5参考数据和主数据关键指标 10.6参考数据和主数据最佳实践 10.7总结
第十一章 数据仓库与商务智能	掌握数据数据仓库与商务智能指导原则、数据仓库与商务智能关键驱动因素、数据仓库与商务智能的主要组成内容、数据仓库与商务智能关键指标、数据仓库与商务智能关键输入和输出、数据仓库与商务智能的主要工具、数据仓库与商务智能应用中的策略、数据仓库与商务智能评价理论、数据仓库与商务最佳实践。	11.1简介 11.2数据仓库与商务智能基本活动 11.3数据仓库与商务智能工具和技术 11.4数据仓库与商务智能实施指南 11.5数据仓库与商务智能关键指标 11.6数据仓库与商务智能最佳实践 11.7总结
第十二章 元数据管理	掌握元数据指导原则、元数据关键驱动因素、元数据的主要组成内容、元数据关键指标、元数据关键输入和输出、元数据的主要工具、元数据应用中的策略、元数据评价理论、元数据最佳实践。	12.1简介 12.2元数据管理基本活动 12.3元数据管理工具和技术 12.4元数据实施指南 12.5元数据管理关键指标 12.6元数据最佳实践 12.7总结
第十三章 数据质量	掌握数据质量指导原则、数据质量关键驱动因素、数据质量的主要组成内容、数据质量关键指标、数据质量关键输入和输出、数据质量的主要工具、数据质量应用中的策略、数据质量评价理论、数据质量最佳实践。	13.1简介 13.2数据质量基本活动 13.3数据质量工具和技术 13.4数据质量实施指南 13.5数据质量关键指标 13.6数据质量最佳实践 13.7总结
第十四章 大数据与数据科学	掌握大数据指导原则、大数据与数据科学关键驱动因素、大数据与数据科学的主要组成内容、大数据关键指标、大数据关键输入和输出、大数据的主要工具、大数据与数据科学应用中的策略、大数据评价理论、大数据与数据科学最佳实践。	14.1 简介 14.2 大数据与数据科学基本活动 14.3 大数据与数据科学工具和技术 14.4 大数据与数据科学实施指南 14.5 大数据与数据科学关键指标 14.6 大数据与数据科学最佳实践 14.7 总结
第十五章 数据管理能力成熟度	掌握数据管理能力指导原则、数据管理能力成熟度评估关键驱动因素、数据管理能力成熟度的主要组成内容、数据管理能力成熟度关键指标、数据管理能力成熟度关键输入和输出、数据管理能力成熟度的主要工具、数据管理能力成熟度应用策略、数据管理能力成熟度评价理论、数据管理能力成熟度最佳实践。	15.1 简介 15.2 数据管理能力成熟度基本活动 15.3 数据管理能力成熟度工具和技术 15.4 数据管理能力成熟度实施指南 15.5 数据管理能力成熟度关键指标 15.6 数据管理能力成熟度最佳实践 15.7 总结
第十六章 数据管理组织及角色	掌握数据管理组织模式、数据管理成功关键要素、建立数据管理组织、数据管理组织与其他组织间关系、数据管理组织中的角色、数据管理组织最佳实践。	16.1简介 16.2数据管理组织模式 16.3数据管理成功关键要素 16.4建立数据管理组织 16.5数据管理组织与其他组织间关系 16.6数据管理组织中的角色 16.7总结
第十七章 数字化转型下组织变革管理	掌握数字化转型下组织变革管理原则、组织变革管理的八个误区、组织变革管理的八个阶段、组织变革的可持续发展、组织持续获得数据管理价值。	17.1简介 17.2数字化转型下的组织变革管理原则 17.3数字化转型下组织变革管理的八个误区 17.4数字化转型下组织变革管理的八个阶段 17.5数字化转型下组织变革的可持续发展 17.6数字化转型下组织持续获得数据管理价值 17.7数字化转型组织数据管理文化最佳实践 17.8总结
学员交流、考核与返程

七、授课专家

王老师 （TOGAF9.2 鉴定级、CDMP、PMP、高级信息系统项目管理师、ITIL V3）数据治理及数据标准化专家，信息工程硕士。参与过大量关于数据治理、数据能力成熟度评估、数据架构、企业级数据模型、数据标准化和数据质量提升项目，长期致力于数据治理、数据架构及数据标准化方面的研究和实践。

蔡老师 某石化集团数据标准化项目大项目经理,某软件公司高级项目总监，数据业务部负责人。同时也是中国电子工业标准化技术协会会员、企业信息标准化委员会常委委员、eCl@ss协会会员（国际产品分类标准化组织）、北京市大数据及其应用专家委员会专家、中国数据工匠俱乐部发起人。

郑博士 DAMA中国理事会员，工学博士学位， 清华大学未来科技EMBA 在读，2012年毕业回国创办恩核（北京）信息技术有限公司。致力于数据架构、数据建模及数据治理技术方面的研究与实践，曾出版《海量数据库解决方案1》，《区块链开发与实例》，后者被清华计算机学院列为指定教材，参与翻译《数据管理知识体系-DMBOK2.0》，组织翻译《区块链重构游戏规则》

王老师 现任某上市公司软件产品部副总兼大数据产品线总经理，国际信息和数据质量协会（IAIDQ）会员，ITSS数据治理标准工作组成员。曾获得数据管理专业认证（CDMP）、数据治理专业认证（DGP）、信息质量专业认证（IQCP）三项国际认证。2010年加入普元，全面主持普元大数据产品的研发、拓展及团队管理工作。十年大型企业信息化架构设计与建设经验，曾任中国人民银行核心平台架构师。主持参与了国家开发银行大数据治理项目、中国人民银行软件开发平台、国家电网云计算平台等大型项目建设。对大数据行业有着深入的研究和洞察，并对企业信息化平台建设，企业云计算及大数据平台建设有着丰富经验。