一、課程收益
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，力求讓學習者系統掌握數據管理的全面知識，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，幫助數據管理從業人士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、培訓時間
建議學習時間：5天，每天6小時，
培訓方式：線下集中面授。

三、課程目標
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。

四、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	3 DM Fundamentals + 2 specialist 基礎級+2門選修	3 DM 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
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

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。
關于續證：CDMP 的認證有效期為 3 年，需要延長認證的有效期需額外支付 100 美元的費用。可延長認證的期限為 3 年。

五、培訓大綱

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