DAMA 丨数据管理专业人士CDGA & CDGP & CDMP 认证方案
由于大数据技术的飞速发展，数字经济突飞猛进，数字的价值逐渐凸显2020 年 4 月发布的《中 共中央国务院关于构建更加完善的要素市场化配置管理机制的意见》（以下简称意见）中，首次将“数 据”与土地、劳动力资本、技术等传统要素并列为要素之一，数据已经像工业时代的石油一样， 成为信息时代最重要的基础要素。为了解决社会对数据管理人才的紧迫需求规范化数字要素市场，满足《意见》中推进政府数据开放共享、提升社会数
据资源价值、加强数据资源整合和安全保护三项要求，DAMA 中国特就决定建立一个长期的“数据人才” 成长计划，面向个人开展培训认证。
DAMA 数据管理专业认证（CDMP）是DAMA 国际推出的一些国际专业认证。为了便于国内广大数据从业者学习相关认证，DAMA 中国以国际数据管理协会(简称“DAMA 国际”) DAMA 数据管理知识体系为基础，结合国内实际需求，对DAMA 国际数据管理专业人员认证 ( CDMP )的考试语言、考试形式、考试内容、证书类型等进行了适当本地化重构。重构后认证考试分为数据治理工程师 ( Certified Data Governance Associate, CDGA )和数据治理专家 ( Certified Data Governance Professional, CDGP )。DAMA 中国承担认证考试命题工作，并定期组织中文考试，对考试通过者由 DAMA 中国颁发认证证书。证书有效期为三年，获得 CDGA 认证才能申请 CDGP 认证考试。
DAMA 认证为数据管理专业人士提供职业目标晋升规划，彰显了职业发展里程碑及发展阶梯定义， 帮助数据管理从业人士获得企业数字化转型战略下的必备职业能力，促进开展工作实践应用及实际问题解决，形成企业所需的新数字经济下的核心职业竞争能力。
Ø 组织数字化转型推动者及参与者：
项目管理办公室（PMO）总监/经理/数据管理专员/技术经理、软件IT 行业专业人士、PM 项目经理、数据服务行业从业人员、CEO 企业首席执行官、CMO 企业首席营销官、CFO 企业首席财务管理及企业数字化转型相关部门负责人(总经理、副总经理、总监、部门经理等)
Ø 政府及事业单位数据管理人员：
包括政府机构大数据/信息化/新型智慧城市主管部门人员、医疗/金融/教育等行业领域数据管理人员
Ø 数据管理从业人员：
包括CIO 企业首席信息官、CDO 企业首席数据官、CTO 企业信息技术官、组织数据管理专家、组织内各业务职能数据管理专员和数据管理团队及专兼职数据管理人员以及对信息技术和数据管理工作感兴趣的学习者
DAMA International 成立于 1980 年，是一个由技术和业务专业人员组成的全球领域的非营利的独立于厂商的数据管理专业协会，旨在世界范围内推广并促进信息和数据管理领域的概念和最佳实践的发展。DAMA China（国际数据管理协会中国分会）是个非营利性、专注数据管理的专业组织。旨在交流国际、国内在数据管理领域中的最新进展，共享业界的实践、经验和成果，促进我国数字化水平的不断提高和创新。为了更好地推动国内数据治理知识体系的不断完善、理论与实战的结合、细分行业的发展、人才的培养，特设数据治理专业人才资质认证考试，通过以考试为依据的专家资质认证，以便为个人在数据治理方面取得成就提供资质证明，为企业选拔人才提供标准，为数据治理从业者提供学习指引和职业发展方向。
DAMA 推出 CDMP（Certified Data Management Professional，数据管理专业人士认证）考试， 全球唯一数据管理方面权威性认证，帮助数据从业者提升数据管理能力。DAMA 每年举办全球数据管理大会汇集全球顶级专家、相关厂商、甲方专家等集中进行演讲和讨论，探讨发展存在的问题、发展的趋势和 相互分享成功经验。
n 理论与实践相结合、案例分析与理论穿插进行；
n 专家精彩内容解析、学员专题讨论、分组研究；
n 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。
n 对于数据从业者个人而言：
通过CDGA/CDGP 专业认证，可以得到持续不断的专业发展，获得更高的市场信誉和认可，是数据管理从业者职业生涯的里程碑。
n 对于企业而言：
CDGA/CDGP 专业认证是评估企业数据管理实践的基准，一方面能提高员工的数据管理素质和技能，另一方面，能够提升全员的数据管理意识，进而促进公司整体数据管理能力提升，积极有效推进企业数字化转型。
章节 | 模块 | 培训内容 |
| 掌握数据、数据与信息、数据作为组织资产、数 | 1.1 简介 1.6 数据管理面临的挑战 |
第一章 | 据管理原则、数据管理挑战、数据战略基本概念、 | 1.2 什么是数据？ 1.7 数据战略 |
数据管理 | 掌握数据管理框架基本内容包括：战略模型、阿 | 1.3 数据与信息 1.8 数据管理框架 |
| 姆斯特丹模型、DAMA-DMBOK 框架、DAMA | 1.4 数据作为组织资产 1.9 DAMA 与 DMBOK |
| 金字塔 | 1.5 数据管理原则 1.10 总结 |
第二章 数据处理伦理 | 数据伦理准则、数据隐私法背后的原则、在线数据的伦理环境、违背伦理进行数据处理的风险、建立数据伦理文化、数据伦理与治理 | 2.1 简介 2.5 在线数据的伦理环境 2.2 业务驱动因素 2.6 违背伦理进行数据处理的风险 2.3 数据伦理准则 2.7 建立数据伦理文化 2.4 数据隐私法背后的原则 2.8 数据伦理与治理 |
| 掌握数据治理指导原则、数据治理关键驱动因 | 3.1 简介 3.5 数据治理关键指标 3.2 数据治理基本活动 3.6 数据治理最佳实践 3.3 数据治理工具和技术 3.7 总结 3.4 数据治理实施指南 |
第三章 | 素、数据治理的主要组成内容、数据治理关键指 |
数据治理 | 标、数据治理关键输入输出、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 |
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 4.5 数据架构关键指标 4.2 数据架构基本活动 4.6 数据架构最佳实践 4.3 数据架构工具和技术 4.7 总结 4.4 数据架构实施指南 |
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、数据模型关键输入输出、数据模型的主要工具、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 5.5 数据模型关键指标 5.2 数据模型基本活动 5.6 数据建模最佳实践 5.3 数据建模工具和技术 5.7 总结 5.4 数据建模实施指南 |
第六章 数据存储与操作 | 掌握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 6.5 数据库管理关键指标 6.2 数据库关机基本活动 6.6 数据库管理最佳实践 6.3 数据库工具和技术 6.7 总结 6.4 数据库实施指南 |
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、数据安 全最佳实践 | 7.1 简介 7.5 数据安全关键指标 7.2 数据安全基本活动 7.6 数据安全管理评价 7.3 数据安全工具和技术 7.7 数据安全管理最佳实践 7.4 数据安全实施指南 7.8 总结 |
| 掌握数据集成与互操作性指导原则、数据集成与 | 8.1 简介 |
| 互操作性关键驱动因素、数据集成与互操作性的 | 8.2 数据集成与互操作性基本活动 |
第八章 | 主要组成内容、数据集成与互操作性关键指标、 | 8.3 数据集成与互操作性工具和技术 |
数据集成与互操 | 数据集成与互操作性关键输入输出、数据集成与 | 8.4 数据集成与互操作性实施指南 |
作性 | 互操作性的主要工具、数据集成与互操作性实施 | 8.5 数据集成与互操作性关键指标 |
| 指南、数据集成与互操作性的评价理论、数据集 | 8.6 数据集成与互操作性最佳实践 |
| 成与互操作性最佳实践 | 8.7 总结 |
| 掌握内容管理指导原则、内容管理关键驱动因 | 9.1 简介 9.5 内容管理关键指标 |
第九章 | 素、内容管理的主要组成内容、内容管理关键指 | 9.2 文档和呢日用管理基本活动 9.6 内容管理最佳实践 |
文档和内容管理 | 标、内容管理关键输入输出、内容管理的主要工 | 9.3 内容管理工具和技术 9.7 总结 |
| 具、内容管理实施指南、内容管理最佳实践 | 9.4 内容管理实施指南 |
| 掌握参考数据和主数据指导原则、参考数据和主 | 10.1 简介 |
第十章 | 数据关键驱动因素、参考数据和主数据主要组成 | 10.2 参考数据和主数据基本活动 |
参考数据和主数 | 内容、参考数据和主数据关键指标、参考数据和 | 10.3 参考数据和主数据工具和技术 |
据 | 主数据关键输入输出、参考数据和主数据的主要 | 10.4 参考数据和主数据实施指南 |
| 工具、参考数据和主数据实施指南、参考数据和 | 10.5 参考数据和主数据关键指标 |
| 主数据评价理论、参考数据和主数据最佳实践 | 10.6 参考数据和主数据最佳实践 |
| 掌握数据仓库与商务智能指导原则、数据仓库与 | 11.1 简介 |
| 商务智能关键驱动因素、数据仓库与商务智能的 | 11.2 数据仓库与商务智能基本活动 |
第十一章 | 主要组成内容、数据仓库与商务智能关键指标、 | 11.3 数据仓库与商务智能工具和技术 |
数据仓库与商务 | 数据仓库与商务智能关键输入和输出、数据仓库 | 11.4 数据仓库与商务智能实施指南 |
智能 | 与商务智能的主要工具、数据仓库与商务智能应 | 11.5 数据仓库与商务智能关键指标 |
| 用中的策略、数据仓库与商务智能评价理论、数 | 11.6 数据仓库与商务智能最佳实践 |
| 据仓库与商务智能最佳实践 | 11.7 总结 |
| 掌握元数据指导原则、元数据关键驱动因素、元 | 12.1 简介 12.5 元数据关键指标 |
第十二章 | 数据的主要组成内容、元数据关键指标、元数据 | 12.2 元数据管理基本活动 12.6 元数据最佳实践 |
元数据管理 | 关键输入输出、元数据的主要工具、元数据应用 | 12.3 元数据管理工具和技术 12.7 总结 |
| 中的策略、元数据评价理论、元数据最佳实践 | 12.4 元数据实施指南 |
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 13.5 数据质量关键指标 13.2 诗句质量基本活动 13.6 数据质量最佳实践 13.3 数据质量工具和技术 13.7 总结 13.4 数据质量实施指南 |
| 掌握大数据指导原则、大数据与数据科学关键驱 | 14.1 简介 14.5 大数据与数据科学关键指标 14.2 大数据与数据科学基本活动 14.6 大数据与数据科学最佳实践 14.3 大数据与数据科学工具和技术 14.7 总结 14.4 大数据与数据科学实施指南 |
第十四章 | 动因素、大数据与数据科学的主要组成内容。大 |
大数据与数据科 | 数据关键指标、大数据关键输入输出、大数据的 |
学 | 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 |
| 掌握数据管理能力指导原则、数据管理能力成熟 | 15.1 简介 |
| 度评估关键驱动因素、数据管理能力成熟度的主 | 15.2 数据管理能力成熟度基本活动 |
第十五章 | 要内容、数据管理能力成熟度关键指标、数据管 | 15.3 数据管理能力成熟度工具和技术 |
数据管理能力成 | 理能力成熟度关键输入输出、数据管理能力成熟 | 15.4 数据管理能力成熟度实施指南 |
熟度评估 | 度的主要工具、数据管理能力成熟度应用策略、 | 15.5 数据管理能力成熟度关键指标 |
| 数据管理能力成熟度评价理论、数据管理能力成 | 15.6 数据管理能力成熟度最佳实践 |
| 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 16.5 数据管理组织与其他组织关系 16.2 数据管理组织模式 16.6 数据管理组织中的角色 16.3 数据管理成功关键要素 16.7 总结 16.4 建立数据管理组织 |
|
| 17.1 简介 |
|
| 17.2 变革法则 |
第十七章 数据管理与组织变革管理 | 掌握数字化转型下组织变革管理原则、科特的变革管理八大误区、科特的重大变革八步法、组织变革的创新与可持续发展、组织持续获得数据管 理价值 | 17.3 并非管理变革，而是管理转型过程 17.4 科特的变革管理八大误区 17.5 科特的重大变革八步法 17.6 组织变革的创新与可持续发展 |
|
| 17.7 组织持续获得数据管理价值 |
|
| 17.8 总结 |
11 个知识领域+区块链
考试期 | DAMA 知识体系精讲课程 |
2022年12 月班、2023年1月班 | 11 月 12 日、11 月 13 日、11 月19 日 |
报考条件： |
|
|
|
|
| 报考条件 |
数据治理工程师 CDGA | 专科及以上学历获得者，致力于从事大数据相关行业 |
数据治理专家 CDGP | ü 博士学位获得者； ü 硕士学位获得后，从事 IT 相关工作 1 年以上者； ü 本科毕业后，从事 IT 相关工作 3 年以上者； ü 专科毕业后，从事 IT 相关工作 5 年以上者； |
国际数据管理专业认证CDMP | ü 从业级（A）：0-5 年工作经验 ü 专业级（P）：2-10 年工作经验 ü 大师级（M）：10 年以上工作经验 ü 院士级（F）：25 年以上工作经验 |
课程名称 | CDGA（数据治理工程师） | CDGP（数据治理专家） | CDMP(数据治理专业人士） |
培训费 | 直播课程：4800 元 | 面授课程：6800 元 | 面授课程：6800 元 直播课程：4800 元 |
认证费 | 2000 元（限时推广价 1000） 考试不通过可免费补考一次 三年 60 学分+200 元续证 | 4000 元（限时推广价 2000） 考试不通过可免费补考一次 三年 60 学分+200 元续证 | 初考费 311 美元； 重考费 111 美元； 证书更新费 100 美元； |
通过 | 满分 100 分：60 分及格， | 满分 100 分：60 分及格 | 满分 100 分：60 分通过（Associate） 满分100 分:70 分通过(practitioner) |
授课方式 | 3 天直播 | 2 天面授 | 3 天直播 |
说明 | 培训费已含：教材、讲义资料、模考题等全部学习资料 学员培训免费重听多次 考试时间自由选择（自报名之日起，2 年学习有效期） |
报名方式 | 1. 通过 DC 官方网站报名提交资料，并交纳考试费用； 2. 通过 DC 授权的培训机构统一报名提交资料，并交纳考试费用； |
考试时间 | 考试时间：2022 年 3 月、6 月、9 月、12 月（以官方发布公告为准） |