参会报名
会议介绍
会议日程
会议嘉宾
参会指南

首页 > 商务会议 > IT/技术会议 > 数据管理专业人士认证CDMP培训班（9月广州）更新时间：2020-07-31T13:38:18

大会站点分布：
(点击可切换)

深圳站
2020-12-17
上海站
2020-10-22
广州站
2020-09-24
线上活动站
2020-07-23

收藏人

分享到

数据管理专业人士认证CDMP培训班（9月广州）已过期
推荐参加：国家软考高级-系统分析师2024年线上培训班

会议时间：2020-09-24 08:00至 2020-09-27 18:00结束

会议地点：广州详细地址会前通知

会议规模：暂无

主办单位：北京中培伟业管理咨询有限公司

发票类型：增值税普通发票增值税专用发票

行业热销热门关注看了又看换一换

会议介绍
会议内容主办方介绍

数据管理专业人士认证CDMP培训班（9月广州）宣传图

数据管理专业人士认证 CDMP

培训班

培训地点

网络直播

广州

上海

深圳

培训时间

7月

23-26

9月

24-27

10月

22-25

12月

17-21

培训背景

随着国民经济的不断发展，企业的发展也面临越来越多的挑战，利用数据资产的价值为企业发展模式提供创新和服务质量提升，以及利用数据支撑企业经营管理面临的重要问题。

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。

掌握数据管理专业知识体系，熟练数据管理技能，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，深入开展项目实践应用到实际的问题解决，形成企业所需的新数字经济下核心职业竞争能力。

我们一直致力于与基层业务和数据人员一起探索落地见效的价值实践之路。我们诚挚邀请参加本课培训，与行业专家交流经验、分享洞察。

培训收益

通过学习本课程，您将获得如下收益：

掌握数据管理知识体系的整体框架及各领域知识内容；

对关键数据管理各领域中的重点、难点及实践获得理解；

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。

培训对象

企业 CIO、CDO 等信息化相关的高层领导；

数据管理或数据服务团队负责人、核心团队成员；

企业数据管理专家/专家委员会专员;

数据管理团队及专兼职人员;

业务部门信息化领导/经理/专员；

IT 部门总监/经理；

IT 项目管理办公室（PMO）总监/经理/数据管理专员/技术经理。

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。

关于考试

数据管理专业人士认证分为两类考试：国际认证和中国认证

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。证书分为专家人士(Mastery)和从业人士(Practitioner)两级。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（实践级）、Master（专家级）和Fellow（大师级）。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）	实践级（P）	大师级（M）	院士级（F）
职业经验	职业经验	职业经验	职业经验
0.5年到5年	2年到10年	最少10年	超过25年
DM基础	DM 基础 + 2 选修考试	DM 基础 + 2 选修考试	全球公认和尊重的思想领导者
No	1	1	对数据管理领域有重大和持续性的贡献
60%	70%	80%	CDMP 专家.正在为CDMP和DMBoK做贡献. 通过提名
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。

国际数据管理协会中国分会认证

数据管理国际协会中国分会结合国内实际需求对CDMP认证考试的考试语言、考试形式、证书名称、证书类型等进行了适当的本地化重构，重构后认证考试分为“认证助理数据治理师”（Certified Data Governance Associate 简称CDGA）、和“认证高级数据治理师”（Certified Data Governance Professional 简称CDGP）两种。

考试类型

报考条件

助理数据治理师认证考试

在校大学生，或专科及以上学历获得者

高级数据治理师认证考试

博士学位获得者

硕士学位获得后，从事IT相关工作1年以上

本科毕业后，从事IT相关工作3年以上

专科毕业后，从事IT相关工作5年以上

助理数据治理师（简称CDGA）认证考试满分为100分，60分及格，且每部分成绩不得低于40%。笔试合格且提交的材料通过审查者，授予助理数据治理师证书。

高级数据治理师（简称CDGP）认证考试满分为100分，75分及格，且每部分成绩不得低于40%。笔试合格且提交的材料通过审查者，授予高级数据治理师证书。

考试内容主要以国际数据管理协会中国分会翻译出版的中文版《DMBOK2》为主要教材。

北京中培伟业管理咨询有限公司

北京中培伟业管理咨询有限公司（以下简称“中培”）成立于2006年，其主营业务面向大中型企业的IT规划咨询业务和面向高端IT人才的培训类业务，其中咨询业务涉及大型集团化企业的IT战略规划、IT架构规划、IT综合管控等领域，培训业务涉及线上线下各种高级IT技术和管理类课程体系。借助于其优质的专家资源池和互联网平台，中培已经为众多的世界500强企业、国有大中型集团化企业、国际知名互联网企业提供过高质量的信息化战略规划、组织架构规划、科技人才管理、信息技术架构规划、信息系统开发和运维管理、信息化能力评测的相关培训与咨询服务。

会议日程
（最终日程以会议现场为准）

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

会议嘉宾
（最终出席嘉宾以会议现场为准）

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、ITIL4）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。

郑老师 2011年毕业于韩国国立釜庆大学信息工学系获得工学博士。毕业后曾担任韩国（株）EN-CORE中国区域业务总监兼技术总监。《海量数据库解决方案》的译者。海量数据库解决方案2》及《数据架构师教科书》正在准备中。参与过大量关于数据架构、数据建模、数据治理、系统性能优化等方面的项目，长期致力于数据架构及数据治理技术方面的研究和实践。因公司专业的技术优势及成立以来的出色表现，2013年被评为北京市朝阳区“凤凰计划”海外高层次人才。荣获2015年中国大数据领域领军人物奖，由国家信息公共服务平台及国家软件公共公共服务平台颁发。