Brainmatics

DAMA – Data Management Body of Knowledge (DMBOK)

Saat ini banyak perusahaan yang bisnisnya ingin dikendalikan oleh data untuk mendapatkan keutungan dari data tersebut seperti pemanfaatan penunjang penentuan keputusan eksekutif, smart application yang berbasis Artificial Intelligence dan sebagainya. Namun fakta menyatakan bahwa data yang tersedia di perusahaan masih banyak yang belum memberikan nilai atau keuntungan bagi perusahaan. Data-data tersebut justru menimbulkan biya-biaya lain seperti upaya dalam pembersihan data dan perbaikan data. IBM memperkirakan biaya kualitas data yang buruk menghabiskan sebesar $3.1 triliun (Redman, 2016). Para Data Scientist menghabiskan usahanya sebesar 60% waktu yang dibutuhkan untuk pembersihan data dari total waktu dalam analisis data (Press, 2016).

Dalam upaya menurunkan biaya atas kualitas data yang buruk dan meningkatkan nilai data bagi perusahaan, diperlukan pengelolaan data yang baik. Pengelolaan memerlukan perencanaan, pelaksanaan, pengembangan dan seperangkat aturan atau tata kelola yang jelas. DAMA-International mengeluarkan sebuah framework atau panduan yang memungkinkan perusahaan atau organisasi melakukan pengelolaan data yang baik berbasis Body of Knowledge. DMBOK adalah panduan pengelolaan data yang dikeluarkan oleh Dama International dengan release terakhir pada tahun 2017. DMBOK memberikan panduan terkait serangkaian aktivitas untuk pengelolaan data yang meliputi perencanaan, pelaksanaan, pengembangan dan tata kelola.

Training ini mengenalkan bagaimana DMBOK dapat diadopsi untuk melakukan pengelolaan data di perusahaan atau organisasi. Peserta akan mempelajari bagaimana menyusun tata kelola data di beberapa knowledge area di data manajemen. Peserta juga akan mempelajari bagaimana melakukan sinkronisasi pengelolaan data dengan framework enterprise architecture. Setelah training selesai, peserta diharapkan memliki pemahaman terkait pengelolaan data sehingga mampu memaksimalkan nilai data bagi perusahaan atau organisasi.

 

OBJECTIVES

  1. Memahami framework yang digunakan sebagai best practice dalam pengelolaan data
  2. Mengetahui knowledge area pengelolaan data beserta tools, teknik, akvitias dan tata kelolanya
  3. Mengetahui tren teknologi terkini dalam meningkatkan nilai data bagi perusahaan

 

AUDIENCE

  1. Chief Data Officer
  2. Data Architect
  3. Data Stewards
  4. Datawarehouse Manager
  5. ERP & CRM Manager

 

PREREQUISITES

Tidak ada kemampuan khusus yang dipersyaratkan

 

CONTENT

1. Data Management

1.1. Introduction of Data Management
1.2. Essential Concepts of Data Management
1.3. Data Management Framework
1.4. DAMA and the DMBOK

2. Data Handling Ethics

2.1. Introduction of Data Handling Ethics
2.2. Business Drivers
2.3. Essential Concepts Data Handling Ethics

3. Data Governance

3.1. Introduction of Data Governance
3.2. Data Governance for the Organization
3.3. Tools and Techniques
3.4. Implementation Guidelines
3.5. Metrics

4. Data Architecture

4.1. Introduction of Data Architecture
4.2. Data Architecture Activites
4.3. Tools
4.4. Techniques
4.5. Implementation Guidelines
4.6. Data Architecture Governance

5. Data Modeling and Design

5.1. Introduction of Data Modeling and Design
5.2. Data Modeling Activites
5.3. Tools
5.4. Best Practices Data Modeling and Design
5.5. Data Model Governance

6. Data Storage and Operations

6.1. Introduction of Data Storage and Operations
6.2. Data Storage Activities
6.3. Tools
6.4. Techniques
6.5. Implementation Guidelines
6.6. Data Storage and Operations Governance

7. Data Security

7.1. Introduction of Data Security
7.2. Data Security Activities
7.3. Data Security Tools
7.4. Data Security Techniques
7.5. Implementation Guidelines
7.6. Data Security Goverance

8. Data Integration and Interoperability

8.1. Introduction of Data Integration and Interoperability
8.2. Data Integration Activities
8.3. Data Integration and Interoperability Tools
8.4. Data Integration and Interoperability Techniques
8.5. Implementation Guidelines
8.6. Data Integration and Interoperability Governance

9. Document and Content Management

9.1. Introduction of Document and Content Management
9.2. Document and Content Management Activities
9.3. Tools
9.4. Techniques
9.5. Implementation Guidelines
9.6. Document and Content Governance

10. Reference and Master Data

10.1. Introduction of Reference and Master Data
10.2. Reference and Master Data Activities
10.3. Tools and Techniques
10.4. Implementation Guidelines
10.5. Organization and Cultural Change
10.6. Reference and Master Data Governance

11. Data Warehousing and Business Intelligence

11.1. Introduction of Data Warehousing and Business Intelligence
11.2. Data Warehousing and Business Intelligence Activities
11.3. Tools
11.4. Techniques
11.5. Implementation Guidelines
11.6. DW/BI Governance

12. Metadata Management

12.1. Introduction of Metadata Management
12.2. Metadata Management Activities
12.3. Metadata Management Tools
12.4. Metadata Management Techniques
12.5. Implementation Guidelines
12.6. Metadata Governance

13. Data Quality

13.1. Introduction of Data Quality
13.2. Data Quality Activities
13.3. Tools
13.4. Techniques
13.5. Implementation Guidelines
13.6. Data Quality and Data Governance

14. Big Data and Data Science

14.1. Introduction of Big Data and Data Science
14.2. Big Data and Data Science Activities
14.3. Tools
14.4. Techniques
14.5. Implementation Guidelines
14.6. Big Data and Data Science Governance

15. Data Management Maturity Assesment

15.1. Introduction of Data Management Maturity Assessment
15.2. Data Management Maturity Assessment Activities
15.3. Tools
15.4. Techniques
15.5. Guidelines for a DMMA
15.6. Maturity Management Governance

16. Data Management Organization and Role Expectation

16.1. Introduction of Data Management Organization and Role Expectations
16.2. Understand Existing Organization and Cultural Norms
16.3. Data Management Organizational Constructs
16.4. Critical Succes Factors
16.5. Build the Data Management Organization
16.6. Interactions Between the DMO and Other Data-oriented Bodies
16.7. Data Management Roles

17. Data Management and Organizational Change Management

17.1. Introduction of Data Management and Organization Change Management
17.2. Laws of Change
17.3. Not Managing a Change: Managing a Transation
17.4. Kotter’s Eight Errors of Change Management
17.5. Kotter’s Eight Stage Process for Major Change
17.6. The Formula for Change
17.7. Diffusion of Innovations and Sustaining Change
17.8. Sustaining Change
17.9. Communicating Data Management Value

 

INSTRUCTOR

Mulyana. Kelahiran Lebak – Banten, menyelesaikan D3 Teknik Komputer di Bina Sarana Informatika dan S1 Teknik Informatika di STMIK Eresha – Jakarta. Saat ini aktif diberbagai project Enterprise Architecture dan Data Analytics. Dipercaya untuk menangani Arsitektur Data dan Data Mining baik di organisasi pemerintahan maupun swasta. Tren saat ini organisasi tidak sekedar pada tata kelola data yang baik namun menuntut pada penyajian data sebagai dukungan kebijakan yang secara cepat dan akurat. Tugas saya adalah mengembangkan desain data yang fleksible dan reliable terhadap perubahan bisnis dan kebijakan yang dinamis serta meningkatkan nilai data sehingga memberikan keuntungan bagi perusahaan atau organisasi.

 

Sumadi Eko Putra. Menamatkan pendidikan tinggi jurusan teknik informatika di STMIK Dharma Wacana. Aktif sebagai konsultan dan telah menyelesaikan banyak project di bidang Business Intelligenece, Data Warehouse, Database Consultant, Big Data, Data Analytic, dan Automation Reporting Online. Saat ini menjabat sebagai Senior Specialist Database Administrator & Data Architect di PTP Indonesia Media Televisi. Memiliki beberapa sertifikasi database seperti, Oracle Administration, Oracle Performance Tuning, dan Oracle PLSQL.