CDMP Exam Guide

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 biaya-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 training khusus yang dipersyaratkan

CONTENT

1. Data Management

1.1. Introduction
1.2. Data and Information
1.3. Data Management Challenges
1.4. Data Management Strategy
1.5. Data Management Frameworks

2. Data Handling Ethics

2.1. Introduction
2.2. Essential Concepts
2.3. Establishing and Ethical Data Culture

3. Data Governance

3.1. Introduction
3.2. Data Governance Program
3.3. Methodology
3.4. Implementation Guidelines

4. Data Architecture

4.1. Introduction
4.2. Data Essential Concepts
4.3. Tools
4.4. Techniques
4.5. Implementation Guidelines
4.6. Data Architecture Governance

5. Data Modelling and Design

5.1. Introduction
5.2. Activities
5.3. Tools
5.4. Best Practices
5.5. Data Model Governance

6. Metadata Management

6.1. Introduction
6.2. Activities
6.3. Tools
6.4. Techniques
6.5. Implementation Guidelines
6.6. Metadata Governance

7. Data Quality

7.1. Introduction
7.2. Activities
7.3. Tools
7.4. Techniques
7.5. Data Quality and Data Governance

8. Data Storage and Operations

8.1. Introduction
8.2. Activities
8.3. Tools
8.4. Techniques
8.5. Guidelines
8.6. Data Storage and Operations Governance

9. Data Integration and Interoperability

9.1. Introduction of Integration and Interoperability
9.2. Data Integration Activities
9.3. Data Integration and Interoperability Tools
9.4. Data Integration and Interoperability Techniques
9.5. Implementation Guidelines
9.6. Data Integration and Interoperability Governance

10. Data Security

10.1. Introduction
10.2. Activities
10.3. Tools
10.4. Techniques
10.5. Implementation Guidelines
10.6. Data Security Governance

11. Document and Content Management

11.1. Introduction
11.2. Activities
11.3. Tools
11.4. Techniques
11.5. Implementation Guideline
11.6. Document and Content Governance

12. Reference and Master Data

12.1. Introduction
12.2. Activities
12.3. Tools and Techniques
12.4. Implementation Guidelines
12.5. organization and Cultural Change
12.6. Reference and Master Data Governance

13. Data Warehousing and Business Intelligence

13.1. Introduction
13.2. Activities
13.3. Tools
13.4. Techniques
13.5. Implementation Guidelines
13.6. DW/BI Governance

14. Big Data and Data Science

14.1. Introduction
14.2. Proses Data Mining
14.3. Activities
14.4. Big Data and Data Science Governance