DMBOK Fundamentals: Private Online Professional Training PT Taspen (Persero)

Mulai:04 Apr’ 22
Selesai:14 Apr’ 22
Hari:Senin – Jum,at, Kamis
Pukul:10.00 – 15.00 WIB
Durasi:24 Hours
Biaya:Private
Tempat:Zoom
Min. Peserta:6
Confirm:15 Peserta
Terdaftar:15 Peserta
Category:

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

PREREQUISITES

Tidak ada training 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 Governance

2.1. Introduction of Data Governance
2.2. Data Governance for the Organization
2.3. Tools and Techniques
2.4. Implementation Guidelines
2.5. Metrics

3. Data Architecture

3.1. Introduction of Data Architecture
3.2. Data Architecture Activities
3.3. Tools
3.4. Techniques
3.5. Implementation Guidelines
3.6. Data Architecture Governance

4. Data Modeling and Design

4.1. Introduction of Data Modeling and Design
4.2. Data Modeling Activities
4.3. Tools
4.4. Best Practices Data Modeling and Design
4.5. Data Model Governance

5. Data Storage and Operations

5.1. Introduction of Data Storage and Operations
5.2. Data Storage Activities
5.3. Tools
5.4. Techniques
5.5. Implementation Guidelines
5.6. Data Storage and Operations Governance

6. Data Security

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

7. Data Integration and Interoperability

7.1. Introduction of Data Integration and Interoperability
7.2. Data Integration Activities
7.3. Data Integration and Interoperability Tools
7.4. Data Integration and Interoperability Techniques
7.5. Implementation Guidelines
7.6. Data Integration and Interoperability Governance

8. Reference and Master Data

8.1. Introduction of Reference and Master Data
8.2. Reference and Master Data Activities
8.3. Tools and Techniques
8.4. Implementation Guidelines
8.5. Organization and Cultural Change
8.6. Reference and Master Data Governance

9. Data Warehousing and Business Intelligence

9.1. Introduction of Data Warehousing and Business Intelligence
9.2. Data Warehousing and Business Intelligence Activities
9.3. Tools
9.4. Techniques
9.5. Implementation Guidelines
9.6. DW/BI Governance

10. Metadata Management

10.1. Introduction of Metadata Management
10.2. Metadata Management Activities
10.3. Metadata Management Tools
10.4. Metadata Management Techniques
10.5. Implementation Guidelines
10.6. Metadata Governance

11. Data Quality

11.1. Introduction of Data Quality
11.2. Data Quality Activities
11.3. Tools
11.4. Techniques
11.5. Implementation Guidelines
11.6. Data Quality and Data Governance

12. Big Data and Data Science

12.1. Introduction of Big Data and Data Science
12.2. Big Data and Data Science Activities
12.3. Tools
12.4. Techniques
12.5. Implementation Guidelines
12.6. Big Data and Data Science Governance

13. Data Management Maturity Assessment

13.1. Introduction of Data Management Maturity Assessment
13.2. Data Management Maturity Assessment Activities
13.3. Tools
13.4. Techniques
13.5. Guidelines for a DMMA
13.6. Maturity Management Governance