第一章 数据管理
单选(3)、 多选(1)
考试重点:
1、数据管理基本概念
2、数据管理框架
知识点分解:
- 数据管理定义 P1
- 数据与其他资产的区别:元资产 P6-7
- 数据价值 P7
- 数据管理的挑战 P6-12
- 数据生命周期 P10-11
- 数据管理战略 P13
- 数据管理框架 P14-22
第三章 数据治理
单选(2)、 多选(4)
考试重点:
1、数据治理业务驱动因素、目标和原则
2、数据治理组织和管理职责
3、数据治理活动
4、数据治理实施指南、组织和文化
知识点分解:
- 数据治理项目的范围和焦点 P43
- 数据治理业务驱动因素 P45
- 数据治理目标和原则 P46
- 数据管理与数据治理的区别 P47
- 数据治理组织 P48
- 数据管理职责 P49
- 数据治理活动(评估、触点、运营框架、问题管理、数据标准、业务术语表)P53-63
- 数据治理实施指南、组织和文化 P64-65
第四章 数据架构
单选(2)、 多选(4)
考试重点:
1、数据架构的业务驱动、成果和实施
2、数据架构的基本概念
3、数据架构活动
4、数据架构管理工具
5、数据架构实施,评估和风险、组织和文化
6、数据架构评估指标
知识点分解:
- 语境关系图、驱动因素、原则、目标、成果和实施(搭建企业数据语言)P69-71
- Zachman架构 P73
- 数据模型和数据流设计 P74-77
- 活动(数据流、“意大利面”式接口、开发路线图/数据依赖关系、Scrum)P78-82
- 工具(建模工具、资产管理软件、图形设计应用)P83
- 数据架构实施,评估和风险、组织和文化 (构件、活动和行为,风险,能力依赖) P84-86
- 评估指标(架构接受度、实时趋势、业务价值)P87
第五章 数据建模与设计
设计题(1)
考试重点:
1、数据模型设计概念及目标
3、数据建模方法
4、数据模型治理
5、数据模型评估指标
知识点分解:
- 数据模型组建 P93
- 数据建模方法 P99
- 关系型逻辑数据模型 P107
- 数据建模和设计治理 P120
- 数据模型计分卡 P122
第七章 数据安全
论述题(1)
考试重点:
1、数据安全业务驱动因素、
目标和原则
2、数据安全基本概念
3、数据安全活动
4、数据安全评估指标
5、数据安全治理
知识点分解:
- 数据安全要求P165
- 业务驱动因素(安全性作为资产)P166-168
- 目标和原则P168-169
- 数据安全需求和过程P171
- 重点:数据安全活动P184-193
- 重点:度量指标P199-201
- 数据安全治理P198
第十章 主数据与参考数据
论述题(1)
考试重点:
1、主数据业务驱动因素、目标和原则
2、主数据的基本概念
3、主数据管理活动
4、主数据实施
5、主数据组织和文化变革
6、参考数据和主数据治理
知识点分解:
- 业务驱动因素 P262
- 目标和原则 P263-264
- 主数据的基本概念(10月考:什么是主数据) P265\270
- 重点:主数据管理的关键处理步骤 P272
- 数据共享架构 P279
- 重点:主数据管理活动 P280-282
- 实施(数据共享协议)P284-286
- 组织和文化变革 P286
- 参考数据和主数据治理(决定事项、度量指标)P286-287
第十一章 数据仓库与商业智能
论述题(1)
考试重点:
1、业务驱动因素、目标和原则
2、基本概念
3、实施活动
4、技术和工具
知识点分解:
- 业务驱动因素、目标和原则 P290-292
- 数据仓库 P292
- 数据仓库建设的方法 P293
- Inmon和Kimball(企业信息工厂和数据仓库棋子视图)P293-297
- 重点:DW/BI和大数据概念架构 P298
- 实施活动(映射、加载数据仓库、BI组合、发布流程)P303-306
- 元数据存储库 P307
- 重点:运营分析运用(OLAP、数据立方体) P310
第十二章 元数据管理
论述题(1)
考试重点:
1、元数据管理业务驱动,目标和原则
2、基本概念
3、元数据管理活动
4、元数据工具和技术
5、元数据治理
6、元数据评估指标
知识点分解:
- 业务驱动因素 P322
- 目标和原则 P322-323
- 元数据类型 P323-325
- 重点:元数据架构的类型 P330-333
- 重点:元数据管理活动 P333-338
- 元数据存储库 P338/307
- 元数据技术(XML、JSON、REST)P343
- 元数据评估指标 P343-344
第十三章 数据质量
论述题(1)
考试重点:
1、数据质量业务驱动因素、目标和原则
2、数据质量基本概念
3、数据质量活动
4、数据质量技术
5、数据质量评估指标
知识点分解:
- 驱动因素、目标和原则 P348
- 数据质量维度 P350-355
- 数据质量改进生命周期 P357-358
- 数据质量常见问题 P359-362
- 重点:数据增强 P363-364
- 重点:活动(10月份考)P365-375
- 定义高质量的数据
- 定义数据质量战略
- 识别关键数据和业务规则
- 执行初始数据质量评估
- 识别改进方向并确定优先顺序
- 定义数据质量改进目标
- 开发和部署数据质量操作
- 开发和部署数据质量操作 P369-375
- 制定数据质量服务水平协议 P374
- 编写数据质量报告 P375
- 重点:数据质量技术(测量和监控数据质量、数据质量监控技术、设计和实施详细的操作过程)P370-373
- 重点:有效的数据质量指标 P378
- 可度量性
- 业务相关性
- 可接受性
- 问责/管理制度
- 可控制性
- 趋势分析
- 度量指标 P383
十四章 大数据和数据科学
论述题(1)
考试重点:
1、业务驱动和原则
2、基本概念
3、活动
4、工具和技术
知识点分解:
- 业务驱动和原则 P386
- 数据科学 P387
- ETL 和 ELT 的区别 P206-207/P391
- 数据湖/湖仓一体P392
- 基于服务的架构(10月考论述题)P393
- 机器学习 P393
- 数据和文本挖掘技术 P395
- 数据可视化 P397
- 数据混搭 P397
- 活动 P397-402
- 工具和技术(MPP、Hadoop、云、可视化、解析建模、API、Apache Mahout、K折验证) P402-407