CDGA认证-CSDN博客

本文链接：https://blog.csdn.net/JasonH2021/article/details/142416154

CDGA认证

什么是CDGA认证

CDGA（Data Governance Associate）即数据治理工程师认证。

CDGA认证是由上海市静安区国际数据管理协会对国际数据管理协会（DAMA）的CDMP认证进行本地化重构后推出的认证之一，属于助理级认证。它是为了满足国内数据治理领域对专业人才的需求，结合中国数据治理的实际情况而设立的。

CDGA认证的报考条件

报考CDGA认证的条件相对较为宽松，主要包括：在校大学生，或专科及以上学历获得者。

CDGA认证的报考流程

报考 CDGA 认证的具体流程如下：

关注考试信息：每次考试前会提前一个月左右通过 DAMA 公众号/官网发布考试通知。
报名方式：
- 自主报名：通过 DAMA China 公众号或官网报名及提交材料，并交纳考试费用。
- 通过培训机构报名：通过 DAMA China 授权的培训机构统一报名及提交材料，并交纳考试费用（未限定一定要参加培训才能考试）。
提交报名材料：一般需要提供个人基本信息、学历证明等相关材料，具体要求可在报名时查看。
缴纳考试费用：CDGA 认证考试费用为 2000 元人民币，推广期减半收取。
确认报名信息：在完成报名和缴费后，确认报名信息是否准确无误。

需要注意的是，报考条件为数据管理从业人员，在校大学生、或专科及以上学历获得者。考试时间暂定设置为每季度组织一次，考试地点以一线城市为主，具体考试地点的选择参照考生报名情况而定。

CDGA认证的考试形式和内容

考试形式：中文线下统考，每年3、6、9、12月进行。考试时间为100分钟。
考试题型：100道中文单选题。

考试内容涵盖数据治理的各个方面，包括但不限于数据治理基础、数据质量管理、数据安全管理、元数据管理、主数据管理、数据仓库与商务智能等。
考试内容主要参考《DAMA数据管理知识体系指南（原书第2版）》，简称DAMA-DMBOK2。

CDGA认证的考试大纲

CDGA考试大纲以《DAMA数据管理知识体系指南（原书第2版）》为基础，并结合相关实践，包括以下章节：

数据管理基础：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。
数据处理伦理：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。
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。
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。
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。
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。
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。
数据集成和互操作：了解数据集成和互操作的概念、方法和技术，包括数据抽取、转换和加载（ETL）、数据仓库、数据集市、主数据管理等。
文件和内容管理：了解文件和内容管理的概念、方法和技术，包括文件系统、文档管理、内容管理系统等。
参考数据和主数据：了解参考数据和主数据的概念、管理方法和技术，包括主数据管理、数据治理、数据质量等。
数据仓库和商务智能：了解数据仓库和商务智能的概念、架构和技术，包括数据仓库设计、数据挖掘、联机分析处理（OLAP）、报表和可视化等。
元数据管理：了解元数据管理的概念、方法和技术，包括元数据的定义、分类、存储、管理和应用等。
数据质量：了解数据质量的概念、评估方法和提升技术，包括数据质量评估、数据清洗、数据验证、数据监控等。
大数据和数据科学：了解大数据和数据科学的概念、技术和应用，包括大数据处理框架、数据分析方法、机器学习、深度学习等。
数据管理成熟度评估：了解数据管理成熟度评估的模型、方法和工具，包括CMMI、DCMM等。
数据管理组织与角色期望：了解数据管理组织的架构、职责和角色，以及数据管理专业人员的职业发展路径和技能要求。
数据管理和组织变革管理：了解数据管理和组织变革管理的关系，以及如何在组织变革中推动数据管理的发展。