DAMA:数据治理 CDGA/CDGP 认证考试备考经验分享

news2024/10/7 3:16:07

一、关于DAMA中国和CDGA/CDGP考试

国际数据管理协会(DAMA国际)是一个全球性的专业组织,由数据管理和相关的专业人士组成,非营利性机构,厂商中立。协会自1980年成立以来,一直致力于数据管理和数字化的研究、实践及相关知识体系的建设,先后发行了《DAMA 数据管理字典》和《DAMA数据管理知识体系》等。

该知识体系目前已被广泛使用,并已成为业界的标杆和权威。为紧贴国内数据治理和数字化的发展趋势,2020年10月起,国际数据管理协会中国分会(DAMA中国)对DAMA国际数据管理专业人员认证( CDMP )的考试语言、考试形式、考试内容、证书类型等进行了适当本地化重构。重构后认证考试分为数据治理工程师—CDGA( Certified Data Governance Associate)和数据治理专家—CDGP( Certified Data Governance Professional )。

DAMA 中国承担认证考试命题工作,并定期组织中文考试,对考试通过者由 DAMA 中国颁发认证证书。中文版的 CDGA、CDGP 和英文版的 CDMP 证书国际通用,行业认可,是数据管理领域最专业的职业认证之一。

在这里插入图片描述

二、CDGA 考试总结

2.1 我的复习方法

主要方式就是看书,包括《DAMA-DMBOK2 数据管理知识体系指南》和《穿越数据的迷宫:数据管理执行指南》,这两本书在网络都有售卖。


其中后者可以看作是前者的简化版本,便于从宏观上掌握 DMBOK2 的纲要,主要的还是靠DAMA-DMBOK2 来学习,对这本教材我一共看了四遍:

  • 通读教材,了解基本内容和不同知识领域自己的掌握情况,做到心中有数
  • 精读教材,结合笔记、思维导图系统梳理知识点,这一遍时间最长
  • 结合了数贝(厦门数贝信息科技有限公司提供的“databok数据课”,可以在微信中搜索到小程序“数贝”)提供的练习题进行模拟训练,对训练过程中出错的题目反向查找知识点进行强化学习,加深理解
  • 查漏补缺,快速过一遍教材

当然,实际的学习过程可没有说起来这么轻松,建议大家还是投入相当的时间和精力去学习。

在这里插入图片描述

2.2 心得体会

1、对于 CDGA 考试,全是单选题,个人觉得最重要的就是对概念的清晰理解和把握,因此许多东西确实是要“背”的。对于重要章节,如数据治理、数据架构、建模与设计、元数据、数据质量、数据安全、数据仓库和商务智能等,应该较为全面的学习;而对于其它次重要章节,则一定要重视语境关系图,把每个知识领域的目标、原则、输入、活动、交付成果、参与人员、方法、工具、度量指标等搞清楚。这些知识点相当零碎,要想全背诵下来,还是不太现实的,但多看几遍你就会找到一些语感,考试时凭直觉不会犯重大错误。

2、正因为无法做到精确背诵,在考试时有些模糊的题目,我尽量做到以第一感觉为主,不想太多。

3、做模拟题有一定的作用,确实有一些题目会押中,但比例不大,还是要靠学习为主,模拟题主要是帮助进行知识点回顾。

4、如果有一些信息系统相关的经验,有些题目对你来说就很简单了。例如数据建模相关的。

5、务必注意考试时间,我是等最后快没时间了才做完(毕竟有些题目还是举棋不定,耽误了时间,100道题目100分钟,需要快速做决定),后面十几分钟手忙脚乱地填涂答题卡,没有多少时间检查。

6、现在看,CDGA 还是相对简单的,相关概念清楚,配合一些经验和常识,即使没见过,也有一定的机率“蒙”对,但为了提高这个机率,还是努力看书吧!

三、CDGP 考试心得

3.1 我的复习方法

对于 CDGP,我丝毫不敢掉以轻心。一方面是参加 CDGA 时发现自己确实掌握得不牢固,另一方面也知道 CDGP 不像 CDGA 题目类型简单,有10道单选题,15道多选题,后面几道大题内容和出题方式都未知。因此在初期的复习是有些茫然的,需要了解了 CDGP 考试的相关情况,当时还做了一些要点记录:

1、CDGP考试论述题内容

重点包括架构设计、逻辑模型设计、性能问题解决方案、数据质量、元数据问题解决方案等;

题型包括知识点类(如数据质量问题的来源)、活动排序类(如数据科学、主数据等活动超过七个的知识领域)、开放类(结合经验论述,如集成外部数据时如何做到标准化);尤其应当关注数据仓库与BI、大数据领域的架构设计案例、架构图;模型设计可能包括关系模型或维度模型。

2、答题要点

  • 写字工整;
  • 写出要点,不需要长篇大论;
  • 只要言之有理就可能得分;
  • 有些题目可能会有些绕弯,需要认真辨析题义。

这些内容虽然和后续我参加考试的体会并不是完全一致的(毕竟DAMA中国的老师们也在对考试进行不断迭代),但它确实驱散了眼前 CDGP 考试的一部分迷雾,为我修订自己的复习方法提供了信息支持:

我再次系统地看了一遍书,就当自己从来没看过。这一遍居然看出了不少新的体会,逐步在头脑中形成了一个整体框架,甚至可以靠回忆来把知识体系串起来了。

我手动把 DMBOK2 中所有认为重要的图表都画了一遍,以应对可能出现的“画图”题目。尤其是数据仓库和商务智能中的那两个架构图(CIF和数仓棋子视图),反反复复画了好几遍,直到可以“默写”,后来考试虽然没用上这两张图,但它让我对数据仓库的架构加深了理解,事实上题目中也确实有数据仓库架构类的题目。

3、扩展阅读,我给自己制订了一个书目。不过需要注意的是,这些大部头要想在短短一两个月全部啃下来是不可能的,一方面有些书我以前已经读过了,另一方面,我主要是将这些外围知识与 DMBOK2 中的知识体系连接起来,不到于有枝无叶,所以更多是快速浏览学习。

图书较多,就不附链接了,书名如下:

  • 《穿越数据的迷宫:数据管理执行指南》
  • 《数据仓库》
  • 《数据治理:工业企业数字化转型之道》
  • 《数据仓库工具箱:维度建模权威指南》
  • 《大数据架构详解:从数据获取到深度学习》
  • 《主数据驱动的数据治理》
  • 《中台实战:数字化转型方法论与解决方案》
  • 《中台战略:中台建设与数字商业》
  • 《数据治理:如何设计、开展和保持有效的数据治理计划》
  • 《数据中台架构:企业数据化最佳实践》
  • 《数据中台:让数据用起来》
  • 《数字化转型方法论:落地路径与数据中台》
  • 《Hadoop构建数据仓库实践》
  • 《NoSQL数据库入门与实践》
  • 《数据治理与数据安全》
  • 《大数据分析:数据仓库项目实战》

3、 把各知识领域的语境关系图打印出来装订成了一个小本,有空就拿出来看看,几乎快背下来了(主要是想应付上文所说的“排序题”,不过也没用上,只是这回碰到单选题,几乎不用犹豫了)。

4、 最后,非常关键的一点,把数据建模与设计的知识重点复习了一下。CDGP 建模是必考题,也就是针对特定的业务场景建立逻辑数据模型。作为数据开发,建模对我来说并不算陌生,但是对信息工程表示法(也就是鸭掌模型)特地找了一些相关资料来学习,事实证明,用上了。

四、总结

1、多看几遍书是非常必要的,尽管 DMBOK2 这本书很厚,知识点繁杂,很容易让人感觉千头万绪。但是世上本没有路,走的次数多了,也就踩出了一条路。

2、类似建模这些技能,是真的有必要练习的,因为你不仅要会,而且要快。

3、CDGA 重在厘清概念,CDGP 重理论应用,这的确是一个逐步深入的过程,如果能把这个学习的过程与工作结合起来,真正形成解决问题的技能而不是仅仅应付考试,岂不更好?

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1690437.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

计算机毕业设计hadoop+spark微博舆情大数据分析 微博爬虫可视化 微博数据分析 微博采集分析平台 机器学习(大屏+LSTM情感分析+爬虫)

电商数据建模 一、分析背景与目的 1.1 背景介绍 电商平台数据分析是最为典型的一个数据分析赛道,且电商数据分析有着比较成熟的数据分析模型,比如:人货场模型。此文中我将通过分析国内最大的电商平台——淘宝的用户行为,来巩固数…

WebRTC | 网络传输协议 RTP 和 RTCP

WebRTC | 网络传输协议 RTP 和 RTCP WebRTC | 网络传输协议 RTP 和 RTCP如何选择 TCP 与 UDPRTP概述工作机制报文结构RTP 的使用RTP 拓展头RTP 中的填充数据翻译器和混合器同步控制报文大小wireshark 抓取 RTP 报文 RTCP概述工作机制分组类型报文结构WebRTC 的反馈报文RTPFBPSF…

接口响应断言

目录 接口断言介绍接口断言方式介绍响应状态码断言 课程目标 掌握什么是接口断言。了解接口断言的多种方式。掌握如何对响应状态码完成断言。 思考 这两段代码是完整的接口自动化测试代码吗? …省略… when().get(“https://httpbin.ceshiren.com/get?namead&…

白鹭群优化算法,原理详解,MATLAB代码免费获取

白鹭群优化算法(Egret Swarm Optimization Algorithm,ESOA)是一种受自然启发的群智能优化算法。该算法从白鹭和白鹭的捕食行为出发,由三个主要部分组成:坐等策略、主动策略和判别条件。将ESOA算法与粒子群算法(PSO)、遗传算法(GA)…

5.24学习记录

[FSCTF 2023]ez_php2 比较简单的pop链 <?php highlight_file(__file__); Class Rd{public $ending;public $cl;public $poc;public function __destruct(){echo "All matters have concluded";die($this->ending);}public function __call($name, $arg){for…

揭秘Python的魔法:装饰器的超能力大揭秘 ‍♂️✨

文章目录 Python进阶之装饰器详解1. 引言装饰器的概念与意义装饰器在Python编程中的作用 2. 背景介绍2.1 函数作为对象2.2 高阶函数 3. 装饰器基础3.1 理解装饰器3.2 装饰器的工作原理 4. 带参数的装饰器4.1 为什么需要带参数4.2 实现带参数的装饰器使用函数包裹装饰器使用类实…

【ZYNQ】AXI-Quad-SPI SDK 开发记录 测试

前人工作 如前人工作&#xff0c;在Navigate to BSP Settings中找到历例程 file:///F:/Xilinx/Vitis/2019.2/data/embeddedsw/XilinxProcessorIPLib/drivers/spi_v4_5/doc/html/api/example.html使用XSpi_LowLevelExample例子&#xff0c;源代码的AI解析 int XSpi_LowLeve…

蓝桥杯Web开发【模拟题一】15届

1.动态的Tab栏 日常在使用移动端 APP 或访问 PC 端网站的时候&#xff0c;常常发现在一些有工具栏或者 Tab 栏的页面会有顶栏固定的效果。简单来说&#xff0c;在页面未开始滚动时顶栏处在其原有的位置上&#xff0c;当页面向下滚动一定区域后&#xff0c;顶栏会跟随滚动固定在…

python-数据分析与可视化基础

1、data1.csv中的B、C、D和E列数据分别是日期、权重、A企业的销售额、B企业的销售额。读取C、D、E列数据,并统计E列数据的算术平均数、加权平均值(权值为C列数据)、方差、中位数、最小值、最大值。并绘制E列数据的直方图。 &#xff08;1&#xff09;源代码&#xff1a; impo…

vue3的api风格

Vue的组件有两种不同的风格&#xff1a;组合式API 和 选项式API 选项式api 选项式API&#xff0c;可以用包含多个选项的对象来描述组件的逻辑&#xff0c;如&#xff1a;data&#xff0c;methods&#xff0c;mounted等。 组合式api setup&#xff1a;是一个标识&#xff0c;告…

ST-SLAS Technology 实验室自动化与筛查学会技术

文章目录 一、期刊简介二、征稿信息三、期刊表现四、投稿须知五、出版支持 一、期刊简介 SLAS Technology ——SLAS技术强调促进和改进生命科学研发的科学和技术进步;药物递送;诊断;生物医学和分子成像&#xff1b;以及个性化和精准医疗。这包括高通量和其他实验室自动化技术;…

Springboot项目打包:将依赖的jar包输出到指定目录

场景 公司要对springboot项目依赖的jar包进行升级&#xff0c;但是遇到一个问题&#xff0c;项目打包之后&#xff0c;没办法看到他里面依赖的jar包&#xff0c;版本到底是不是升上去了&#xff0c;没办法看到。 下面是项目打的jar包 我们通过反编译工具jdgui&#xff0c;来…

云计算架构最全方案详解

云计算架构最全详解(图文全面总结) 一、引言云计算已经成为现代企业和科技发展的重要支柱。本文将详细介绍云计算架构的组成部分及其工作原理&#xff0c;帮助读者深入理解这一复杂而强大的系统。二、云计算架构组成部分云计算架构主要包括以下几个关键组件&#xff1a;基础设施…

【软件工程】【23.10】p3

关键字&#xff1a; 软件工程定义及目的、需求规约定义及性质、模块的控制域及作用域、类和类图、调试特征、瀑布模型

LINUX系统编程:命名管道

匿名管道的通信只能在&#xff0c;有血缘关系的进程中&#xff0c;本质就是&#xff0c;子进程会拷贝一份父进程的文件描述符表&#xff0c;父子进程就可以看到操作系统的同一块资源&#xff08;文件&#xff09;&#xff0c;以这块资源为媒介进行通信。 命名管道&#xff0c;…

shell文本三剑客——awk命令【☆】

目录 一、akw原理 二、命令格式 三、常用变量 四、awk的用法 1.输出整行内容 2.按字段输出文本内容 3.按列输出文件内容 FS变量为列分隔符 4.awk的三个模式 5. awk ‘控制语句条件 {操作}’ 文件 6.awk的数组 7.awk的应用 一、akw原理 逐行读取文本&#xff0c;默认…

SpringFramework实战指南

二、SpringFramework实战指南 目录 一、技术体系结构 1.1 总体技术体系1.2 框架概念和理解 二、SpringFramework介绍 2.1 Spring 和 SpringFramework概念2.2 SpringFramework主要功能模块2.3 SpringFramework 主要优势 三、Spring IoC容器和核心概念 3.1 组件和组件管理概念3…

基于灰狼优化算法优化RBF(GWO-RBF)的数据回归预测(多输入多输出)

代码原理及流程 基于灰狼优化算法优化多输入多输出&#xff08;MIMO&#xff09;的RBF神经网络的数据回归预测&#xff0c;可以采取以下步骤&#xff1a; 1. 数据准备&#xff1a;准备包含多个输入特征和多个输出目标的数据集&#xff0c;确保数据已经经过预处理和归一化。 …

探寻最强性能云电脑:ToDesk云电脑、无影云、网易云游戏、易腾云横测大比拼

大家好&#xff0c;我是herosunly。985院校硕士毕业&#xff0c;现担任算法研究员一职&#xff0c;热衷于机器学习算法研究与应用。曾获得阿里云天池比赛第一名&#xff0c;CCF比赛第二名&#xff0c;科大讯飞比赛第三名。拥有多项发明专利。对机器学习和深度学习拥有自己独到的…

massCode打造个人代码知识库的利器

缘起 作为一名软件工程师,我在编写代码时经常遇到这样的情况:我记得之前在某个应用程序中使用过某种语法,但我却不记得是在什么时候或哪个项目中使用的。通过浏览所有代码来找到这个语法是非常耗时的,尤其是当你不记得可以简化搜索的关键字时。此外,你可能有代码片段,但…