一、CDGP數據治理專家考試大綱基礎模塊

1、數據治理

核心概念：數據治理的定義、原則(如DAMA 12項原則)與目標(確保數據資產價值最大化)。

實踐基礎：數據治理組織架構設計，包括數據治理委員會的角色與職責劃分。

2、數據架構

基礎認知：數據架構的業務驅動因素(如業務流程優化、數據共享需求)與核心組件(數據模型、數據流)。

落地方法：企業數據架構藍圖繪制，涵蓋數據存儲、處理與集成的整體框架設計。

3、數據安全

核心原則：數據安全的基本屬性(機密性、完整性、可用性)與全生命周期保護策略(靜態/傳輸中數據安全)。

合規實踐：數據隱私法規(如GDPR、個人信息保護法)適配與合規性風險管理。

4、數據質量

關鍵維度：數據質量的核心指標(準確性、完整性、一致性、及時性)與KPI設計方法。

管理流程：數據質量問題的識別、監控(通過質量檢查工具)與持續改進機制。

5、主數據管理

概念區分：主數據(如客戶、產品數據)與參考數據的定義及核心特征(唯一性、穩定性)。

實施步驟：主數據模型構建流程，包括需求分析、實體關系設計與數據標準化。

6、元數據管理

核心類型：元數據的分類(業務元數據、技術元數據)及其在數據管理中的作用(數據血緣追蹤、資產目錄構建)。

管理實踐：元數據的注冊、分類與檢索流程，以及元數據工具的選型與應用。

二、CDGP數據治理專家考試大綱進階模塊

1、數據倉庫與商業智能

架構設計：數據倉庫的分層模型(ODS、DWD、DWS層)與數據集市的規劃方法。

分析應用：商業智能(BI)工具的核心功能(報表生成、多維分析)與數據可視化最佳實踐。

2、大數據與數據科學

技術特征：大數據的4V特性(Volume、Velocity、Variety、Value)與分布式處理技術(如Hadoop、Spark)。

項目流程：數據科學項目的生命周期(問題定義→數據采集→模型訓練→部署應用)與典型算法應用場景。

3、數據要素與新興技術

市場化內涵：數據要素的價值評估方法與市場化配置機制(如數據交易、收益分配)。

數據中臺架構：數據中臺的核心組件(數據湖、數據API網關)與企業級落地路徑(從業務需求到技術實現)。