CDGA 数据治理工程师认证备考指南：一文搭建完整学习框架

目录CDGA 数据治理工程师认证备考指南一文搭建完整学习框架一、为什么要考 CDGA二、先搞清楚CDGA 考什么2.1 主要参考教材2.2 考试形式与基本规则2.3 CDGA 的核心考察逻辑三、CDGA 知识体系全景图17 个知识领域3.1 这 17 个领域应该怎样理解四、备考重点如何划分第一优先级核心知识领域第二优先级管理体系与组织能力第三优先级基础与应用知识五、CDGA 六周备考计划第一阶段建立整体认知第 1 周第二阶段学习核心知识领域第 2—3 周第三阶段完成全部章节覆盖第 4 周第四阶段刷题与薄弱点强化第 5 周第五阶段模拟考试与考前冲刺第 6 周六、CDGA 备考中最值得建立的六组知识关联1. 数据治理与数据管理2. 数据架构与数据建模3. 元数据管理与数据质量管理4. 主数据与参考数据5. 数据仓库与商务智能6. 数据安全与数据处理伦理七、如何把工作经验转化为备考优势八、推荐一套高效的日常学习方法九、备考资料应该怎样选择第一层官方考试信息第二层核心教材第三层辅助资料十、CDGA 备考最容易出现的五个问题问题一只看重点章节忽略其他章节问题二只记结论不理解概念边界问题三只刷题不回到教材问题四把工作经验直接当成标准答案问题五考前才开始模拟训练十一、如何判断自己已经准备好参加考试十二、写在最后把 CDGA 当成一次系统化的数据管理学习CDGA 数据治理工程师认证备考指南一文搭建完整学习框架关键词CDGA、DAMA、DMBOK、数据治理、数据管理、备考计划、数据质量、元数据管理适合人群数据分析师、数据开发工程师、数据治理工程师、数据架构师以及希望系统学习数据管理知识体系的职场人士。一、为什么要考 CDGA随着企业数字化转型不断深入数据已经不再只是业务系统的副产品而是支撑经营决策、业务协同、风险控制和智能应用的重要资产。企业真正需要解决的问题不仅是如何采集和存储数据还包括数据标准是否统一不同系统中的同一客户、产品或组织如何保证口径一致数据质量如何衡量和持续改进数据资产由谁负责管理数据如何在安全、合规的前提下被有效利用如何建立可持续运行的数据治理体系这些问题构成了数据管理与数据治理工作的核心内容。CDGACertified Data Governance Associate数据治理工程师认证是 DAMA 中国推出的数据管理专业认证之一考试以 DAMA 数据管理知识体系为基础帮助学习者系统掌握数据管理的核心概念、知识领域和实践方法。需要明确的是CDGA 不只是考察某一项技术也不是单纯学习数据库、数据仓库或数据分析工具。它更强调从组织、制度、流程、标准、技术和人员职责等多个维度理解数据管理。对于希望从数据分析、数据开发进一步拓展到数据治理、数据架构和数据管理方向的从业者CDGA 可以作为建立系统化知识框架的一个切入点。二、先搞清楚CDGA 考什么2.1 主要参考教材CDGA 的核心参考教材是《DAMA 数据管理知识体系指南第二版》备考时还应关注 DAMA 中国发布的最新考试通知以及考试范围对修订版教材和相关实践内容的要求。官方信息DAMA 中国CDGA 和 CDGP 认证考试常见问题DAMA 中国数据管理专业认证介绍建议优先使用与当前考试范围一致的教材版本不要仅凭网络上的旧版课程或历史题目复习。2.2 考试形式与基本规则按照 DAMA 中国公开的 CDGA 考试规则CDGA 采用单项选择题形式通常为 100 道题满分 100 分60 分及格考试时长 100 分钟。项目备考参考认证名称CDGA 数据治理工程师核心教材《DAMA 数据管理知识体系指南》题型单项选择题题目数量100 道满分100 分合格线60 分考试时长100 分钟核心考察范围数据管理知识体系及相关实践以上为备考框架所依据的公开规则。具体考试形式、教材范围、报名时间及其他安排应以所报考批次的官方通知为准。2.3 CDGA 的核心考察逻辑备考时不能只把目标设定为记忆知识点而应同时建立以下四种能力概念识别能力准确理解数据治理、数据架构、数据质量、元数据等概念。知识边界辨析能力明确不同知识领域之间的区别与联系。流程与职责理解能力理解各项数据管理活动的目标、输入、输出和参与角色。场景判断能力能够根据业务问题判断应该采用哪类管理方法或治理措施。例如面对企业数据口径不一致的问题不能简单地认为增加数据清洗规则就可以解决。还需要进一步判断问题究竟来自数据定义不统一、业务标准不一致、元数据缺失还是源系统的数据质量不足。这正是系统学习 DAMA 数据管理知识体系的价值所在。三、CDGA 知识体系全景图17 个知识领域CDGA 备考的核心是建立对 DAMA-DMBOK 知识体系的整体认识。按照第二版知识体系的经典章节结构学习范围可划分为以下 17 个知识领域。序号知识领域核心学习内容备考定位01数据管理数据资产、数据管理原则、数据战略、管理框架建立整体认知02数据处理伦理数据隐私、伦理原则、合规与责任理解原则与边界03数据治理治理组织、决策机制、政策、职责、监督与评价核心重点04数据架构数据架构原则、架构组件、架构设计与实施核心重点05数据建模和设计概念模型、逻辑模型、物理模型、建模方法核心重点06数据存储和运营数据库运行、存储管理、备份恢复与性能管理理解基础07数据安全访问控制、数据保护、隐私、安全风险管理重点领域08数据集成和互操作数据交换、集成、转换、接口与互操作理解流程09文档和内容管理文档、非结构化内容、内容生命周期理解基础10参考数据和主数据主数据、参考数据、统一标识与一致性管理重点领域11数据仓库与商务智能数据仓库、数据集市、BI、分析与报表核心重点12元数据管理元数据分类、元数据生命周期、目录、血缘与管理核心重点13数据质量管理质量维度、质量规则、质量度量、问题改进核心重点14大数据和数据科学大数据管理、数据科学、分析与建模应用理解应用15数据管理成熟度评估成熟度模型、能力评估、差距分析与改进重点领域16数据管理组织与角色期望组织模式、角色分工、职责与协作机制理解职责17数据管理与组织变革管理变革管理、组织协同、文化建设与持续改进理解实践注意以上是知识体系的章节地图不代表所有批次都采用完全相同的分值分布。复习权重应以最新考试范围及可靠的考试资料为依据。3.1 这 17 个领域应该怎样理解如果把数据管理看成一项系统工程可以将其理解为五个相互关联的层次。第一层战略与治理。包括数据管理、数据治理、组织职责、成熟度评估和组织变革管理。这一层主要回答为什么要管理数据谁来管理依据什么规则管理如何衡量治理效果第二层架构与数据基础。包括数据架构、数据建模和设计、数据存储和运营。这一层主要回答数据应该如何组织、描述、存储和管理第三层数据管理核心能力。包括元数据管理、数据质量管理、主数据和参考数据、数据集成和互操作。这一层主要回答如何保证数据可理解、可信任、一致并能够跨系统使用第四层数据应用与利用。包括数据仓库与商务智能、大数据和数据科学、文档和内容管理。这一层主要回答如何将数据转化为报表、分析结果和业务价值第五层安全与责任边界。包括数据安全、数据处理伦理。这一层主要回答数据如何在合法、合规、安全和负责任的前提下被使用这五层是为了帮助备考者建立关联的学习框架并非 DAMA 官方额外定义的五个知识领域。四、备考重点如何划分17 个知识领域都需要学习但不建议一开始就平均分配时间。更有效的方式是采用“整体覆盖、重点突破、关联理解、循环复习”的策略。第一优先级核心知识领域建议重点投入以下内容数据治理数据架构数据建模和设计数据安全主数据和参考数据数据仓库与商务智能元数据管理数据质量管理其中数据治理、元数据管理、数据质量管理、数据仓库与商务智能等领域应重点建立概念之间的区别、管理流程和实践方法。第二优先级管理体系与组织能力重点学习数据管理基本原则数据战略与管理框架数据管理成熟度评估数据管理组织与角色职责数据管理与组织变革这些知识决定了能否从整体上理解数据治理而不是将数据治理简单理解为一组技术工具或清洗规则。第三优先级基础与应用知识重点学习数据处理伦理数据存储和运营数据集成和互操作文档和内容管理大数据和数据科学这部分同样属于考试范围不应因为自认为熟悉数据库或数据分析就直接跳过。复习原则重点章节优先深入其他章节确保覆盖任何章节都不应完全放弃。五、CDGA 六周备考计划以下计划适用于有一定数据工作经验、希望利用业余时间系统备考的在职人员。若基础较弱可以延长至八周如果已经熟悉 DMBOK则可以压缩第一轮学习时间。第一阶段建立整体认知第 1 周学习目标知道 CDGA 考什么17 个知识领域分别解决什么问题。学习任务了解 CDGA 考试规则和最新考试范围。建立 17 个知识领域的目录清单。阅读教材总论理解数据作为组织资产的基本理念。绘制自己的数据管理知识体系图。建立错题本和知识点笔记。本阶段的产出一份完整的考试知识地图。一份个人学习计划。一份需要重点理解的概念清单。第二阶段学习核心知识领域第 2—3 周学习目标理解重点章节的概念、活动、职责和实施逻辑。建议学习顺序数据治理数据架构数据建模和设计数据安全主数据和参考数据数据仓库与商务智能元数据管理数据质量管理每学习一个领域都按照统一模板整理笔记学习维度需要回答的问题目标这个领域主要解决什么问题原则该领域有哪些指导原则核心概念关键术语及相近概念如何区分基本活动管理工作通常包含哪些活动输入与输出工作依赖什么信息最终形成什么成果参与角色谁负责、谁参与、谁监督工具与技术可以借助哪些技术和管理工具指标与评价如何判断管理工作是否有效这套模板可以贯穿全部章节避免学习过程变成零散的术语背诵。第三阶段完成全部章节覆盖第 4 周学习目标补齐剩余知识领域形成完整知识框架。主要任务学习数据管理、数据处理伦理等基础知识。学习数据存储和运营、数据集成和互操作。学习文档和内容管理、大数据和数据科学。学习数据管理成熟度评估。学习数据管理组织与角色期望。学习数据管理与组织变革管理。对 17 个知识领域进行一次系统回顾。本阶段不以追求每个知识点的细节完美为目标而是确保所有章节都能说清楚核心概念和管理目标。第四阶段刷题与薄弱点强化第 5 周学习目标将知识理解转化为选择题判断能力。建议执行以下步骤按章节完成练习题。对错误题目进行分类。回到教材核对原始知识点。对相近概念制作对比表。对反复出错的章节进行二次学习。错题至少分为四类概念不清没有理解定义或基本原理。边界混淆把相近知识领域的职责混为一谈。流程不熟不清楚管理活动的先后关系。题干误判忽略了题目中的关键限定词。刷题的目的不是单纯追求数量而是定位知识漏洞。第五阶段模拟考试与考前冲刺第 6 周学习目标形成稳定的答题节奏确保知识覆盖和时间管理达到要求。主要任务完成多套覆盖全部章节的模拟题。严格按照正式考试时间进行限时训练。分析各章节正确率和错题分布。集中复习高频混淆概念。回顾知识地图、核心术语和错题本。核对准考证、考试地点及当期考试要求。100 分钟完成 100 道题平均每题约 1 分钟。因此备考后期应逐步形成快速识别题目考点、排除错误选项和合理控制答题时间的能力。六、CDGA 备考中最值得建立的六组知识关联只记住单个术语很难真正理解数据管理体系。建议重点梳理以下六组关联。1. 数据治理与数据管理数据管理覆盖多个知识领域数据治理侧重方向、政策、决策机制、职责和监督等管理机制。需要理解两者之间的关系避免将数据治理简单等同于数据清洗、数据开发或数据平台建设。2. 数据架构与数据建模数据架构更关注组织层面的数据结构、关系和整体设计数据建模则更具体地描述数据实体、属性、关系和约束。二者存在联系但关注层次和工作产出并不完全相同。3. 元数据管理与数据质量管理元数据帮助理解数据的含义、结构、来源和使用方式数据质量管理则关注数据是否满足业务使用要求。例如某个指标出现异常时既可能是数据本身存在错误也可能是不同系统对指标的定义不一致。前者需要开展质量分析后者可能需要进一步核对业务定义、数据标准和元数据。4. 主数据与参考数据主数据通常描述客户、产品、组织等关键业务实体参考数据通常用于分类、编码或约束取值。备考时应关注两者的定义、应用场景、管理对象和区别。5. 数据仓库与商务智能数据仓库侧重数据整合、组织和分析所需的数据基础商务智能侧重利用数据开展查询、报表、分析和决策支持。需要理解从数据整合到分析应用的基本逻辑而不是仅记忆某个数据库或 BI 工具的功能。6. 数据安全与数据处理伦理数据安全重点关注数据的保护、访问控制和风险管理数据处理伦理还涉及数据使用是否合理、是否尊重个人权益以及数据处理行为是否负责任。二者存在交集但不能简单画等号。七、如何把工作经验转化为备考优势对于已经从事数据分析、数据开发或数据治理工作的人员建议采用“教材概念 工作案例”的学习方式。每学完一个知识点都尝试联系一个实际业务问题。工作中的实际问题对应知识领域学习切入点不同部门的数据口径不一致数据治理、数据架构标准、规则、决策机制数据表字段缺少业务解释元数据管理业务定义、技术元数据、血缘数据中存在缺失、重复或错误值数据质量管理质量维度、规则、度量与改进不同系统的客户信息不一致主数据和参考数据统一标识、匹配、权威数据源多个系统之间的数据无法顺畅交换数据集成和互操作接口、转换、数据交换报表指标无法追溯到源数据数据仓库与商务智能、元数据管理数据链路、指标口径、血缘敏感数据被不适当地访问数据安全、数据处理伦理权限、保护、责任与合规企业不知道数据治理工作做到什么程度数据管理成熟度评估能力评估、差距识别、改进路线需要特别注意工作经验可以帮助理解概念但不能代替教材中的规范定义。考试遇到概念题时应优先依据知识体系的定义判断而不是直接把自己所在公司的实践习惯当成标准答案。八、推荐一套高效的日常学习方法对于在职备考者可以将每天的学习拆分成四个环节。环节建议用时学习内容教材学习30 分钟阅读当前章节并理解核心概念知识整理15 分钟绘制结构图、整理对比表题目练习20 分钟完成对应章节练习错题复盘15 分钟查找错误原因并回看教材合计约 80 分钟。时间紧张时可以适当缩短每日学习量但应保证持续学习和周期性复习。每周至少安排一次集中复盘重新检查本周学习内容是否真正理解。建议采用以下复习节奏当天学习后回顾一次。第二天简要复习前一天的重点。一周后重新检查相关知识。考前对高频混淆概念和错题进行集中复习。这些时间安排属于学习方法建议不是考试官方要求。九、备考资料应该怎样选择建议将资料分为三个层次。第一层官方考试信息主要用于确认最新考试范围。适用教材版本。报名及考试安排。题型、时间和合格标准。优先关注 DAMA 中国官方渠道。第二层核心教材以《DAMA 数据管理知识体系指南》为主线按知识领域系统学习。教材是理解定义、原则和管理活动的主要依据不能完全依赖网络文章或题库代替。第三层辅助资料包括章节思维导图。核心术语表。相近概念对比表。章节练习题。全真模拟题。错题本和考前速记清单。使用第三方资料时需要确认其内容与当前考试范围是否一致尤其要注意旧版教材、历史分值表和未经核实的所谓真题。十、CDGA 备考最容易出现的五个问题问题一只看重点章节忽略其他章节重点复习是必要的但考试覆盖多个知识领域不能因为某个章节看起来简单或分值较低就完全不学。问题二只记结论不理解概念边界数据治理、数据架构、元数据、数据质量等概念之间存在关联。只有理解区别和联系才能更好地处理辨析型题目。问题三只刷题不回到教材如果一道题做错后只记住正确选项而没有弄清楚错误原因遇到不同表述的题目仍然容易出错。问题四把工作经验直接当成标准答案不同组织的数据管理制度、职责划分和实施方式可能存在差异。备考时必须区分通用知识体系和企业内部约定。问题五考前才开始模拟训练100 道题、100 分钟的考试要求考生具备一定的答题节奏。应在学习中后期逐步开展限时训练而不是直到最后几天才第一次模拟。十一、如何判断自己已经准备好参加考试建议建立一份个人备考检查清单。能够说清楚 17 个知识领域分别解决什么问题。能够解释数据管理、数据治理和数据架构之间的关系。能够区分数据质量、元数据、主数据和参考数据等核心概念。能够说明主要知识领域的管理目标、基本活动和职责。已经完成全部章节的第一轮学习。已经建立并持续维护错题本。能够解释主要错题为什么错而不只是记住正确答案。已经完成至少一次严格限时的全套模拟。已经核对当前考试批次的官方要求。在模拟训练方面可以将稳定达到 80 分左右作为个人阶段性目标而不是把 60 分及格线直接当作备考目标。这个分数是建议的训练标准并非官方通过要求或对实际考试成绩的保证。十二、写在最后把 CDGA 当成一次系统化的数据管理学习CDGA 备考的真正价值不仅在于通过考试还在于建立一套完整的数据管理认知体系。通过系统学习你应该逐步形成这样的思考方式当企业出现数据问题时先识别问题属于哪个知识领域再判断涉及哪些管理规则、业务流程、技术机制和责任角色最后考虑如何制定改进措施并通过指标持续评价效果。这套思路不仅适用于考试也能够帮助数据从业者更好地参与数据治理项目、数据质量提升、元数据建设、主数据管理以及数据平台规划。备考路线总结先建立知识地图再逐章理解概念先完成全范围覆盖再针对薄弱点强化先理解知识体系再通过刷题检验掌握程度。接下来可以按照这套框架继续开展 CDGA 系列备考学习《CDGA 第 1 讲DAMA-DMBOK 数据管理知识体系总览》《CDGA 第 2 讲数据管理核心概念与数据治理的区别》《CDGA 第 3 讲数据治理知识领域精讲》《CDGA 第 4 讲数据架构与数据建模》《CDGA 第 5 讲数据安全、元数据与数据质量》《CDGA 第 6 讲主数据、数据仓库与数据集成》《CDGA 第 7 讲其余知识领域系统梳理》《CDGA 第 8 讲核心概念对比、章节练习与考前冲刺》从整体框架到知识点精讲再到练习和模拟考试逐步完成一套系统化的 CDGA 备考学习体系。本文说明本文为个人备考规划与知识体系梳理不代表 DAMA 中国官方培训教材或官方考试大纲。考试规则及适用教材请以最新官方通知为准。