CDMP Exam Guide

Organisasi modern menghadapi tantangan rendahnya kematangan data, di mana pengelolaan informasi masih sering bersifat ad hoc dan reaktif (CMMI Institute, 2014). Ini berdampak terhadap inisiatif digital, termasuk AI dan analitik yang kerap gagal memenuhi ekspektasi karena dibangun di atas fondasi data yang lemah (Ladley, 2019). Tantangan semakin kompleks seiring meningkatnya risiko privasi dan tuntutan regulasi, sehingga tata kelola dan kualitas data menjadi faktor strategis organisasi (Briney, 2015) (DAMA International, 2024).

Course ini dirancang sebagai program persiapan sertifikasi CDMP – Data Management Fundamentals yang menekankan keseimbangan antara pemahaman konseptual dan kesiapan menghadapi ujian. Materi course disusun mengacu pada standar global DAMA-DMBOK dan mencakup penguasaan konsep serta metodologi berdasarkan 11 Knowledge Areas DAMA-DMBOK (DAMA International, 2024). Model pembelajaran mengombinasikan pembahasan terstruktur, studi kasus implementasi manajemen data, serta drill latihan soal ujian CDMP secara terarah. Pendekatan ini membantu peserta memahami what, why, dan how dalam mengelola data sebagai aset strategis, sekaligus meningkatkan kepercayaan diri dan ketepatan strategi dalam menghadapi ujian sertifikasi CDMP.

OBJECTIVES

1. Memahami framework yang digunakan sebagai best practice dalam pengelolaan data
2. Mengetahui knowledge area pengelolaan data beserta tools, teknik, akvitias dan tata kelolanya
3. Mengetahui tren teknologi terkini dalam meningkatkan nilai data bagi perusahaan

AUDIENCE

1. Chief Data Officer
2. Data Architect
3. Data Stewards
4. Datawarehouse Manager
5. ERP & CRM Manager

PREREQUISITES

1. DMBOK Fundamentals

CONTENT

1. Introduction to Data Management

1.1. Introduction
1.2. Essential Concepts
1.3. Data Management Frameworks
1.4. DAMA & the DMBOK
1.5. Data Management Certification
1.6. Data Handling Ethics

2. Data Governance

2.1. Introduction
2.2. Activities
2.3. Tools & Techniques
2.4. Implementation Guidelines
2.5. Metrics

3. Data Architecture

3.1. Introduction
3.2 Activities
3.3 Tools & Techniques
3.4 Implementation Guidelines
3.5 Data Architecture Governance

4. Data Modelling & Design

4.1. Introduction
4.2. Activities
4.3. Tools
4.4. Best Practices
4.5. Data Model Governance

5. Data Storage & Operations

5.1 Introduction
5.2 Activities
5.3 Tools & Techniques
5.4 Implementation Guidelines
5.5 Data Storage & Operations Governance

6. Data Security

6.1. Introduction
6.2. Activities
6.3. Tools & Techniques
6.4. Implementation Guidelines
6.5. Data Security Governance

7. Data Integration & Interoperability

7.1. Introduction
7.2. Data Integration Activities
7.3. Tools & Techniques
7.4. Implementation Guidelines
7.5. DII Governance

8. Document & Content Management

8.1. Introduction
8.2. Activities
8.3. Tools & Techniques
8.4. Implementation Guidelines
8.5. Document & Content Governance

9. Reference & Master Data

9.1. Introduction
9.2. Activities
9.3. Tools & Techniques
9.4. Implementation Guidelines
9.5. Organization & Cultural Change
9.6. Reference & Master Data Governance

10. Data Warehousing & Business Intelligence

10.1. Introduction
10.2. Activities
10.3. Tools & Techniques
10.4. Implementation Guidelines
10.5. DW/BI Governance
10.6. Big Data & Data Science

11. Metadata Management

11.1. Introduction
11.2. Activities
11.3. Tools & Techniques
11.4. Implementation Guidelines
11.5. Metadata Governance

12. Data Quality

12.1. Introduction
12.2. Activities
12.3. Tools & Techniques
12.4. Implementation Guidelines
12.5. Data Quality and the other Knowledge Areas

13. Data Management Assessment, Role & Change Management

13.1. Data Management Maturity Assessment
13.2. Data Management Organization & Role Expectations
13.3. Data Management & Change Management