DMBOK Fundamentals

Organisasi modern saat ini menghadapi tantangan besar berupa rendahnya tingkat kematangan data, di mana pengelolaan informasi sering kali masih bersifat ad hoc, reaktif, dan hanya berfokus pada level proyek (CMMI Institute, 2014). Kondisi ini berdampak sistemik terhadap inisiatif teknologi masa kini, tercatat sekitar 75% hingga 85% proyek kecerdasan buatan (AI) dan analitik gagal memenuhi ekspektasi karena dibangun di atas fondasi data yang lemah (Ladley, 2019). Tantangan ini menjadi kian kompleks seiring dengan meningkatnya risiko privasi serta tuntutan regulasi global, yang memerlukan pengawasan lebih kuat di tingkat strategis (Briney, 2015).

Tingginya angka kegagalan tersebut menegaskan bahwa keberhasilan pemanfaatan data tidak hanya bergantung pada aspek teknis, tetapi merupakan kapabilitas bisnis abad ke-21 untuk memperlakukan data sebagai aset berharga setara dengan manajemen keuangan atau sumber daya manusia (DAMA International, 2024). Untuk memastikan data mampu memberikan hasil dan nilai bisnis yang optimal, organisasi harus mengadopsi prinsip manajemen data yang mampu merampingkan alur kerja serta meningkatkan produktivitas operasional (Schymanietz et al., 2022). Penerapan kerangka kerja yang solid menjadi kunci utama dalam menjaga integritas, keamanan, dan ketersediaan aset informasi (McGilvray, 2021).

Course ini membahas manajemen data berdasarkan standar global DAMA-DMBOK yang berfokus pada penguatan tata kelola dan kualitas informasi organisasi. Model pembelajaran dirancang secara integratif melalui kombinasi konsep teoretis yang terstruktur dan simulasi pengambilan keputusan, sehingga peserta tidak hanya memahami what dan why, tetapi juga how dalam mengelola aset data. Materi course mencakup penguasaan konsep dan metodologi berdasarkan 11 Knowledge Areas DAMA-DMBOK (DAMA International, 2024) serta praktik integrasi lintas framework dalam series integrated multidimensional (id) framework. Series tersebut, seperti Enterprise Architecture (idEA) dan Data Science (idDS), dikembangkan secara mandiri oleh BrainCorp melalui riset dan pengalaman industri untuk bersinergi dalam mengimplementasikan manajemen data yang terintegrasi, selaras dengan strategi organisasi, dan mendukung pengambilan keputusan berbasis data.

OBJECTIVES

1. Memahami framework yang digunakan sebagai best practice dalam pengelolaan data
2. Mengetahui knowledge area pengelolaan data beserta tools, teknik, aktivitas 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

Tidak ada training khusus yang dipersyaratkan

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