在当今数字化转型的浪潮下，对数据治理人才的需求日趋迫切，尤其是掌握数据管理知识体系，又具备丰富实战经验的从业者，在市场上更是炙手可热。我们要如何获得行业的认可，在竞争中脱颖而出？

对此，DAMA中国主席汪广盛认为，“当今世界一切都在数字化，而数字化的基础是数据管理。当前，数据管理在认知、共享、评估、治理等各环节面临诸多难点和痛点，而要打造数据管理美好的未来，需要认清并坚持数据管理的核心内容，加快培育数据要素市场，实施增强式数据管理和增强式数据分析等。”

DAMA认证中文版CDGA、CDGP的诞生

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)

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。证书有效期为三年，获得CDGA认证才能申请CDGP认证考试。

为什么需要DAMA认证中文版

首先，在几十种常见的对数据治理的定义中，DAMA（国际数据管理协会）、ISACA（国际信息系统审计和控制协会）、DGI（国际数据治理研究所）、IBM数据治理委员会和Gartner公司等权威机构提出的定义***代表性。而且在这当中，以DAMA给出的数据治理定义最为业界所接受。

其次，随着国内的互联网大潮飞涨，诸如数据中台、指标体系等中国特色的技术和管理涌现，因此就更需要符合国情的DAMA认证中文版。对个人而言，提供更具针对性的数据管理职业目标和晋升规划，从而获得数字化转型战略下的必备专业能力，促进实践应用的开展和实际问题的解决。

对企业而言，一方面能提高员工的数据管理素质和技能，另一方面，能够提升全员的数据管理意识，形成企业所需的新数字经济下的核心竞争能力。

最后，通过国际权威的数据管理知识体系DAMA-DMBoK2.0，与企业实际业务和管理场景相结合，扎实打造问题分析、方案设计及执行的能力，对数据治理获得体系化、结构化的提升。

备考从看透DAMA-DMBoK2.0开始

2020年6月《DAMA数据管理知识体系指南（原书第2版）》中文版全球***起，这部权威性著作给出数据管理总体框架和职能、术语、最佳实践方法的标准行业解释。

美国Technics出版社社长史蒂夫·霍伯曼说，“这本书包括三个目标，一是为数据管理工作提供指导原则，并说明如何在数据管理功能领域应用这些原则；二是为数据管理实践的实施提供功能框架；三是为数据管理概念建立通用词汇表。”

特别是由车轮图（由11个数据管理职能领域）和环境因素六边形图（由7个基本环境要素）共同构成的“DAMA数据管理知识体系”越发深入人心。

其中，数据管理职能包括数据治理、数据架构、数据建模和设计、数据存储和操作、数据安全、数据集成和互操作、文档和内容管理、参考数据和主数据管理、数据仓库与商务智能、元数据管理、数据质量管理。基本环境要素包括目标与原则、组织与文化、工具、活动、角色和职责、交付成果、技术。

所以对DAMA认证中文版CDGA、CDGP面向的人群来说，包括数据管理领域的各类技术、研究、管理和业务人员，各数据管理相关机构的领导和部门负责人，各企业部门的数据管理、数据分析人员以及咨询人员、项目交付人员等，从备考来讲的话，从看透DAMA-DMBoK2.0这一本考试教材开始。

数据是理解事实的符号，信息是带有逻辑的数据组合，知识是直接指导业务决策和行动，因而能直接产生价值，最后透过数据进行挖掘、分析和决策，从数据、信息到知识逐层递进，通过DAMA金字塔图（Aiken金字塔）中的四个阶段，全面深入学习、了解和掌握核心章节及有关内容：

第一阶段

首先，以数据建模与设计、数据存储与操作以及数据安全作为数据应用的起点；同时要使系统在其数据环境中运行，还需展开数据集成和交互操作方面的工作。

第二阶段

其次，要获得更高质量的数据，取决于可靠的元数据和一致的数据架构，使不同系统的数据能协同工作。

第三阶段

再次，管理数据质量、元数据和架构需要严格地实践数据治理，为数据管理活动提供体系性支持。数据治理还支持战略计划的实施，如文档和内容管理、参考数据管理、主数据管理、数据仓库和商务智能。

第四阶段

最后，充分利用良好管理数据的好处，不断提高挖掘和分析能力。