CDGA10月考试重点有哪些

CDGA(Certified Data Governance Associate，数据治理工程师认证)10月考试的重点内容通常围绕数据治理的核心概念、框架、流程、技术及实践展开。以下是结合过往考试趋势和知识体系整理的重点领域及关键点，供你参考：

一、数据治理基础理论

数据治理定义与目标

数据治理的核心价值(如提升数据质量、降低风险、支持决策等)。

数据治理与数据管理、数据管控的区别与联系。

数据治理的驱动因素(合规性、业务需求、技术变革等)。

数据治理框架与模型

DAMA-DMBOK框架：数据治理域(如数据架构、数据质量、元数据管理等)的划分及相互关系。

其他模型：如DCAM(Data Management Capability Assessment Model)、DGI(Data Governance Institute)框架等。

数据治理成熟度模型(如CMMI、Gartner的五级模型)。

二、数据治理核心域

数据架构管理

数据模型设计(概念模型、逻辑模型、物理模型)。

数据分布与集成策略(如数据仓库、数据湖、主数据管理)。

数据标准与规范(如命名规则、编码规则、数据分类)。

数据质量管理

数据质量维度(准确性、完整性、一致性、及时性等)。

数据质量评估方法(如数据剖析、数据清洗、数据监控)。

数据质量改进流程(PDCA循环、六西格玛等)。

元数据管理

元数据的定义、分类(业务元数据、技术元数据、操作元数据)。

元数据采集、存储、维护与使用(如血缘分析、影响分析)。

元数据工具与技术(如Atlas、Collibra、Alation)。

主数据管理（MDM）

主数据的定义与范围(如客户、产品、供应商等)。

主数据管理流程(识别、匹配、合并、分发)。

主数据管理工具(如Informatica MDM、SAP MDM)。

数据安全与隐私

数据安全框架(如NIST CSF、ISO 27001)。

数据分类分级与访问控制(RBAC、ABAC)。

隐私保护技术(如脱敏、加密、匿名化)。

合规要求(如GDPR、CCPA、中国《数据安全法》《个人信息保护法》)。

三、数据治理组织与流程

组织架构设计

数据治理委员会、数据治理办公室、数据管家(Data Steward)的职责与协作。

跨部门协作机制(如数据治理委员会会议、数据问题升级流程)。

政策与标准制定

数据治理政策(如数据分类政策、数据保留政策)。

数据标准文档(如数据字典、数据质量规则)。

政策与标准的落地与执行(如培训、审计、考核)。

数据治理流程

数据需求管理流程(如数据申请、审批、交付)。

数据问题管理流程(如数据质量事件处理、根因分析)。

数据变更管理流程(如数据模型变更、元数据更新)。

四、数据治理技术工具

数据治理平台

平台功能(如元数据管理、数据质量监控、数据血缘分析)。

平台选型与实施(如开源工具 vs 商业工具)。

平台与业务系统的集成(如ERP、CRM、BI工具)。

数据目录与发现

数据资产目录的构建与维护。

数据发现技术(如数据探查、数据分类、数据标签)。

数据自动化与AI应用

数据质量自动化检测(如机器学习模型识别异常数据)。

元数据智能管理(如NLP提取元数据、图数据库分析血缘)。

五、数据治理实践与案例

行业最佳实践

金融、医疗、制造等行业的典型数据治理场景。

成功案例分析(如某银行通过数据治理提升风控能力)。

挑战与解决方案

数据治理中的常见问题(如数据孤岛、部门利益冲突、文化阻力)。

应对策略(如建立数据文化、制定激励措施、分阶段实施)。

六、备考建议

官方教材与大纲

参考DAMA-DMBOK第二版官方考试大纲，梳理知识框架。

模拟题与真题

通过练习题巩固知识点，重点关注案例分析题(考察综合应用能力)。

实践结合理论

结合实际工作场景理解概念(如如何设计数据质量规则)。

时间管理

制定复习计划，重点突破薄弱环节(如数据安全合规部分)。