中国金融业财税培训领军者

数据治理工程师CDGA/数据治理专家CDGP 认证

项目背景：
金融行业监管机构将数据治理工作作为重点工作内容：2018年5月21日，中国银保监会发布《银行业金融机构数据治理指引》，将数据治理上升为公司治理层面，要求金融机构针对数据治理架构、数据管理、数据安全、数据质量和数据价值实现等方面进行体系建设和完善，并将数据治理成效与监管评级挂钩。2019年8月23日，中国人民银行印发《金融科技发展规划（2019-2021年）》（以下简称《规划》），明确提出未来三年金融科技工作的指导思想、基本原则、发展目标、重点任务和保障措施，也将数据治理作为金融机构的重点工作内容。此外，国家市场监督管理总局和国家标准化管理委员会批准《信息技术服务治理第5部分：数据治理规范》国家标准发布实施，以指导组织建立数据治理体系，并监督其运行和完善。2020年5月20日，中国银保监会又发布了《中国银保监会办公厅关于开展监管数据质量专项数据治理工作的通知》，旨在深入贯彻落实习近平总书记的重要指示批示精神和中央有关决策部署，切实提升银行业保险监管数据质量，以优质信息服务监管工作大局和银行业保险业高质量发展。随着金融科技的不断发展，越来越多的金融机构选择在战略层面开启企业级数字化转型之路，利用数据来赋能业务，广泛覆盖市场营销、客户管理、运营管理、风险控制等多样化的业务场景，通过数字化技术提升企业整体的管理效率和精细化水平。2020年4月发布的《中共中央国务院关于构建更加完善的要素市场化配置体制机制的意见》中，首次将“数据”与土地、劳动力、资本、技术等传统要素并列为要素之一，要求加快培育数据要素市场，提出了推进政府数据开放共享、提升社会数据资源价值、加强数据资源整合和安全保护三项要求。作为数据价值释放的基础，如何有效的实施数据治理工作是金融行业普遍关注的重要课题!

国际数据管理协会

国内数据治理工作的知识体系基础，来自于国际数据管理协会出版的《DMBOK数据管理知识体系指南》，其中文译本第一版由清华大学出版社于2012年出版，第二版由机械工业出版社于2020年6月出版。该指南是数据管理业界最佳实践的结晶，已成为从事数据管理工作的经典参考和指南。在此之上，本培训也包含了国内针对数据成熟度、数据安全等方面的本地化政策、标准、实践等内容。

为了帮助各金融机构开展数据治理工作提供理论和实践支持，培养金融行业数据的治理人才，指导金融行业数据治理工作的有效开展，在数据治理工作的热潮下，各领域的数据治理专业人才将成为推动数据治理落地与持续运营的核心角色。数据治理专业人才需要通过学习数据治理理论基础与实践案例，对数据治理的工作目标形成清晰的认识，在掌握专业知识的同时，更需明确数据治理工作的定位与职责。

DAMA国际在世界范围内拥有40 多个分会，7500余数据管理专业人士会员。DAMA国际自1988年成立以来，多年致力于数据管理的研究、实践及相关知识体系的建设，在数据管理领域累积了极为深厚的知识沉淀和丰富经验，并先后出版了“DAMA 数据管理字典”和“DAMA数据管理的知识体系和指南”（DAMA-DMBOK），国内数据治理工作的知识体系基础，来自于国际数据管理协会出版的《DMBOK数据管理知识体系指南》，是数据管理业界最佳实践的结晶，已成为从事数据管理工作的经典参考和指南，在全球范围内广受好评。在专业认证方面DAMA国际还开发了“数据管理专业人士认证”(Certified Data Management Professional - CDMP)。

DAMA中国以国际数据管理协会（简称“DAMA国际”）DAMA数据管理知识体系为基础，结合国内实际需求，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）”和“数据治理专家（CDGP）”，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。

在此特别提醒各位学员：欲报考“数据治理专家（CDGP）”必须先获得“数据治理工程师（CDGA）”的认证证书。

培养目标：

主要目的是培养一批懂数据、懂管理、懂技术、懂业务的综合管理专业人才等为目标，为金融行业数据治理工作提供智力支持和人才储备。最终经过知识拓展、能力提升、应用提高三个维度的培养，达成以下具体目标：

1、通过培养，熟练掌握本行业数据治理的前沿理论知识与实践案例，并学会将知识转化为综合应用能力、工作创新能力、组织协调能力、交流沟通能力、决策应变能力等专业技能，努力学会并运用于所在企业实践中。

2、学会站在管理者的高度思考问题，提高责任感与参与度，为经营决策和战略提供建议，促进数据治理人才逐步从专业工作者走向管理层、决策者的角色转变。

3、通过培养，充分运用面授、催化式培训、案例教学、同行交流等教学形式拓宽数据治理人才的专业视野、行业视野、国际视野，努力做到专业上更“专”，眼界和思路上更“宽”，把“专”和“宽”付诸实践，将数据治理人才培养的结果转化为本单位的实际效益、经营成果。

4、通过培养，塑造数据治理人才良好职业道德和职业操守，培育诚实守信、团结协作精神，促进高端人才的德与行全面发展。

本培训结合已有的数据管理知识体系及同业机构在数据治理领域的成功案例，主要围绕以下三大视角设计了数据治理系列培训课程：

1、从监管合规要求及数据治理理论视角，讲解数据治理体系（组织、职责、制度、流程等）的建设方法、数据质量的管控思路以及数据价值的实现思路，解决金融机构开展数据治理和数据应用过程中的相关疑惑，以便更好的实现数据的资产化及价值化。

2、系统讲解以DMBOK2体系为基础架构，以DCMM为数据管理成熟度评估机制、以GDPR为数据伦理导向的数据治理知识体系。

3、从同业数据治理成功案例的实战视角，分享同业在数据治理和应用方面的领先实践和成功经验，为数据治理具体工作提供丰富、生动的实战指南。

一、培训课程设计思路及教学安排紧密围绕着：

1、以理论为基础：全面、清晰、体系化解读数据治理理论知识和方法论。

2、以实战为导向：与金融机构实际业务和管理场景相结合的实战方案分享。

3、以能力为目标：课堂带教与课间互动，力求学员掌握技能，用人单位可立即获得人力资本上的提升。

二、课程内容体系：

模块	主要内容
1、数据治理监管政策解读	（一）《银行业金融机构数据治理指引》解读（二）《银行业数据能力建设指引》解读（三）《数据能力成熟度评估模型DCMM》（重点讲解） ➢DCMM能力域架构 ➢DCMM能力等级 ➢DCMM评估意义 ➢DCMM评估模型 ➢DCMM评估流程
2、数据质量管理制度与流程建设	（一）完善数据治理统筹工作流程（二）梳理报送流程，明确职责分工，落实部门责任（三）规范数据采集加工流程，明确业务口径及技术规则（四）缺失数据补录管控流程和制度（五）管理制度与流程管理模板化解决方案 ➢模板：监管制度模板化解决方案 ➢模板：EAST数据链路管理流程 ➢模板：手工应急流程 ➢模板：数据治理整改原则与措施
3、管理制度模板化解决方案	（一）数据管理框架政策指引（二）数据质量管理办法及实施细则（三）数据质量现场与非现场检查管理办法（四）数据链路管理规程（五）数据质量评估体系及考核指标体系建设
4、数据质量流程管控	（一）数据治理业务需求边界清晰 ➢明确分阶段实施目标、需求（二）数据质量流程管控 ➢明确管理流程，落实部门职责，提升治理效果（三）建立主题域指标体系 ➢基础指标、派生指标、KPI指标（四）规范缺失数据补录管理 ➢缺失数据采集、补录流程（五）建立数据质量考核与评估体系 ➢建立自评估体系、定性一定量考核指标体系（六）建立数据质量考核体系 ➢模板：数据质量问题处理流程 ➢模板：数据质量现场检查工作流程 ➢模板：数据质量自评估模板 ➢模板：数据质量考核指标体系（定量VS定性）
5、数据治理案例分享	（一）金融行业典型案例 ➢案例：数据治理体系优化项目 ➢案例：监管报送统筹管控流程咨询项目 ➢案例：数据治理管理制度实施项目 ➢案例：数据治理咨询与管控实施项目 ➢案例：数据管控平台实施项目 ➢案例：数据治理与监管制度整改咨询项目（二）专项治理案例分享 ➢案例：银监会EAST数据治理 ➢案例：会计核算分类问题治理 ➢案例：客户信息数据治理 ➢案例：风险领域数据治理
6、数据标准、业务口径、技术规则三者之关系	（一）数据标准与业务口径 ➢业务指标口径的制定 ➢数据标准与业务口径的衔接（二）业务口径与技术规则 ➢技术加工规则的制定 ➢业务口径与技术规则的衔接（三）数据标准、业务口径、技术规则的管控 ➢利用分析模板建立三者之间的关联关系 ➢同标同源流程管控（四）规则库建设 ➢ 数据标准规则库 ➢监管报送规则库
7、数据管理知识体系	以金融行业为例，说明数据治理环境以及数据治理在行业的实践以及指导作用，体系化介绍数据管理知识体系全貌，同时还介绍各个模块之间的关系、术语、重要概念以及沟通技巧。
8、数据管理组织与职责	本章节主要介绍金融行业的数据管理组织架构体系以及职责分工，并介绍管理组织的成功关键因素、金融行业数据管理组织架构案例等，明确组织建立的方式方法。
9、数据架构	数据架构主要包括识别企业数据需求、设计维护总蓝图指导数据的集成、控制数据资产、对齐企业目标。本课程将介绍数据架构的主要工作内容以及实践实操，并说明常见问题以及其解决方案。
10、数据模型与设计	数据模型与设计包括数据建模，明确概念、逻辑、物理的数据模型层级。本节课程主要介绍数据建模的主要工作内容以及再金融行业的优秀实践，以及根据业务规则，设计数据模型，并基于业务规则对数据模型进行验证。
11、元数据管理	元数据做为描述数据属性的数据，本节课程主要介绍元数据管理的定义、类型、标准，以及元数据管理的方式方法、相关技术，并通过实践案例来加深对元数据管理的认知。培养根据实际现象，分析元数据管理存在的问题，并能够提出合理且可落地的解决方案。
12、主数据与参考数据	主数据与参考数据主要说明对数据不同的分类所划分的“最大公约数据”以及为管理提供服务的参考数据。包括对数据分类方法的说明、主数体系介绍、主数据管理方式等。分析主数据项目实施过程中应注意的重要事项，以及存在的风险。
13、数据集成和互操作	数据集成与互操作主要描述数据整合与传输的流程，本节课程主要介绍数据集成基本概念，如数据抽取、转换、加工等，数据集成模式、工作方法、工作工具等方面的内容。
14、数据仓库与商业智能	本章以数据仓库的构建以及商业智能应用的要点来介绍数据应用体系建设。包括数据仓库的构建理念、架构组件，商务智能的实施要点、与数据治理之间的关系处理。
15、文件和内容管理	文件和内容管理将针对结构化与非结构化的数据的高效整合与高效利用方式方法展开说明。从工作方式方法、工作工具等方面介绍内容管理与分发方式、术语管理、数据地图、工作流等。
16、大数据和数据科学	本章以数据仓库的构建以及商业智能应用的要点来介绍数据应用体系建设。包括数据仓库的构建理念、架构组件，商务智能的实施要点、与数据治理之间的关系处理。
17、数据质量	数据质量是衡量数据价值、数据可用性的标尺，本节课程将介绍数据质量的基本概念、常见问题以及常用工具与技术，并通过介绍金融行业的相关案例来贯通数据质量管理的实施流程，培养基于数据质量理论为企业存在的诸多数据质量问题，提出合理且可行的解决方案。
18、数据安全	数据安全主要关注常见的黑客行为、常见的系统安全风险、常见的数据滥用、常见的数据威胁、常见的恶意软件的安全规范，本节课程将介绍数据安全的技术、方法与工具，金融行业相关的数据安全法规以及实施的重点难点。
19、数据伦理	介绍数据伦理的核心概念，说明数据操作与自然人、数据所有权归属与经济价值之间的关系。说明数据伦理的准则、各国当前的伦理法规，并通过案例说明数据伦理的应用情况。
20、数据管理成熟度评估	数据管理成熟度使用成熟度评估理论（CMM），主要针对数据治理的相关工作开展评估。本节课程将介绍成熟度的基本概念、评估标准体系、评估框架、评估实操以及评估结果的使用。
21、数据管理与组织变革	数据管理组织变革将参考组织变革的Kotter法则等方法论，对比讲解数据管理与组织变革的基本概念、变革要素。并通过介绍金融行业的变革案例来说明变革的可实操性。
22、专项治理案例分享之一：客户信息数据治理解决方案	（一）客户主题定义与内涵（二）客户主数据模型建设与实践分享（三）客户信息模型建设与实践分享（四）客户信息数据质量落地检查（五）客户信息治理的保障（六）监管数据质量专项治理：EAST客户数据治理（七）1104数据中的客户数据维度分类（八）客户数据差错对各类报表的影响分析
23、专项治理案例分享之二：监管报送数据治理	（一）我国银行业监管理念的国际比较（二）我国监管报送设计理念与填报要点（三）监管报送数据治理方案与核心要点（四）复杂监管报表填报与数据校验
24、专项治理案例分享之三：管理会计数据治理	（一）银行业管理会计体系与管理价值发挥（二）管理会计工具核心要点综述（三）管理会计数据集市建设方案与治理难点（四）管理会计数据应用与管理精细化方案
25、数据高级应用场景与实现	（一）业务数字化与数字化风控中台建设方案（二）内外部数据整合与持续性风险计量（三）人工智能在风险计量中的应用（四）基于区块链的共享账簿应用与信用增强

三、课时安排

教学模式：由于疫情影响，本期课程全部采用线上网课教学模式。

课时安排：共24学时（知识体系讲解、考点精讲、金融业应用案例、GP训练营、专家答疑）

四、招生对象：

金融机构、金融科技公司从事数据相关工作的管理层领导、数据管理部、财务部门、业务部门数据分析和报表统计人员、信息科技部门、数字银行部、数字金融部、交易银行部、运营部等相关人员.

五、考试安排
考试时间：每年4次考试（3月、6月、9月、12月）

考试地点：北京、上海、广州、深圳（其他城市考点视区域学员人数再定）

考试内容：以《DAMA数据管理知识体系指南》为基础，并结合金融行业实践。

考试形式：闭卷笔试考试，题型为选择题，考试满分为100分，60分及格，且每部分成绩不得低于40%。

六、颁发证书：

1、学员通过培训及考试合格后，即可获得由“国际数据管理协会DAMA中国”颁发的《数据治理工程师》权威认证证书。

2、所获证书进入“国际数据管理协会DAMA中国”证书管理库，学员证书通过区块链技术进行防伪认证，社会机构和个人可通过证书上的二维码查询真伪。