CDMP

CDMP 学習ガイド

DAMA-DMBOK 2nd Edition 準拠 — Fundamentals & Specialist

100問出題数
110分試験時間
14トピック
3認定レベル

認定レベル & 合格基準

Associate
60%
Fundamentals のみ
Specialist 試験：不要
業界経験：6ヶ月〜5年
Practitioner
70%
Fundamentals + Specialist ×2
Specialist 試験：各70%以上
業界経験：2〜10年
Master
80%
Fundamentals + Specialist ×2
Specialist 試験：各80%以上
業界経験：10年以上
最重要トピック（高配点 11%×4 = 44点）
02 データガバナンス
11% — 約11問
04 データモデリング
11% — 約11問
11 メタデータ管理
11% — 約11問
12 データ品質
11% — 約11問
DAMA Wheel — 知識領域の全体像
Data Governance 11% Data Architecture 6% Data Modelling 11% Data Storage & Ops 6% Data Security 6% Data Integration 6% Documents & Content 6% Reference & Master Data 10% DW & BI 10% Metadata Mgmt 11% Data Quality 11%
DMBOK 各章の共通構造 — この構造を把握すると知らない問題も推測できる
1Introduction
→
2Business Drivers
→
3Goals & Principles
→
4Essential Concepts
→
5Activities
→
6Tools & Techniques
→
7Implementation
→
8Metrics

学習フェーズ（全24週間）

Phase 0 Week 1
試験概要 & DMBOK全体像の把握
試験形式・出題範囲を確認。DAMA Wheelの14トピックと配点を頭に入れる。
Phase 1 Week 2〜5
Fundamentals 14トピック 一周（理解優先）
各トピックの「概要.md」を読み通す。暗記より理解を優先。
Phase 2 Week 6〜9
重点トピック深掘り + 練習問題
高配点トピック（11%×4）を中心に深掘り。各トピックの練習問題を解く。
Phase 3 Week 10〜11
模擬試験 × 3回 → 弱点補強
100問の模擬試験を3回実施。間違いパターンを分類して弱点を補強する。
Phase 4 Week 12
最終復習・用語確認
チートシート・重要用語集で最終確認。新しい範囲には手を出さない。
試験 Associate 受験
CDMP Fundamentals Exam
目標：60%以上
Phase 5 Week 13〜16
Specialist 2科目 集中学習
自分の実務経験に近い2科目を選択。各概要の「Specialist深掘りセクション」を重点学習。
試験 Practitioner 受験
Fundamentals 70% + Specialist 各70%
Associateより高いスコアで Fundamentals を再受験 + Specialist 2科目
Specialist 科目の選び方
あなたの役割推奨 Specialist 組み合わせ
データエンジニア DI&I + DW&BI
データアナリスト Data Quality + Metadata
データアーキテクト Data Modelling + Architecture
データスチュワード Governance + MDM
学習戦略 4原則
1
高配点トピックを先に固める
11%トピック×4 = 44点。ここを90%取れれば40点が確保できる。
2
DMBOK章構造を意識して読む
各章の共通構造を把握すると未知の問題も推測できる。
3
「なぜ間違えたか」を記録する
理解不足 / 読み間違い / 知識不足 の3種類に分類する。
4
実務経験に近いSpecialistを選ぶ
試験の70%は実務事例に基づいた問題。経験がある分野が圧倒的に有利。
合格チェックリスト — Associate
  • 14トピック全て一読
  • 各トピックの練習問題を80%以上正解
  • 模擬試験（100問）を60%以上 × 3回連続
  • 重要用語集を全暗記
出題割合ランキング
全14トピック一覧
#トピック割合優先度
02データガバナンス11%★★★
04データモデリングと設計11%★★★
11メタデータ管理11%★★★
12データ品質11%★★★
09参照データとMDM10%★★★
10データウェアハウジングとBI10%★★★
03データアーキテクチャ6%★★★
05データストレージと運用6%★★☆
06データセキュリティ6%★★☆
07データ統合と相互運用性6%★★☆
08ドキュメントとコンテンツ管理6%★★☆
01データ管理プロセス2%★★☆
13ビッグデータ2%★★☆
14データ倫理2%★★☆
ガバナンス組織の階層構造
Chief Data Officer CDO — 最高データ責任者 Data Governance Council 戦略的意思決定 (CXO level) Data Governance Office (DGO) 日常的な調整・支援 Stewardship Committee Data Stewards の集合体 Data Steward ビジネス側 — ドメインの 説明責任者 Data Custodian IT側 — 物理的な データ管理担当 ⚠ 試験頻出：ビジネス vs IT の区別 Data Steward = ビジネス側（内容の責任） Data Custodian = IT側（技術的管理）
ガバナンス運用モデル
🏢
Centralized
集中型
CDO/DGOが一元管理。一貫性高いが柔軟性低い
🌐
Federated
連邦型
各部門が自律的に管理。柔軟だが一貫性確保が課題
⚖️
Hybrid
ハイブリッド型 ← 最も一般的
集中管理 + 分散自律の組み合わせ。現実的で多くの組織が採用。
RACI モデル
記号意味説明
R Responsible 実際の作業を実行する責任を持つ
A Accountable 最終的な説明責任を持つ（1タスクに1人）
C Consulted 意見・アドバイスを求められる
I Informed 進捗・結果について情報提供される
ポリシー階層構造（強制力の順）
Policy
Mandatory
「何をすべきか／すべきでないか」の原則。違反はペナルティ対象。
例：「個人データは暗号化して保存する」
Standard
Mandatory
ポリシーを満たす具体的な基準。
例：「AES-256暗号化を使用する」
Procedure
Mandatory
標準を実現するための手順書。
例：「暗号化設定の手順書」
Guideline
Optional
ベストプラクティスの推奨。違反しても必須違反ではない。
例：「鍵管理のベストプラクティス集」
データ品質の6次元（必須暗記）
Dimension 1
Completeness
完全性
必要な値がすべて存在しているか
例：必須項目のNULL率を測定
Dimension 2
Accuracy
正確性
現実世界の実態と一致しているか（内容的正しさ）
例：住所が実在する場所か
Dimension 3
Consistency
一貫性
複数のシステム・ソース間で矛盾がないか
例：同一顧客IDが異なる名前を持つ
Dimension 4
Timeliness
適時性
必要なタイミングでデータが利用可能か
例：レポートが当日中に更新されるか
Dimension 5
Validity
妥当性
定義されたルール・形式に適合するか（形式的正しさ）
例：日付形式がYYYY-MM-DDか
Dimension 6
Uniqueness
一意性
重複するレコードが存在しないか
例：同一顧客のレコードが複数存在しない
⚠ よく混同される：Accuracy vs Validity
Accuracy（正確性） = 現実・実態との一致（内容が正しいか）
例：「東京都千代田区1-1-1」が実在するか
Validity（妥当性） = ルール・形式への適合（形式が正しいか）
例：「2024-01-32」は形式は整っているが無効な日付
4つのアプローチ（コスト効率順）
1
Prevention（予防）← 最優先
入力段階のバリデーション。最もコスト効率が良い。
2
Detection（検出）
品質問題の発見・測定（プロファイリング）
3
Correction（修正）
問題データのクレンジング・修正
4
Root Cause Elimination（根本原因除去）
問題の根本原因を特定し除去する
修正コストの法則（1:10:100）
1
入力時に修正
→
10
開発・テスト段階で修正
→
100
本番稼働後に修正
データを入力時点で正しくすることが最もコスト効率が良い
データプロファイリングのサイクル
プロファイリング
→
問題の発見
→
根本原因分析
→
修正
→
再プロファイリング ↺

データガバナンス — 練習問題

選択肢をクリックして回答してください

スコア: 0 / 0
データガバナンス
用語定義・ポイント
Data Stewardビジネス側 ドメインの説明責任者
Data CustodianIT側 物理的なデータ管理担当
CDOChief Data Officer — データ戦略の最高責任者
DGOData Governance Office — 日常的な調整・支援
成功の最重要要因Executive Sponsorship 経営層のコミットメント
3要素People + Process + Technology
最も一般的モデルHybrid（集中型 + 連邦型の組み合わせ）
データ品質
用語定義・ポイント
Completeness完全性 — 必要な値が存在するか
Accuracy正確性 — 現実との一致（内容的正しさ）
Validity妥当性 — ルール・形式への適合（形式的正しさ）
Consistency一貫性 — 複数ソース間で矛盾なし
Timeliness適時性 — 必要な時に利用可能
Uniqueness一意性 — 重複がない
最優先アプローチPrevention（予防） 最もコスト効率が良い
コストの法則入力時:開発時:本番後 = 1:10:100
データモデリング（11%）
用語ポイント
CDM/LDM/PDM概念→論理→物理モデル（抽象→具体）
1NF/2NF/3NF第1〜3正規形（順に従属性を除去）
スタースキーマDWH向け：ファクト + 非正規化ディメンション
SCD Type 2新行追加 + 有効日付（完全な履歴保持）
データアーキテクチャ
用語ポイント
TOGAF最広用EAフレームワーク（4ドメイン）
Data Lake生データ格納 — Schema-on-Read
Data LakehouseData Lake + DWHの統合アーキテクチャ
Data Meshドメイン分散型・データプロダクト指向
メタデータ管理（11%）
種別説明
Business Metadata用語・定義・ビジネスルール
Technical Metadataスキーマ・データ型・テーブル構造
Operational Metadataログ・実行履歴・品質スコア
Data Lineageデータの出所・変換履歴の追跡
Data Catalogメタデータのインベントリ・検索ツール
DAMA用語（データ管理プロセス）
用語定義
DAMAData Management Association International
DMBOKData Management Body of Knowledge
DAMA Wheel中心：Data Governance / 外周：10知識領域
DIKWピラミッドData → Information → Knowledge → Wisdom
データライフサイクル計画→設計→作成→維持→強化→廃棄
試験直前 最重要ポイント
  • ▸Steward=ビジネス側 / Custodian=IT側（毎回出る）
  • ▸ガバナンス成功の最重要要因 = Executive Sponsorship
  • ▸DQ 6次元：最も重要かつ紛らわしい = Accuracy vs Validity
  • ▸DQ最優先アプローチ = Prevention（予防）
  • ▸DAMA Wheelの中心 = Data Governance
  • ▸Policy > Standard > Procedure > Guideline（強制力の順）

全学習リソース

各ページには 概要・チートシート・練習問題・ケーススタディ が含まれています

14 トピック詳細ページ
TOPIC 02
データガバナンス
11%★★★
TOPIC 04
データモデリングと設計
11%★★★
TOPIC 11
メタデータ管理
11%★★★
TOPIC 12
データ品質
11%★★★
TOPIC 09
参照データとMDM
10%★★★
TOPIC 10
データウェアハウジングとBI
10%★★★
TOPIC 03
データアーキテクチャ
6%★★★
TOPIC 05
データストレージと運用
6%★★☆
TOPIC 06
データセキュリティ
6%★★☆
TOPIC 07
データ統合と相互運用性
6%★★☆
TOPIC 08
ドキュメントとコンテンツ管理
6%★★☆
TOPIC 01
データ管理プロセス
2%
TOPIC 13
ビッグデータ
2%
TOPIC 14
データ倫理
2%
学習ツール
🃏
フラッシュカード
128枚・14トピック対応・フリップアニメーション・要復習管理
📋
模擬試験（本番形式50問）
110分タイマー・問題ナビ・トピック別正答率・全問解説
🔧
実務適用ガイド
CDMP知識の実務活用・成熟度アセスメント・アクションチェックリスト
🎯
スペシャリスト試験ガイド
Practitioner/Master向け・科目別対策・6週間学習タイムライン