Bài 1

Tổng quan DMBOK & DAMA Wheel

DAMA-DMBOK2 (Data Management Body of Knowledge, ấn bản 2) là khung kiến thức chuẩn của ngành quản trị dữ liệu. Bài này giới thiệu DAMA International, định nghĩa Data Management, 7 nguyên tắc dẫn dắt, DAMA Wheel với 11 Knowledge Areas, cấu trúc "context diagram" chuẩn của mỗi chương, và con đường trưởng thành dữ liệu cùng chứng chỉ CDMP.

DAMA International & DMBOK2 là gì
Nguồn gốc, lịch sử & mục đích

DAMA International (The Data Management Association) là hiệp hội nghề nghiệp phi lợi nhuận, độc lập với nhà cung cấp (vendor-neutral), quy tụ những người làm nghề quản trị dữ liệu trên toàn cầu. DAMA biên soạn và duy trì DMBOK — Data Management Body of Knowledge: bộ khung tổng hợp các nguyên tắc, khái niệm, quy trình và thông lệ tốt nhất (best practices) của nghề.

DMBOK2 (2017) là ấn bản thứ hai, mở rộng đáng kể so với DMBOK1 (2009): thêm các vùng như Data Integration & Interoperability, Big Data & Data Science, và tái tổ chức toàn bộ nội dung quanh DAMA Wheel. Mục đích của cuốn sách là cung cấp một ngôn ngữ chung, một khung tham chiếu thống nhất để các tổ chức xây dựng, đánh giá và cải thiện năng lực quản trị dữ liệu, đồng thời làm nền tảng kiến thức cho chứng chỉ CDMP.

Yếu tốNội dung
Tổ chứcDAMA International — hiệp hội nghề, vendor- & technology-neutral.
Ấn phẩmDMBOK1 (2009) → DMBOK2 (2017), đồng biên soạn bởi cộng đồng chuyên gia toàn cầu.
Mục đíchChuẩn hoá thuật ngữ, khung quy trình, best practices; làm cơ sở cho CDMP.
Đối tượngData professionals, kiến trúc sư, quản lý dữ liệu, lãnh đạo, sinh viên.
Data Management & dữ liệu là tài sản
Data as an asset

DMBOK định nghĩa: Data Management là việc phát triển, thực thi và giám sát các kế hoạch, chính sách, chương trình và thực hành nhằm cung cấp, kiểm soát, bảo vệ và nâng cao giá trị của dữ liệu và tài sản thông tin trong suốt vòng đời của chúng.

Nền tảng của toàn bộ khung là quan điểm dữ liệu là một tài sản (data as an asset): dữ liệu là nguồn lực có giá trị kinh tế, tương tự tài sản tài chính hay vật chất, nên phải được quản lý một cách chủ ý, có kỷ luật. Một số hệ quả quan trọng:

Cốt lõi: Vì dữ liệu là tài sản chung được chia sẻ trong tổ chức, nó cần được quản trị (governed) — có người chịu trách nhiệm, có chính sách, có kiểm soát — chứ không thể để mỗi phòng ban tự làm rời rạc.
7 Guiding Principles của DMBOK
Những nguyên tắc dẫn dắt cốt lõi

DMBOK2 nêu một tập nguyên tắc dẫn dắt cho quản trị dữ liệu. Có thể tóm tắt thành bảy nguyên tắc then chốt:

#Nguyên tắcGiải thích
1Data is an asset — Dữ liệu là tài sảnDữ liệu là tài sản có đặc tính riêng (dùng không hết, giá trị theo ngữ cảnh) và phải được quản lý như tài sản.
2Value can be measured — Giá trị đo đượcDữ liệu có giá trị kinh tế; tổ chức nên tìm cách định lượng chi phí và lợi ích để đầu tư hợp lý.
3Managing data means managing qualityMục tiêu quản trị là cung cấp dữ liệu đáp ứng nhu cầu người dùng — tức là quản trị chất lượng.
4Metadata is required — Cần metadataMuốn quản trị dữ liệu phải có metadata (dữ liệu về dữ liệu): mô tả, ý nghĩa, nguồn gốc, quy tắc.
5Planning is essential — Cần kế hoạchQuản trị dữ liệu đòi hỏi kế hoạch bài bản, không phải phản ứng tình huống; gắn với chiến lược.
6Cross-functional & shared responsibilityQuản trị dữ liệu là trách nhiệm liên chức năng: cần cả business lẫn IT, đòi hỏi kỹ năng đa dạng và hợp tác.
7Enterprise perspective & lifecycleQuản trị theo góc nhìn toàn doanh nghiệp và toàn vòng đời dữ liệu; các yêu cầu khác nhau ở từng giai đoạn.
Ghi nhớ: Bảy nguyên tắc này chính là "tinh thần" xuyên suốt cả cuốn — bất kỳ Knowledge Area nào bạn học sau này đều là hiện thực hoá các nguyên tắc này trong một phạm vi cụ thể.
DAMA Wheel — Data Governance ở trung tâm
1 lõi + 10 vùng bao quanh

Biểu tượng nổi tiếng nhất của DMBOK2 là DAMA Wheel (Bánh xe DAMA): một vòng tròn với Data Governance ở trung tâm10 Knowledge Area khác bao quanh. Ý nghĩa: mọi vùng chức năng đều phải được điều phối và định hướng bởi Data Governance — governance là "trục" giữ cho toàn bộ hoạt động dữ liệu nhất quán.

Vị tríKnowledge AreaVai trò trong bánh xe
Trung tâmData GovernanceTrục điều phối: authority, control, shared decision-making cho tất cả các vùng.
VànhData ArchitectureKhung cấu trúc tổng thể của dữ liệu doanh nghiệp.
VànhData Modeling & DesignThiết kế mô hình dữ liệu chi tiết.
VànhData Storage & OperationsVận hành, lưu trữ, sao lưu, phục hồi CSDL.
VànhData SecurityBảo mật, quyền truy cập, tuân thủ quyền riêng tư.
VànhData Integration & InteroperabilityDi chuyển & hợp nhất dữ liệu giữa các hệ thống (ETL, API...).
VànhDocument & Content ManagementQuản lý dữ liệu phi cấu trúc, tài liệu, nội dung.
VànhReference & Master DataQuản lý dữ liệu tham chiếu & dữ liệu chủ (MDM).
VànhData Warehousing & Business IntelligenceKho dữ liệu, báo cáo, phân tích hỗ trợ ra quyết định.
VànhMetadata ManagementThu thập, tổ chức, quản lý metadata.
VànhData QualityĐo lường, giám sát, cải thiện chất lượng dữ liệu.
Lưu ý: DAMA Wheel có 11 vùng (1 lõi + 10 vành). Ngoài ra DMBOK2 còn có các chương "bao ngữ cảnh" (environmental elements) như Big Data & Data Science, Data Ethics, và các chương về con người/tổ chức — nhưng khi nói "Wheel" người ta thường chỉ 11 KA chính.
11 Knowledge Areas — mô tả nhanh
Bản đồ toàn cuốn
#Knowledge AreaMô tả một dòng
1Data GovernanceThực thi quyền lực & kiểm soát chung đối với việc quản lý tài sản dữ liệu.
2Data ArchitectureXác định bản thiết kế tổng thể cho dữ liệu, gắn với chiến lược doanh nghiệp.
3Data Modeling & DesignKhám phá, phân tích, biểu diễn yêu cầu dữ liệu qua mô hình (conceptual/logical/physical).
4Data Storage & OperationsThiết kế, triển khai & vận hành lưu trữ dữ liệu để tối ưu giá trị.
5Data SecurityĐảm bảo quyền riêng tư, bảo mật & kiểm soát truy cập phù hợp.
6Data Integration & InteroperabilityDi chuyển & hợp nhất dữ liệu trong và giữa các kho, ứng dụng, tổ chức.
7Document & Content ManagementQuản lý vòng đời dữ liệu & thông tin phi cấu trúc (tài liệu, hồ sơ, nội dung).
8Reference & Master DataQuản lý dữ liệu chia sẻ để giảm dư thừa & đảm bảo dữ liệu chất lượng, nhất quán.
9Data Warehousing & BIQuản lý xử lý dữ liệu phân tích & cung cấp dữ liệu hỗ trợ ra quyết định.
10Metadata ManagementThu thập, phân loại, tích hợp, kiểm soát & cung cấp metadata chất lượng.
11Data QualityLập kế hoạch, triển khai & kiểm soát để đảm bảo dữ liệu phù hợp mục đích sử dụng.
Cấu trúc "Context Diagram" chuẩn
Chìa khoá đọc cả cuốn DMBOK2

Mỗi chương Knowledge Area trong DMBOK2 mở đầu bằng một Context Diagram theo một khuôn mẫu chung. Hiểu khuôn mẫu này là hiểu cách đọc cả cuốn: nó mô tả một vùng chức năng như một quy trình có đầu vào, hoạt động và đầu ra, cùng những bên liên quan và công cụ.

Thành phầnÝ nghĩaVí dụ
DefinitionĐịnh nghĩa vùng chức năng."Data Quality là..."
GoalsMục tiêu cần đạt của vùng.Cung cấp dữ liệu phù hợp mục đích.
InputsĐầu vào cần có để bắt đầu hoạt động.Chiến lược, chính sách, dữ liệu, yêu cầu nghiệp vụ.
ActivitiesCác hoạt động chính (thường chia Plan / Develop / Operate / Control).Định nghĩa quy tắc, đo lường, cải thiện.
DeliverablesĐầu ra / sản phẩm của vùng.Mô hình dữ liệu, báo cáo chất lượng, chính sách.
SuppliersBên cung cấp inputs.Data owners, executives, cơ quan quản lý.
ParticipantsNgười thực hiện hoạt động.Data stewards, kiến trúc sư, DBA, analyst.
ConsumersBên sử dụng deliverables.Người dùng nghiệp vụ, ứng dụng, downstream systems.
ToolsCông cụ hỗ trợ.Phần mềm modeling, profiling, catalog.
TechniquesKỹ thuật/phương pháp áp dụng.Profiling, chuẩn hoá, matching.
MetricsChỉ số đo hiệu quả vùng.Tỉ lệ lỗi, độ phủ metadata, thời gian xử lý.
Mẹo học: Ba yếu tố Suppliers → Participants → Consumers chính là mô hình SIPOC quen thuộc, gắn với Inputs → Activities → Deliverables. Khi đọc bất kỳ KA nào, hãy tự trả lời: Ai cấp đầu vào? Ai làm? Ra cái gì? Ai dùng?
Data Management Maturity & CDMP
Đo trưởng thành & chứng chỉ nghề

Data Management Maturity Assessment (DMMA) đánh giá mức độ trưởng thành năng lực dữ liệu của tổ chức theo thang 5–6 cấp (dựa trên tinh thần CMMI). Kết quả giúp xác định khoảng cách và lập lộ trình cải thiện.

CấpTênĐặc điểm
0No CapabilityKhông có quy trình chính thức; dữ liệu quản lý tuỳ tiện.
1Initial / Ad HocLàm theo cá nhân, phụ thuộc người, không đồng nhất.
2RepeatableBắt đầu có quy trình lặp lại, có công cụ & vai trò cơ bản.
3DefinedQuy trình chuẩn hoá, tài liệu hoá, áp dụng toàn tổ chức.
4ManagedCó đo lường, chỉ số, quản lý dựa trên metrics.
5OptimizedCải tiến liên tục, tự động hoá, tối ưu hoá quy trình.

CDMP (Certified Data Management Professional) là chứng chỉ nghề của DAMA International, dựa trực tiếp trên nội dung DMBOK. Đây là con đường công nhận năng lực chuyên môn cho data professionals.

Cấp CDMPĐiểm yêu cầu (bài thi Fundamentals)Ghi chú
Associate≥ 60%Cho người mới vào nghề / ít kinh nghiệm.
Practitioner≥ 70% + kinh nghiệmCần thêm bài thi chuyên môn (specialist exams).
Master≥ 80% + kinh nghiệmTrình độ cao, chứng minh chuyên sâu.
FellowXét công trạngDanh hiệu cho đóng góp xuất sắc cho nghề.
Cách thi: Bài thi Data Management Fundamentals gồm 100 câu trắc nghiệm trong 90 phút, phủ toàn bộ các Knowledge Area (tỉ trọng lớn cho Data Governance, Modeling, Metadata, Quality...). Được dùng bản DMBOK2 tham khảo (open-book một phần). Đây là bài thi nền tảng bắt buộc cho mọi cấp.
Chiến lược học: Nắm chắc DAMA Wheel, 7 nguyên tắc và cấu trúc context diagram trước; sau đó đi sâu từng KA. Các bài tiếp theo trong series này sẽ đi lần lượt từng Knowledge Area theo đúng cấu trúc 8 phần của DMBOK.
← Quay lại
DMBOK