Electif Gestion des metadonnées (CDMP Practionner/Master) avec PRICEWATERHOUSECOOPERS ADVISORY

Avec la digitalisation croissante de l’économie, la généralisation des réseaux sociaux et l’avènement des objets connectés, la donnée devient plus que jamais un enjeu majeur pour l’ensemble des entreprises. Plus qu’un simple produit issu des échanges avec les clients ou de l’enchaînement de processus métier, la donnée est désormais un actif à part entière de l’entreprise, qui permet d’en dégager une valeur considérable, mais qui nécessite également une gestion rigoureuse par les différents acteurs de l’entreprise. DAMA, à travers le DMBOK v2, a rassemblé et défini une vue standardisée de l’ensemble des activités et fonctions de Data Management, assortie d’une terminologie et d’un ensemble de bonnes pratiques. Cette vue couvre l’ensemble de la connaissance et des pratiques nécessaires pour appréhender et aborder avec confiance la pratique de Data Management : gouvernance, sécurité, architecture, qualité, métadonnées… La formation sur les « fondamentaux en data management » propose de faire un tour d’horizon théorique et pratique sur cet ensemble vaste et fourni que constitue le Data Management et de préparer le passage de la certification CDMP Associate. Cette formation a permis de faire bénéficier d'un taux de réussite à l'examen CDMP Associate de plus de 96% et d'un taux de satisfaction de 9,1/10 (sur les sessions de 2021)

Pierre angulaire de la gestion des données, la mise sous contrôle qualité des données est une étape obligatoire pour considérer ses données comme un actif. Par où commencer ? Comment mesurer la qualité des données ? Quels processus et outils doivent être déployés ? A travers l'expérience des consultants de Pramana et en s'appuyant sur les bonnes pratiques issues d'ouvrages de référence, Pramana University propose une formation permettant d’une part de clarifier les concepts clés, mais également de pouvoir opérationnaliser des activités de gestion de la qualité des données. Elle apporte ainsi non seulement des clés de lecture théoriques, mais également une vue pratique sur le sujet via la réalisation de cas pratiques (définir des règles de qualité des données, profiler les données, résolution de doublons, etc ...) ainsi que de démonstration outillé (identification de cause racine, corrigé des données, utiliser un tableau de bord, etc ...)