El DMBOK (Data Management Body of Knowledge) organiza todo el conocimiento de gestión de datos en 11 Áreas de Conocimiento (Knowledge Areas o KAs). Entender qué cubre cada una — y cómo se conectan entre sí — es la clave para aprobar el CDMP y para implementar una estrategia de datos efectiva en cualquier organización.
1. Data Governance (11% del examen)
Es el área central del DMBOK. Data Governance define las políticas, roles, responsabilidades y procesos de toma de decisiones sobre los datos. Piensa en ella como el "gobierno" que establece las reglas del juego.
- Frameworks de gobernanza (operativo vs estratégico)
- Roles: CDO, Data Owner, Data Steward
- Políticas de datos, estándares, procedimientos
- Métricas de madurez de data management
2. Data Architecture (6% del examen)
Define la estructura de datos a nivel empresarial: cómo fluyen los datos, dónde se almacenan y cómo se integran los sistemas. Es el plano maestro de tu ecosistema de datos.
- Enterprise Data Model (conceptual, lógico, físico)
- Data flow diagrams
- Frameworks: Zachman, TOGAF
- Arquitectura de integración y distribución
3. Data Modeling & Design (11% del examen)
El proceso de representar datos en modelos formales. Cubre desde modelos conceptuales de alto nivel hasta el diseño físico de tablas y columnas.
- Modelos conceptuales, lógicos y físicos
- Notaciones: IE, UML, dimensional (Kimball)
- Normalización y desnormalización
- Patrones: star schema, snowflake, Data Vault
4. Data Storage & Operations (6% del examen)
Cubre el almacenamiento físico de datos y las operaciones para mantenerlos disponibles, seguros y performantes.
- Bases de datos relacionales, NoSQL, cloud storage
- Administración de bases de datos (DBA)
- Backup, recovery y alta disponibilidad
- Gestión del ciclo de vida del almacenamiento
5. Data Security (6% del examen)
Protección de datos contra acceso no autorizado, modificación o destrucción. Área de peso estándar con cobertura en clasificación, acceso y regulaciones.
- Clasificación de datos (pública, interna, confidencial, restringida)
- Control de acceso (RBAC, ABAC)
- Regulaciones: GDPR, HIPAA, SOX
- Enmascaramiento, cifrado, anonimización
- Auditoría y monitoreo de acceso
6. Data Integration & Interoperability (6% del examen)
Cómo mover y combinar datos entre sistemas de forma confiable y consistente.
- ETL/ELT, data pipelines
- APIs y servicios de datos
- Formatos de intercambio (JSON, XML, Parquet)
- Data virtualization y federation
- Gestión del linaje de datos
7. Document & Content Management (6% del examen)
Gestión de datos no estructurados: documentos, imágenes, correos, contenido web. A menudo subestimada pero presente en el examen.
- ECM (Enterprise Content Management)
- Taxonomías y clasificación de contenido
- Records management y retención
- Digital Asset Management (DAM)
8. Reference & Master Data (10% del examen)
Gestión de los datos compartidos y de referencia que cruzan toda la organización — clientes, productos, ubicaciones, códigos.
- Master Data Management (MDM)
- Golden record y resolución de duplicados
- Datos de referencia (códigos de país, monedas, estados)
- Arquitecturas MDM: registry, consolidation, coexistence
9. Data Warehousing & Business Intelligence (10% del examen)
Cómo organizar datos para análisis y toma de decisiones. Incluye desde el diseño del data warehouse hasta la visualización final.
- Data warehouse, data mart, data lake
- Dimensional modeling (hechos y dimensiones)
- OLAP, cubos, drill-down
- Reportes, dashboards, analítica avanzada
10. Metadata Management (11% del examen)
Los datos sobre los datos. Metadata conecta todas las demás áreas y habilita la gobernanza efectiva — una de las áreas de mayor peso en el examen.
- Metadata técnica, de negocio y operacional
- Catálogos de datos y glosarios
- Linaje y trazabilidad de datos
- Estándares de metadata (Dublin Core, ISO 11179)
11. Data Quality (11% del examen)
Asegurar que los datos sean confiables, completos y útiles para su propósito. Crucial tanto para el examen como para la práctica real.
- 6 dimensiones: precisión, completitud, consistencia, oportunidad, validez, unicidad
- Perfilado de datos (data profiling)
- Reglas de calidad y monitoreo
- Remediación y mejora continua
¿Cómo se interrelacionan?
Las 11 áreas no existen en aislamiento. Data Governance está en el centro porque sus políticas y estándares afectan a todas las demás. Algunas conexiones clave:
- Metadata → todas las áreas: sin metadata, no puedes gobernar, integrar ni asegurar la calidad de nada
- Data Quality → Data Integration: la calidad se degrada en cada movimiento de datos
- Data Architecture → Data Modeling: la arquitectura define el contexto; el modelado define la estructura
- Data Security → Data Governance: las políticas de seguridad implementan las decisiones de gobernanza
- Reference Data → DW & BI: los datos maestros son la base de análisis consistente
Estrategia para el examen
Las áreas se dividen en tres grupos por peso: 4 áreas al 11% (DG, DM, DQ, MM), 2 áreas al 10% (RMD, DW/BI), y 5 áreas al 6% (DA, DSO, DS, DI, DC). Tu estrategia debería ser:
- Domina las 6 áreas de alto y medio peso — representan el ~64% del examen
- Cubre las 5 áreas de bajo peso — no las ignores, ~30% puede hacer la diferencia
- Entiende las conexiones — muchas preguntas evalúan cómo las áreas se relacionan
- Piensa como líder — el examen premia el pensamiento estratégico sobre el técnico
Con FlowPrep Data puedes estudiar cada área con lecciones adaptativas, practicar con simulacros por área, y rastrear tu progreso para saber exactamente dónde enfocar tu tiempo.