DMBOK 是什麼？17 章完整導讀與 CDMP 備考指南【2026 最新】
2026年3月28日 上午 9:26
預設類別DMBOK（Data Management Body of Knowledge）是由 DAMA International 出版的資料管理知識體系，全書涵蓋資料治理、資料架構、資料品質等 17 個章節，是全球資料從業人員的共通語言，也是 CDMP 認證考試的核心教材。無論你是工程師、PM 還是管理者，這本書都能幫你建立系統化的資料管理思維。本文將帶你逐章了解 DMBOK 的內容架構、閱讀建議，以及如何銜接 CDMP 備考規劃。
DMBOK 是什麼？一本定義「資料管理」的國際標準
DMBOK 的全稱是 Data Management Body of Knowledge，中文常譯為「資料管理知識體系」。它是由國際資料管理協會 DAMA International 出版的專業參考書，目的是將資料管理這門學問從零散的實務經驗，整理成一套結構化、可重複運用的知識框架。
你可以把 DMBOK 想像成資料管理領域的「教科書 + 百科全書」。就像 PMBOK 之於專案管理、ITIL 之於 IT 服務管理，DMBOK 為資料管理定義了共通的術語、原則與最佳實踐，讓不同組織、不同角色的人在討論「怎麼管好資料」時，有一致的參考基準。
根據 DAMA International 官方資訊，DMBOK 自 2009 年發布第一版以來持續演進。2024 年 4 月發布了 Revision 2 的更新版本，而第三版預計於 2027 年第二季問世，届時將加入 AI、雲端（Cloud）與現代資料平台（Modern Data Platforms）等新興議題。這也反映了 DMBOK 並非一成不變的靜態教材，而是隨產業趨勢持續迭代的活知識體系。
DMBOK 涵蓋哪些內容？17 章架構全覽
DMBOK 全書共 17 個章節，聚焦於 11 個知識領域，如 DAMA Wheel 所呈現，包含介紹、原則與定義、活動、工具和技術、最佳實踐等實用內容，可作為企業整治資料的參考方針，這些主要知識領域位於 DMBOK 的 第三章 ~ 第十三章
那些不在 DAMA Wheel 的那些章節，分別是 第一章 (資料管理)，第二章（資料倫理），第十四章 (巨量資料與資料科學) ，第十五章 (資料管理成熟度評估)， 第十六章(資料管理組織架構與角色職責期待) 與第十七章 (資料管理組織與文化變革)，也是非常值得閱讀的內容。
接著介紹，全書的目錄與閱讀建議。
DMBOK 目錄
這張表包含各章節的摘要——你可以把它當作一份索引，找到你最關心的章節，再往下讀對應的導讀。 閱讀時，雖然可以不按照順序，但是強烈建議先讀過第一章，其中包含書的架構介紹。
有些章節之間有關聯，比如第四章 (資料架構) 與 第五章 (資料建模與設計)；第三章 (資料治理) 與第十五章 (資料管理成熟度評估)， 第十六章(資料管理組織架構與角色職責期待) 與第十七章 (資料管理組織與文化變革)。
| 章節編號 | 章節名稱 | 重點摘要 |
|---|---|---|
| 1 | 資料管理 | 資料是具備獨特屬性的企業資產。資料管理是貫穿資料生命週期的規劃與控制過程，旨在提升資料價值並降低相關風險。確保資料品質與管理元資料為獲取價值的基礎，而這一切需以『資料治理』為核心樞紐來推動。執行此任務仰賴跨部門協作與領導層的承諾，多種知識框架則提供了業務與技術戰略對齊的結構化指引。 |
| 2 | 資料倫理 | 資料處理倫理關注資料生命週期中的正當性與風險控制。其核心建構於尊重個人、行善與公平正義等貝爾蒙特原則。組織必須超越單純的法律合規（如 GDPR 等隱私框架），主動防範資料偏見與誤用，並落實隱私設計。建立倫理文化需要制定明確策略，結合資料治理進行風險監控，並透過『倫理風險模型』審查資料專案，最終將道德責任轉化為組織的信任資本與競爭優勢。 |
| 3 | 資料治理 | 資料治理確立對資料資產的權威與控制，其核心在於落實『監督與執行』的職能分離。此過程定義跨組織的資料決策權與營運架構。核心行動包含制定策略、建立政策與標準，並培育資料管家與建置業務術語表。透過推動組織變革與問題管理，治理機制能有效降低風險、提升資料品質、確保法規遵循，並具體評估資料的商業價值，最終確保資料治理成為可衡量的永續企業職能。 |
| 4 | 資料架構 | 資料架構負責評估當前資料狀態，並界定滿足企業長期需求的主藍圖與共同業務詞彙。此過程作為其他企業架構領域的基礎，建立起連結業務策略與技術執行的標準，旨在優化營運並創造商業價值。核心行動包含發展路線圖，並產出企業資料模型與資料流設計。最終透過架構治理，確保各項專案的漸進開發皆符合企業一致性規範。 |
| 5 | 資料建模與設計 | 資料建模是發現、分析並精確呈現資料需求的過程。此行動涵蓋概念、邏輯與實體模型的反覆構建，能適應多樣化的儲存技術與分析情境。模型建立標準化的共通詞彙，描繪實體與屬性的關聯，不僅是業務與 IT 團隊間的核心溝通工具，也是保留企業系統記憶的載體。其設計產出不僅為新舊系統的開發與整合提供可重複使用的基礎藍圖，其蘊含的元資料更是推動資料治理與主資料管理等進階應用的關鍵基石。 |
| 6 | 資料儲存與運營 | 資料儲存與營運負責設計、建置與支援實體資料儲存，以在整個資料生命週期中最大化其價值。此行動包含資料庫技術支援與營運支援兩大活動，管理資料資產的可用性、完整性與交易效能。資料庫管理員執行備份、復原與效能調校等技術任務。此管理過程也確保技術架構符合法規要求並支援營運連續性。 |
| 7 | 資料安全 | 資料安全旨在規劃、開發並執行安全政策與程序，以提供適當的資料存取並防止不當使用。此過程涵蓋風險評估、身分驗證、授權管理、權限賦予與存取稽核等核心行動，並以元資料為驅動基礎。安全標準與分類架構必須與法規規範及業務隱私需求緊密對齊。透過實施加密、資料遮罩、持續監控及人員資安意識培訓，組織能有效防禦安全威脅並降低機密外洩風險。 |
| 8 | 資料整合與互通性 | 資料整合與互通性處理跨系統資料的移動與合併。此過程執行資料的萃取、轉換與載入。架構設計依賴通用模型與服務導向技術，並仰賴元資料管理以追蹤技術庫存、業務規則與資料血緣。標準化介面能有效降低系統複雜度，並支援低延遲的資料傳遞與應用。此外，整體過程必須由業務目標驅動，並確保業務專家參與治理、規則定義與問責。 |
| 9 | 文檔與內容管理 | 控制關聯式資料庫外的非結構化資料。規劃擷取至處置的生命週期機制。運用元資料、受控詞彙與分類法建構資訊架構。執行紀錄管理以確保法規遵循與電子探索。採用標準標記格式與系統整合資訊，以支援有效的檢索與存取。最終建立資訊治理架構與指標，以控管風險並確保內容品質。 |
| 10 | 主資料與參考資料管理 | 為了降低營運風險並為業務活動提供一致的上下文，管理主資料與參考資料須先評估來源。接著定義共用的整合架構與模型。對於主資料，須建立受信任來源；對於參考資料，同時維護代碼與分類及落實受控變更，以確保語義一致。最終透過治理、資料管家制度與發布服務，落實資料共享與維護。 |
| 11 | 資料倉儲與商業智慧 | 建置資料倉儲須先釐清分析需求，並依據商業決策目標定義包含歷史資料整合的整體架構。透過整合流程執行資料萃取、轉換與載入作業。接著依據使用者特性配置合適的商業智慧工具。最終藉由發布管理、效能監控，以及嚴謹的資料治理與元資料維護，以維持資料產品的高品質運作。 |
| 12 | 元資料管理 | 元資料管理須先釐清需求並定義整體策略。隨後設計合適架構以建立元模型。透過工具持續整合商業、技術及維運元資料，並落實大數據與非結構化資料的攝取標記。整合後須建立交付與查詢機制以發揮元資料價值。藉由血緣與影響分析梳理資料流向脈絡及評估變更風險。最終落實治理確保品質與安全性。 |
| 13 | 資料品質管理 | 管理資料品質須先界定資料對業務的關鍵性與適用目的。藉由制定品質維度與業務規則，建立客觀的量測標準。運用資料剖析與根本原因分析，找出並修復流程缺陷。最終透過持續監控與事件追蹤，落實預防性的品質改善循環。此外，資料品質是需長期經營的持續性職能而非短期專案，必須透過文化變革與元資料管理來維繫信任，並整合至服務水準協議 (SLA) 與資料治理框架中以落實問責。 |
| 14 | 巨量資料與資料科學 | 大數據專案須先定義商業策略與資料來源。藉由資料湖泊與平行處理架構，採行先載入後轉換 (ELT) 模式，並透過元資料管理防止資料沼澤化。運用機器學習模型探索資料，反覆訓練以驗證預測結果，且開發過程須納入倫理與透明性考量。最終配合視覺化技術與資料治理部署模型，持續監控運作效能。 |
| 15 | 資料管理成熟度評估 | 執行成熟度評估須先釐清業務目標並選定合適的量測框架。藉由檢視現況證據，將各項資料流程依成熟度級別（0-5 級）予以客觀分級。隨後將評估結果轉化為具體的差距分析與改善藍圖，以教育利害關係人並支援組織戰略與資產價值提升。最終依賴治理小組的監督、定期重評與指標追蹤，落實持續性的組織變革。 |
| 16 | 資料管理組織架構與角色職責期待 | 建立資料管理組織須先評估現有企業文化與決策常態。設計階段應依據企業需求與全球化規模，選擇去中心化、集中式、混合式或聯邦式等營運模型。實作階段需藉由利害關係人分析與高階主管支持，來推動漸進式的組織變革，並建立與資料長 (CDO)、企業架構等其他資料導向機構的協作機制。最終應明確劃分業務端與資訊端各角色的職責，以落實企業資料治理行動。 |
| 17 | 資料管理組織與文化變革 | 改善資料管理須改變人員工作模式與組織文化，並將對現狀的不滿轉化為變革動力。組織轉型必然經歷結束舊態、中立區過渡與建立新起點等心理階段。推動者應建立急迫感並組成引導同盟以確立變革願景，並理解創新擴散進程，針對不同採用群體展現新做法的優勢。透過客製化的正式溝通計畫、持續對話與創造短期成效來克服內部抗拒心理。最終需將創新實踐深植於企業文化之中。 |
以上資訊參考 DAMA DMBOK Revision 2 並由資料治理學院進行整理。
誰應該讀 DMBOK？不只是工程師的事
- 資料從業人員（Data Professionals）：
無論你的職稱是資料工程師、資料分析師、資料庫管理員還是資料科學家，DMBOK 提供的不只是技術知識，更是一套讓你理解自己工作如何嵌入組織全局的框架。當你能用 DMBOK 的語言與管理層溝通，你在組織中的價值就不只是寫 SQL 或跑報表。 - 需要理解資料治理的管理者：
在台灣，過去資料工程並不受到足夠重視。但隨著 AI 浪潮到來，企業做資料治理的核心價值已經擺在眼前。然而，光靠少數人員或一位資料長（CDO, Chief Data Officer）就想把存在已久的資料問題一夕解決，並不實際。DMBOK 提供的是系統性的指導原則，幫助管理者理解資料治理「該怎麼做」和「為什麼要做」。
台灣企業如中華電信的資料管理機制，便是對齊 DAMA International 的 DMBOK 各項核心領域，從資料品質、資料保護、資料存取及共享、資料工具、資料合規及資料維運等六大面向建構全公司使用資料的制度。這說明 DMBOK 不只是理論框架，在台灣的大型企業中已有實際落地的案例。
DMBOK 怎麼讀？給不同角色的閱讀建議
DMBOK 全書超過 600 頁，對多數人來說一口氣讀完並不現實。以下是我根據不同讀者背景整理的閱讀策略：
所有人的共同起點：先讀第 1 章
第 1 章（資料管理）是全書的骨架介紹，包含書的架構、各章節的定位關係，以及核心概念的定義。無論你是什麼背景，都建議從這裡開始，建立全局觀。
DMBOK 怎麼讀：資料工程師 / 技術角色
你可能每天處理資料庫、ETL、報表、資料品質，但從沒意識到這些工作其實有一套完整的知識體系。建議優先閱讀與日常工作直接相關的章節：第 5 章（資料建模）、第 6 章（資料儲存）、第 8 章（資料整合）、第 13 章（資料品質），再延伸到第 4 章（資料架構）建立更宏觀的視角。DMBOK 能幫你把散落的經驗串成系統，在職涯發展中創造更多可能性。
DMBOK 怎麼讀：管理者 / 非技術角色
資料治理是需要業務參與、高層支持、文化變革才能推動的企業級議題。建議從第 3 章（資料治理）入手，搭配第 15–17 章了解成熟度評估與組織變革方法論。第 2 章（資料倫理）在 AI 時代也越來越重要，值得管理者關注。
注意章節之間的關聯性
DMBOK 雖然可以不按順序閱讀，但有些章節之間存在強關聯，建議搭配閱讀：
- 第 4 章（資料架構）↔ 第 5 章（資料建模與設計）：架構是藍圖，建模是細部設計
- 第 3 章（資料治理）↔ 第 15–17 章：治理策略與組織落地是一體兩面
- 第 12 章（元資料管理）↔ 第 13 章（資料品質）：品質管理依賴元資料作為基礎
CDMP 考試要讀什麼？從 DMBOK 到國際認證
讀完 DMBOK，下一步很多人會考慮取得 CDMP（Certified Data Management Professional）認證。CDMP 是由 DAMA International 頒發的國際資料管理專業認證，已存在超過 20 年，是目前資料管理領域含金量最高的證照之一。
CDMP 與 DMBOK 的關係
DMBOK 是 CDMP 考試的核心教材與知識範圍。簡單來說，CDMP 考的就是你對 DMBOK 內容的理解與應用能力。因此，紮實讀好 DMBOK 是通過 CDMP 的基礎。
CDMP 三個等級一覽
CDMP 認證分為三個等級，每個等級的難度與所需準備截然不同：
| 等級 | 名稱 | 定位 |
|---|---|---|
| 初階 | Associate | 入門級，證明對資料管理基礎知識的掌握 |
| 中階 | Practitioner | 實務級，要求具備實際工作經驗與進階理解 |
| 高階 | Master | 專家級，需展現深度專業能力與實務貢獻 |
有別於許多只考選擇題的認證，CDMP 除了學術知識，也包含對資料實務經驗的檢測。你可以依照個人職涯需求去規劃考取計畫，不需要一次到位。
以我自身取得 CDMP Practitioner 的經驗來說，備考過程中最大的收穫不只是通過考試，而是透過系統性地閱讀 DMBOK，重新整理了過去十多年在資料領域累積的零散經驗，建立起完整的知識架構。
DMBOK 在 AI 時代為什麼更重要？
你可能會問：AI 都這麼強了，還需要讀一本講資料管理的書嗎？
答案是：正因為 AI 來了，DMBOK 才更重要。AI 模型的表現取決於訓練資料的品質。如果企業的資料沒有經過治理——定義不一致、品質參差不齊、權責不清——再強大的 AI 模型也無法產出可靠的結果。這就是業界常說的「Garbage In, Garbage Out」。
DMBOK 所涵蓋的資料治理、資料品質、元資料管理、資料倫理等知識領域，正是確保 AI 能正確運作的基礎設施。而 DMBOK 第三版預計於 2027 年加入 AI 與雲端相關內容，也印證了這個趨勢。
更重要的是，DMBOK 中蘊含的管理思維——如何推動組織變革、如何建立跨部門協作、如何平衡資料開放與安全——這些都是 AI 時代資料從業人員必備的軟實力，也是單純學技術無法替代的能力。
想有系統地備考 CDMP？這門課幫你把 DMBOK 讀通
如果你讀完上面的介紹，覺得 DMBOK 的 17 個章節讀起來有點吃力——這很正常。CDMP 考試涵蓋 14 大知識領域，100 題選擇題要在 110 分鐘內完成，雖然是 Open Book 形式，但多數自學者面臨的挑戰是：考題橫跨太多章節不知從何準備、抽象概念讀過卻無法轉化為答題能力、缺乏實務經驗導致難以理解書中情境。
我設計的「AI 時代的數據治理護城河：CDMP 考照實戰班」正是為了解決這些痛點。這門課程總長約 10 小時、共 8 個單元，我會將 DMBOK 中艱澀的理論轉化為鮮活的實戰案例，幫你建立一條高效且明確的學習路徑。課程已成功輔導多位學員取得 CDMP Associate 認證。
無論你是資料工程師、分析師、專案經理，還是正在推動企業資料治理的管理者，這門課都能幫你從「讀過 DMBOK」進階到「真正考過 CDMP」。
常見問題 FAQ
DMBOK 是什麼？跟 CDMP 有什麼關係？
DMBOK 是 DAMA International 出版的資料管理知識體系，涵蓋 17 個章節。CDMP 是基於 DMBOK 內容的國際專業認證，由同一機構頒發。簡單說，DMBOK 是教材，CDMP 是考試。
DMBOK 適合非技術背景的人讀嗎？
適合。DMBOK 不只談技術，也涵蓋資料治理、組織變革、倫理等管理議題。PM、行銷、管理階層都能從中獲得推動資料治理的方法論與共通語言。
DMBOK 要從哪一章開始讀？
建議所有人先讀第 1 章建立全局觀。技術角色可優先讀第 5、6、8、13 章；管理角色建議從第 3 章（資料治理）搭配第 15–17 章開始。
CDMP 考試難嗎？非技術背景可以考嗎？
CDMP 分為 Associate、Practitioner、Master 三個等級，難度遞增。Associate 級別對非技術背景友善，重點在 DMBOK 知識的理解。建議根據自身經驗選擇適合的等級開始準備。
DMBOK 目前最新版本是什麼？
截至 2024 年，最新版本為 DMBOK Revision 2（2024 年 4 月更新）。第三版預計 2027 年第二季發布，將加入 AI、雲端與現代資料平台等內容。