확률적 매칭 알고리즘은 가중치와 매칭 정도에 따라 점수를 할당하고, 판별력에 따라 변수에 가중치를 할당하고, 개별 속성 매칭 점수를 사용하여 매칭 확률 백분율을 생성합니다. 또한 매칭 프로세스 후 일부 레코드는 일반적으로 정확성을 보장하기 위해 수동 검토 및 의사 결정이 필요합니다. 따라서 제공된 모든 특성은 확률적 매칭 알고리즘의 특성을 정확하게 설명합니다. 참고문헌: * DAMA-DMBOK: 데이터 관리 지식 체계(2판), 11장: 참조 및 마스터 데이터 관리. * Alex Berson과 Larry Dubov의 "마스터 데이터 관리 및 데이터 거버넌스"
CDMP-RMD 문제 32
참조 데이터는 마스터 데이터와 구별되는 어떤 특징을 가지고 있습니까?
정답: C
참조 데이터와 마스터 데이터는 몇 가지 주요 특성에서 구별됩니다. 자세한 설명은 다음과 같습니다. * 참조 데이터 특성: * 안정성: 참조 데이터는 일반적으로 기준 데이터에 비해 변동성이 적고 변경 빈도도 낮습니다. * 복잡성: 복잡성이 낮고 종종 간단한 목록이나 코드(예: 국가 코드, 통화 코드)로 구성됩니다. * 크기: 참조 데이터 세트는 일반적으로 마스터 데이터 세트보다 크기가 작습니다. * 주요 데이터 특성: * 변동성: 주요 데이터는 변동성이 더 심할 수 있으며, 자주 업데이트됩니다(예: 고객 주소, 제품 세부 정보). * 복잡성: 여러 속성과 엔터티가 포함된 보다 복잡한 구조와 관계. * 크기: 자세한 정보와 포함하는 엔터티가 많기 때문에 크기가 더 큽니다. * 참고문헌: * 데이터 관리 지식 체계(DMBOK), 7장: 마스터 데이터 관리 * DAMA International, "데이터 관리 지식체(DMBOK)에 대한 DAMA 가이드"
CDMP-RMD 문제 33
조직의 주요 데이터를 외부 제3자로부터 수집할 수 있습니까?
정답: A
조직의 마스터 데이터는 실제로 외부 제3자로부터 획득할 수 있습니다. 방법과 이유는 다음과 같습니다. * 제3자 데이터 수집: * 보강: 외부 데이터 소스를 활용하여 조직의 주요 데이터를 보강하고 추가적인 세부 정보와 맥락을 제공할 수 있습니다. * 정확성 및 완전성: 평판이 좋은 제3자 소스에서 데이터를 수집하면 마스터 데이터의 정확성과 완전성을 높일 수 있습니다. * 사용 사례: * 시장 데이터: 조직은 내부 고객 또는 제품 데이터를 보완하기 위해 시장 데이터를 구매할 수 있습니다. * 참조 데이터: 우편번호나 업계 분류와 같은 일반적인 참조 데이터는 종종 외부 공급업체로부터 얻습니다. * 통합: * 데이터 통합: 타사로부터 수집한 주요 데이터는 조직의 MDM 시스템에 통합되어야 하며, 기존 데이터 표준 및 거버넌스 정책과 일치해야 합니다. * 참고문헌: * 데이터 관리 지식 체계(DMBOK), 7장: 마스터 데이터 관리 * DAMA International, "데이터 관리 지식체(DMBOK)에 대한 DAMA 가이드"
CDMP-RMD 문제 34
마스터 데이터 관리에는 다음이 포함됩니다.
정답: D
마스터 데이터 관리에는 여러 가지 핵심 활동이 포함되며 주로 다음에 중점을 둡니다. * 구조화된 데이터와 구조화되지 않은 데이터: * 구조화된 데이터: 데이터가 테이블과 필드로 구성된 관계형 데이터베이스와 같이 잘 정의된 데이터 유형을 관리합니다. * 비정형 데이터: 이메일, 문서, 멀티미디어 파일 등 미리 정의된 형식이나 구조가 없는 데이터를 처리합니다. * 종합 관리 : * 데이터 통합: 구조화된 데이터, 구조화되지 않은 데이터를 포함한 다양한 소스의 데이터가 마스터 데이터 저장소에 통합되었는지 확인합니다. * 데이터 품질: 구조화된 데이터와 구조화되지 않은 데이터 모두에 대해 높은 데이터 품질을 유지하기 위한 프로세스와 도구를 구현합니다. * 참고문헌: * 데이터 관리 지식 체계(DMBOK), 7장: 마스터 데이터 관리 * DAMA International, "데이터 관리 지식체(DMBOK)에 대한 DAMA 가이드"
CDMP-RMD 문제 35
조직에서는 마스터 데이터에 대한 단일 정의에 동의해야 합니까?
정답: B
효과적인 마스터 데이터 관리를 위해 조직은 마스터 데이터에 대한 단일 표준 정의에 동의해야 합니다. 그 이유는 다음과 같습니다. * 일관성: * 단일 정의: 표준화된 정의를 통해 다양한 부서와 시스템에서 일관성을 보장합니다. * 혼란 방지: 마스터 데이터를 구성하는 요소에 대한 불일치와 오해를 방지합니다. * 데이터 품질 및 거버넌스: * 통합 접근 방식: 단일 정의를 통해 통합된 데이터 거버넌스 정책과 데이터 품질 표준을 지원합니다. * 데이터 통합: 다양한 시스템과 프로세스에서 데이터 통합 및 상호 운용성을 보다 쉽게 만듭니다. * 비즈니스 효율성: * 목표 일치: 조직의 모든 부분이 마스터 데이터에 대한 이해와 사용에 일치하도록 하여 운영과 의사 결정의 효율성을 높입니다. * 참고문헌: * 데이터 관리 지식 체계(DMBOK), 7장: 마스터 데이터 관리 * DAMA International, "데이터 관리 지식체(DMBOK)에 대한 DAMA 가이드"
