1、DCMM简介、结构组成和能力等级划分

1.1、DCMM简介：数据能力成熟度评价模型是一个综合数据管理过程、活动以及制度规范等多方面内容的模型，目标 是提供一个全方位组织数据能力评估的模型，在模型的设计中，结合数据生命周期管理各个阶段的特征， 对数据能力进行了分析、总结，提炼出组织数据管理的八大能力，并对每项数据能力进行了二级过程域、 建设目标、发展等级等方面的描述DCMM（Data Management Capability Maturity Assessment Model，数据管理能力成熟度评估模型）是由全国信标委大数据标准工作组（国家工信部信软司主导，多家企业和研究机构共同组成）研发，并于2018年3月15日正式发布，是我国数据管理领域最佳实践的总结和提升。

DCMM模型是一个整合了标准规范、管理方法论、评估模型等多方面内容的综合框架，他将组织内部数据能力划分为八个重要组成部分，描述了每个组成部分的定义、功能、目标和标准。该标准适用于组织在进行数据管理时候的规划，设计和评估，也可以作为针对信息系统建设状况的指导、监督和检查的依据。

1.2、DCMM结构组成：

DCMM模型，按照组织、制度、流程、技术对数据管理能力进行了分析、总结，提炼出组织数据管理的八大过程域，即：数据战略、数据治理、数据架构、数据应用、数据安全、数据质量管理、数据标准、数据生命周期。这八个过程域共包含28个过程项，441项评价指标。

2、关键领域定义

组织数据能力被综合定义为八大一级过程域，其中每个一级过程域又有若干二级过程域来组成， DCMM中通过对每个二级过程域的概念、目标以及功能的定义来标准化组织数据管理的过程。在进行数据 能力评估的过程中，每个一级过程域相互独立，可以独立开展评估，但是，在实际的管理过程中，每个 一级过程域又相互支撑，需要统一全面开展才能完善数据管理体系。

数据战略：数据战略规划、数据战略实施、数据战略评估

数据治理：数据治理组织、数据制度建设、数据治理沟通

数据架构：数据模型、数据分布、数据集成与共享、元数据管理

数据应用：数据分析、数据开放共享、数据服务

数据安全：数据安全策略、数据安全管理、数据安全审计

数据质量：数据质量需求、数据质量检查、数据质量分析、数据质量提升

数据标准：业务数据、参考数据和主数据、数据元、指标数据

数据生存周期：数据需求、数据设计和开放、数据运维、数据退役

2.1、数据战略

数据战略是组织中数据工作开展的目标指引，定义组织数据工作的方向、愿景和原则。数据战略包括数据战略规划、数据战略实施、数据战略评估等三个二级域，从组织数据战略的规划、实施和评价等方面对数据战略进行描述。

2.2、数据治理

数据治理是数据管理框架的核心职能，是对数据资产管理行使权利和控制的活动集合，数据治理涉及到数据管理的组织，标准规范，流程，架构等多个方面，和数据管理的其他关键过程域都有交互，数 据治理是在高层次上制定、执行数据管理的制度。

2.3、数据架构

数据架构是用于定义数据需求、指导对数据资产的整合和控制、使数据投资与业务战略相匹配的一 套整体构件规范。数据架构包括数据模型、数据分布、数据集成与共享和元数据管理四个二级职能域， 数据模型职能域定义与规范业务经营、管理和决策活动需要的组织数据需求，数据分布职能域确定各类 数据资产在组织内部的合理部署，数据集成与共享职能域实现组织的各类数据资产在组织内整合在一 起，元数据管理是关于元数据的创建、存储、整合与控制等一整套流程集合。

2.4、数据应用

数据应用是指通过对组织数据进行统一的管理、加工和应用，对内支持业务运营、流程优化、营销 推广、风险管理、渠道整合等活动，对外支持数据开放共享、数据服务等活动，从而提升数据在组织运 营管理过程中的支撑辅助作用，同时实现数据价值的变现。

2.5、数据安全

数据安全是指组织中的数据受到保护，没有受到破坏、更改、泄露和非法的访问。数据安全主要包 括数据安全策略、数据安全管理和数据安全审计等三个过程域，从制度、管理和审计三个方面来提升组 织数据的安全性。

2.6、数据质量

数据质量是指数据的适用性（fitness for use）,描述数据对业务和管理的满足度。数据质量主要 是指数据的准确性、及时性，完整性，唯一性，一致性，有效性等六个方面。数据质量管理是通过对数 据的分析，监控，评估和改进的过程。

2.7、数据标准

数据标准是组织数据中的基准数据，为组织各个信息系统中的数据提供规范化、标准化的依据，是 组织数据集成、共享的基础，是组织数据的重要组成部分。依据数据特性的不同，可以把数据标准具体 划分为四大类：业务术语标准、参考数据和主数据标准、数据项标准、指标数据标准。

2.8、数据生命周期

数据生命周期是指数据从设计、开发、创建、迁移、应用、存档、回收的周期、再次激活以及退出 的整个过程，对数据进行贯穿其整个生命的管理需要相应的策略和技术实现手段。数据生命周期管理的 目的在于帮助组织在数据生命周期的各个阶段以最低的成本获得最大的价值。

3、DCMM的能力等级划分

与CMMI类似，DCMM模型将组织的数据能力成熟度划分为初始级、受管理级、稳健级、量化管理级和优化级共5个发展等级，帮助组织进行数据管理能力成熟度的评价。

3.1、初始级

组织没有意识到数据的重要性，数据需求的管理主要是在项目级来体现，没有统一的数据管理流程， 存在大量的数据孤岛，经常由于数据的问题导致低下的客户服务质量，繁重的人工维护工作等，具体的 表现如下：

a） 当用户不相信数据的时候，业务管理者和 IT 管理者不知道问题的根源在于数据；

b） 组织在制定战略决策的时候，没有获得充分的数据支持；

c） 没有正式的数据蓝图规划，数据架构设计，数据管理组织和流程等；

d） 业务系统独自管理自己的数据，各个业务系统之间的数据存在不一致，或者冲突的现象。没 有人意识到数据管理或者数据质量的重要性；

e） 数据的管理是根据项目实施的周期来进行的，没有人知道针对数据的维护，管理的成本到底 是多少。

3.2、受管理级

组织已经意识到数据是资产，根据管理策略的要求制定了管理流程，指定了相关人员进行初步的管 理，并且识别了数据管理、应用相关的干系人，具体的特征如下：

a） 管理者已经意识到数据的重要性，已经制定了一些数据管理的规范和岗位，想要促进数据管理相关工作的规范化；

b） 已经意识到数据质量和数据的孤岛问题是一个重要的管理问题，在进行数据分析的过程中， 发现大量的数据不一致和重复的问题，但是找不到问题的根源或者为此要负责的人；

c） 组织进行了一些数据集成的工作，尝试整合分散于各个业务系统的数据，也设计了一些数据 模型和管理的岗位；

d） 开始进行了一些重要数据的文档工作，对重要数据的安全，风险等方面进行一些考虑，并且设 计相关管理的管理措施。

3.3、已定义级

数据已经被当做实现组织绩效目标的重要资产，在组织层面制定了系列的标准化管理流程促进数据 管理的规范化，数据的管理者可以快速的满足跨多个业务系统的、准确的、一致的数据要求，有详细的 数据需求响应处理规范、流程。具体的标志如下：

a） 管理者已经意识到数据的价值，在组织的层面明确了数据管理的规范和制度；

b） 数据的管理以及应用能够充分的参考组织的业务战略、经营管理需求以及外部监管需

c） 建立了规范的管理组织、管理流程，能够推动组织内各部门/子公司来按照流程开展工

d） 组织在日常的决策、业务开展过程中能够获取充足的数据支持，显著提升了工作效率

e） 能够定期开展数据管理、应用相关的培训工作。

3.4、量化管理级

数据被认为是获取竞争优势的重要资源，组织认识到数据在的流程优化，工作效率提升等方面的作 用，针对数据管理方面的流程进行全面的优化，针对数据管理的岗位进行KPI的考核，规范和加强数据 相关的管理工作，并且应用相关的业务进行对KPI考虑的工作工作进行支撑，具体的标志如下：

a） 管理者已经认识到数据是组织的战略资产，已经了解数据在流程优化，绩效提升等方面的作用，在制定组织业务战略的时候可以获得相关数据的支持；

b） 在组织层面建立了可量化的评价指标体系，可以准确测量数据管理流程的效率，并且可以及时进行流程优化；

c） 在数据管理、应用的过程中充分借鉴了行业最佳实践，国家标准、行业标准等外部资源，催 进组织本身的数据管理体系、应用体系的提升。

3.5、优化级

数据被认为是组织生存的基础，相关管理流程能够实时优化，能够在行业内进行最佳实践的分享， 具体的标志如下：

a） 整个组织可以把数据作为组织的核心竞争力，可以利用数据创造更多的价值和提升改善组织 的效率；

b） 能够参与国家、行业等方面相关标准的制定工作；

c) 能够把组织自身数据能力建设的经验作为行业的最佳实践进行推广，成为行业的标杆。