DCMM数据管理能力成熟度模型

作者：石秀峰

来源：谈数据

欢迎转载，转载请注明出处和作者

一、DCMM 标准简介

为规范国内各行业数据管理和应用工作，提升国内数据管理和应用能力，全国信息技术标准化技术委员于2014年会启动了《数据管理能力成熟度评价模型》（Data Capability Maturity Model 简称DCMM）的制定工作，并将作为一项国家标准（标准号：GB/-T 36073--2018），该标准于2018-03-15发布，2018-10-01正式实施。

DCMM由中国电子技术标准化研究院牵头，人民大学、清华大学、建设银行、光大银行、华为、御数坊、阿里巴巴等单位起草，是国内关于数据能力成熟度模型的一项国家标准，在制定的过程中充分吸取了国内先进行业的发展经验（以金融业为主），结合了国际上DAMA（国际数据管理协会）《数据管理知识体系指南DMBOK》中的内容。

DCMM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，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，对数据管理能力进行了分析、总结，提炼出组织数据管理的八大能力，并将这八大能力划分为八个共八个关键过程域，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，标准描述了每个过程域的建设目标和度量标准，可以作为组长进行数据管理工作的参考模型。

注：免费获取DCMM模型方法见文末。

二、八个关键过程域

DCMM定义对数据管理的关键过程域进行了定义，分为8个一级过程域，每个过程域分为多个能力项，共29个数据管理的能力项，如下表所示：

三、数据成熟度评级等级

本标准将组织数据能力成熟度评价层级划分为五个等级：初始级、受管理级、稳健级、量化管理级和优化级，如下图：

1. 初始级

数据管理的需求主要在项目级体现，没有统一的数据管理流程，主要是被动式管理，具体特征如下：

组织在制定战略决策时，未获得充分的数据支持；

没有正式的数据规划、数据架构设计、数据管理组织和流程等；

业务系统各自管理自己的数据，各系统之间的数据存在不一致的现象，组织意识到数据管理或数据质量的重要性；

数据管理仅根据项目实施的周期进行，无法核算数据管理、维护的成本。

2. 受管理级

组织已意识到数据是资产，根据管理策略的要求制定了管理的流程，指定了具体人员进行初步管理，具体特征如下：

意识到了数据的重要性，制定了部分数据管理规范，设置了相关岗位；

意识到了数据质量和数据孤岛是一个重要的管理问题，但目前没有解决问题的办法；

组织进行了初步的数据集成工作，尝试整合各业务系统的数据，设计了相关数据模型和管理岗位；

开始进行了一些重要数据的文档工作，对重要数据的安全、风险等方面设计相关管理措施。

3. 稳健级

数据已内当作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，具体特征如下：

意识到数据的价值，在组织内部建立数据管理的规章和制度；

数据的管理以及应用能结合组织的业务战略、经营管理需求以及外部监管需求；

建立了相关数据管理组织、管理流程，能推动组织内各部门按流程开展工作；

组织在日常的决策，业务开展过程中能获取数据支持，明显提升工作效率；

参与行业数据管理的相关培训，具备数据管理人员。

4. 量化管理级

数据被认为是获取竞争优势的重要资源，数据管理的效率能量化分析和监控，具体特征如下：

组织层面认识到数据是组织的战略资产，了解数据在流程优化、绩效提升等方面的重要作用；

在组织层面建立了可量化的评估指标体系，可准确测量数据管理流程的效率并及时优化；

参与国家、行业等相关标准的制定工作；

组织内部定期开展数据管理、应用相关的培训工作；

在数据管理、应用的过程中充分借鉴了行业最佳案例以及国家标准、行业标准等外部资源，促进组织本身的数据管理、应用的提升。

5. 优化级

数据被认为是组织生存和发展的基础，相关管理流程能及时优化，能在行业内进行最佳实践分享，具体特征如下：

组织将数据作为核心竞争力，利用数据创造更多的价值和提升改造组织的效率；

能主导国家、行业等相关标准的制定工作；

能将组织自身数据管理能力建设的经验作为行业最佳案例进行推广。

四、总结与评价

DCMM参考了DAMA-DMBOK的先进经验和方法，并结合了国内数据管理整体的水平和现状，是国内各相关组织进行数据管理的一个参照型标准。该标准的发布对于规范行业数据的管理，促进数据产业的发展有着重要的意义。

（1）为组织的数据管理指明了方向

在数据管理领域国内一直缺乏完善的数据管理成熟度体系的研究，DCMM填补了这一空白，为国内各相关组织的数据管理的成熟度发展提供了方向性指导。根据DCMM组织能够进行数据管理成熟度的自我评估，找到改进方向，并制定改进措施，实施改进方案，提升组织的数据管理水平。

（2）培养专业人才，提升组织绩效

大数据产业的发展是技术驱动式的，这个领域对人员的技能和素质有很高的要求。而且大数据产业可可以分为不同的细分领域，笔者在《聊聊当前数据界的流行职位》一文中，也提到了数据产业的相关细分岗位，请参考。通过DCMM的评估，可以对组织的数据从业人员进行专业化的培训和培养，提升数据管理和应用的技能，从而提升组织数据变现、数据创新的能力。

（3）规范行业发展，促进产业发展

大数据行业相对传统产生来说是一个新生的领域，理论知识和行业实践都处于探索和发展阶段，特别是数据管理和应用的知识体系。通过DCMM的评估，可以规范和指导数据行业的发展，提升从业人员数据资产意识。通过数据管理的应用实践和探索，逐步规范数据管理过程，提升数据管理成熟度，从而促进整体数据产业的发展。