数据治理（四）：能力成熟度模型

如何评价数据治理所处的阶段和可能出现的效果，是数据治理中的一个重要课题。数据治理如果不尊重所在单位的客观事实，强行上马，有可能会导致混乱的后果。因此，有必要引入数据治理成熟度模型的概念。

Data Management Maturity(DMM)数据管理能力成熟度模型由ISO在2014年公布，2018年，中国也公布了自己的国家标准《GB/T36073-2018 数据管理能力成熟度评估模型》（DCMM）。该模型核心思想是提供规范化、结构化的实践框架，采用标准化的框架自行设立数据管理成熟度路径，通过该路径阶段性地评价企业的数据治理处于哪个阶段，增强数据治理核心节点的能力，强化企业各业务部门与IT部门之间的合作关系，促进核心数据资源的有效利用，从而加强企业数据治理能力。

DMM包括数据管理战略、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8个部分，其具体描述和关键过程如下表所示。

类别名称	详细描述	关键过程
数据战略	数据战略是对组织数据领域整体性、长期性、基本性问题的策略谋划，定义组织数 据工作的方向、愿景和原则。	数据战略规划、数据职能框架、数据战略实施、数据任务效益评价
数据治理	对数据资产管理行使权利和控制的活动集合。	数据治理组织、数据制度建设、数据治理沟通
数据架构	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。	数据模型、数据分布、数据集成与共享、元数据管理
数据应用	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。	数据分析、数据开放共享、数据服务
数据安全	数据安全管理是计划、制定、执行相关安全策略和规程，确保数据和信息资产在使 用过程中有恰当的认证、授权、访问和审计等措施。	数据安全标准与策略、数据安全管理、数据安全审计
数据质量 管理	数据质量是指数据的适用性，即从使用者的角度出发，数据满足用户使用要求的程度。	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	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。	业务术语、参考数据和主数据、数据元、指标数据
数据生命 周期	数据从设计、开发、创建、迁移、应用、存档、回收的周期、再次激活及退出的整个过程。	数据需求管理、数据设计和开发、数据运维、数据退役

表2.DMM结构表

DMM 模型采用阶段表示法，按整个过程的能力成熟度分为初始级、受管理级、已定义级、量化管理级和优化级五个等级。每个等级的成熟度能力成为下一级的基础，形成一个逐步升级的梯台，而成熟度能力的不断升级也是过程能力的积累。初始级表示数据管理在被动、非正式的临时基础上执行；受管理级表示数据管理按照已定义和文档化的流程，在业务部门层面执行；如果数据管理与业务战略保持一致，得到标准化和一致性实施，则表示在已定义级执行；在量化管理级，项目衡量、评估数据管理过程的有效性，以确保维持标准；在优化级，项目在反馈的基础上得到创新和改进，实行可持续性管理。

您的赞赏就是我前进的动力