数据管理能力成熟度标准相关介绍

由于大数据是相对较新的行业，现阶段大数据相关理论的发展相对滞后，特别是数据治理相关的理论。目前国内各家单位更多是采用国际咨询公司的理论框架或者国际数据管理协会的数据管理知识体系作为引导，但是这些理论基本没有考虑国内数据行业发展的现状和特性，且普及程度也有待提高，导致目前国内很多公司在数据管理方面的意识薄弱，管理方式各异，发展相对落后。在这个背景下，由中国电子技术标准化研究院牵头制定了大数据重点标准《数据管理能力成熟度评估模型》（Data Management Capability Maturity Assessment Model, DCMM）,本标准在对国内外相关理论、实践进行充分研究的的基础上，结合国内数据行业的特征和发展需要，制定了国内第一个数据能力成熟度评价模型，用来指导和规范国内各家单位的数据管理行为，促进国内大数据行业的整体发展。
一、DCMM模型介绍
DCMM模型对组织的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域（数据战略、数据治理、数据架构、数据标准、数据质量、数据安全、数据应用、数据生存周期），并对 每项能力进行了二级能力项（28个能力项）和发展等级的划分（5 个等级）以及相关功能介绍和评定指标（445项指标）的制定。描 述了每个组成部分的定义、功能、目标和标准。适用于信息系统的建设单位，应用单位等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。
二、DCMM数据管理能力成熟度等级
DCMM数据管理能力成熟度模型按照管理范围、管理能力划分 为5个成熟度等级。每个等级的概要描述详见表1。

等级	名称	描述
1	初始级	数据需求的管理主要是在项目级体现，没有统一的管理流程，主要是被动式管理。
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流程，指定了相关人员进行初步管理。
3	稳建级	数据已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。
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。
5	优化级	数据被认为是组织生存和发展的基础，相关管理流程能实时优化，能在行业内进行最佳实践分享。

三、DCMM的价值
与欧美国家相比，在数据管理领域我国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，为国内组织的数据管理的能力的建设和发展提供了方向性指导。DCMM国家标准的发布对促进我国数据产业的发展有着重要的意义。
1、通过DCMM评估，有利于帮助企业更加熟练地管理数据资产，增强数据管理和应用的能力，并提供一致和可比较的基准，以衡量一段时间内的进展。
2、通过DCMM评估，有利于帮助企业理清数据管理能力的长处和不足在哪里，帮助企业确定选择治理的优先顺序、治理范围和内容，更有效地管理和使用数据。
3、通过DCMM评估，有利于帮助企业建立与企业发展战略相匹配的数据管理能力体系，包含组织体系、制度体系、标准体系以及工具和技术体系等。
4、通过DCMM评估，有利于帮助企业建立数据管理和应用的队伍，培养数字化人才，有利于推动数据思维和数据意识的建立。
我们刚刚从DCMM背景、模型和等级介绍引入到DCMM认证的价值，意在让企业更好的理解DCMM数据管理能力成熟度评估，能够准确意识到DCMM认证对于企业的意义。截止到2021年底，DCMM评估结果公布十批次共177家企业，其中DCMM 5级（优化级）2家， DCMM 4级（量化管理级）20家，三级（稳健级）75家，二级（受管理级）76家，一级（初始级）4家，希望下一批次能够有你们。如果您还有待解答的问题，请联系擎标在线客服，我们会为您提供最专业的解答。