数据管理能力成熟度评估模型（DCMM）

1. 数据管理能力成熟度评估模型DCMM

1.1 国家标准《GB/T36073-2018 数据管理能力成熟度评估模型》

《数据管理能力成熟度评估模型》（GB/T 36073-2018，简称DCMM）是中国首个数据管理领域的国家标准，于2018年3月15日发布，2018年10月1日正式实施。该标准由全国信息技术标准化技术委员会归口，主管部门为国家标准委，主要起草单位包括中国电子技术标准化研究院、国网江苏省电力有限公司 、国家电网有限公司 、中国南方电网有限责任公司 、广东电网有限责任公司等。

标准内容：DCMM定义了数据战略、数据治理、数据架构、数据应用、数据安全、数据质量、数据标准和数据生存周期等8个能力域，并对每项能力域进行了二级能力项（28个能力项）和成熟度等级的划分（初始级、受管理级、稳健级、量化管理级、优化级）。

应用范围：适用于组织和机构对数据管理能力成熟度进行评估，旨在帮助企业利用先进的数据管理理念和方法，建立和评价自身数据管理能力，持续完善数据管理组织、程序和制度，充分发挥数据在促进企业向信息化、数字化、智能化发展方面的价值。

1.2 DCMM的发布与实施时间

DCMM标准自2018年3月15日发布以来，得到了各行业的高度重视。国资委、中国人民银行、工信部等国家部门相继出台政策，推动DCMM标准的贯标和实施。截至2022年，已有超过1000家企业完成了DCMM贯标评估，涵盖了信息技术服务业、制造、金融、电力、通信等多个行业。

1.3 DCMM的编制背景与目的

DCMM的编制背景源于大数据时代对数据管理能力的需求日益增长，以及数据作为企业核心资产的重要性日益凸显。编制DCMM的目的在于：

帮助组织系统性地评估和改进其数据管理实践，提升数据管理的系统性和规范化。

通过评估模型，组织能够了解其在数据管理方面的现状，确定改进的领域，并制定相关策略以提升数据管理能力。

促进数据管理能力的提升，支持数据驱动的决策制定，增强组织的市场竞争力。

为数据管理专业人士提供一个共同的框架和语言，便于沟通和协作，推动数据管理领域的专业化和标准化。

2. DCMM的核心内容

2.1 八大核心能力域

DCMM（Data Management Capability Maturity Model）将数据管理能力划分为八个核心能力域，这些能力域是评估企业数据管理成熟度的关键维度。

数据战略：涉及数据战略规划、实施和评估，确保数据管理与企业战略相一致。

数据治理：包括数据治理组织、制度建设和沟通，以确保数据管理的决策和监督机制。

数据架构：涵盖数据模型、数据分布、数据集成与共享、元数据管理，支持数据的有序组织和高效利用。

数据应用：包括数据分析、数据开放共享和数据服务，以促进数据的价值实现和业务创新。

数据安全：涉及数据安全策略、数据安全管理和数据安全审计，保障数据的安全性和合规性。

数据质量：包括数据质量需求、数据质量检查、数据质量分析和数据质量提升，以确保数据的准确性和可靠性。

数据标准：涵盖业务术语、参考数据和主数据、数据元、指标数据，以实现数据的标准化和一致性。

数据生命周期：包括数据需求、数据设计和开发、数据运维、数据退役，以管理数据的整个生命周期。

2.2 28个过程域与445条能力等级标准

DCMM进一步将八大核心能力域细分为28个过程域，并为每个过程域制定了详细的能力等级标准，共计445条。

数据战略：3个过程域，包括数据战略规划、实施和评估，每项都有详细的能力等级标准。

数据治理：3个过程域，包括数据治理组织、制度建设和沟通，每项均设有具体的能力等级标准。

数据架构：4个过程域，包括数据模型、数据分布、数据集成与共享、元数据管理，每个过程域都有明确的评估标准。

数据应用：3个过程域，包括数据分析、数据开放共享和数据服务，每项过程域都有相应的能力等级标准。

数据安全：3个过程域，包括数据安全策略、数据安全管理和数据安全审计，每个过程域都有详细的能力等级标准。

数据质量：4个过程域，包括数据质量需求、数据质量检查、数据质量分析和数据质量提升，每项过程域都有明确的评估标准。

数据标准：4个过程域，包括业务术语、参考数据和主数据、数据元、指标数据，每个过程域都有详细的能力等级标准。

数据生命周期：4个过程域，包括数据需求、数据设计和开发、数据运维、数据退役，每项过程域都有相应的能力等级标准。

这些过程域和能力等级标准为企业提供了一个全面的框架，以评估和提升其数据管理的成熟度。通过对照这些标准，企业可以识别自身在数据管理方面的强项和弱点，制定改进措施，从而提高数据管理的整体水平。

3. DCMM的评估等级

3.1 五个成熟度等级的划分

DCMM将数据管理能力成熟度分为五个等级，每个等级代表了企业在数据管理方面的发展阶段和成熟度水平。

初始级（1级）：数据管理主要在项目级体现，没有统一的管理流程，主要是被动式管理，数据尚未发挥价值。

受管理级（2级）：数据管理开始在部门级体现，组织已意识到数据是资产，数据支持业务基本工作。

稳健级（3级）：数据管理在组织级体现，数据被视为实现组织绩效目标的重要资产，基本满足业务管理要求。

量化管理级（4级）：数据管理实现量化管理，数据被认为是获取竞争优势的重要资源，完全满足业务需求。

优化级（5级）：数据管理达到行业水平，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，能在行业内进行实践分享。

3.2 各等级的描述与要求

每个成熟度等级都有其特定的特征和要求，企业可以根据自身的情况，对照这些标准进行自我评估和改进。

初始级（1级）：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，数据管理仅根据项目实施的周期进行。

受管理级（2级）：组织已制定部分数据管理规范，设置了相关岗位；开始进行数据集成工作，设计了相关数据模型和管理岗位；对重要数据的安全、风险等方面设计相关管理措施。

稳健级（3级）：组织内部建立了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。

量化管理级（4级）：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；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。

优化级（5级）：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善组织的效率；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案例进行推广。

4. DCMM的评估流程

4.1 评估准备阶段

在评估准备阶段，企业需要参照DCMM标准建立和完善数据管理体系，并进行内部自评估。此阶段是评估工作的基础，其目的是确保企业在正式评估前已经具备了一定的数据管理基础和自我评估能力。

建立数据管理体系：企业应根据DCMM标准中的八大能力域，建立相应的数据管理组织结构、制度流程和工具平台，确保数据管理的全面性和系统性。

内部自评估：企业应组织内部团队，对照DCMM标准进行自我评估，识别数据管理的强项和弱项，为后续的正式评估做好准备。

提交申请材料：企业在完成内部自评估后，应向第三方评估机构提交评估申请，包括企业基本情况、数据管理体系文档、自评估报告等。

4.2 正式评估阶段

正式评估阶段是评估工作的核心，评估机构将根据企业提交的材料和现场评审结果，出具评估报告，并给出评估等级的推荐意见。

受理评估申请：评估机构在收到企业的评估申请后，将对申请材料进行初步审查，确认企业符合评估条件。

现场评审：评估机构组织专业团队，对企业进行现场评审，包括文件审查、系统平台审核、人员访谈等，全面了解企业的数据管理现状。

评估报告：根据现场评审结果，评估机构将编写评估报告，详细记录企业的评估情况，并给出评估等级的推荐意见。

4.3 结果评议阶段

结果评议阶段是评估工作的Zui后阶段，评估工作部将对评估机构报送的评估结果进行合规性审查，并组织专家对推荐等级进行评议。

合规性审查：评估工作部对评估结果进行合规性审查，确保评估过程和结果符合DCMM标准要求。

专家评议：对于推荐等级较高的评估结果，评估工作部将组织专家进行评议，确保评估结果的准确性和公正性。

公示与颁证：通过审查和评议的评估结果，将在一定范围内进行公示，接受社会监督。公示无异议后，评估机构将为企业颁发数据管理能力成熟度评估证书。

5. DCMM的实施意义

5.1 对企业的价值

DCMM（数据管理能力成熟度评估模型）的实施对企业具有多方面的价值，这些价值体现在以下几个关键领域：

数据管理能力提升：DCMM评估模型通过定义数据战略、数据治理等八大能力域，帮助企业识别数据管理的长处和短板，从而有针对性地提升数据管理能力。据《数据管理能力成熟度评估模型》国家标准，企业通过DCMM评估，能够系统地提升数据管理和应用的能力。

竞争优势增强：随着数据的战略地位日益凸显，企业的数据管理能力成为其核心竞争力的一部分。DCMM的实施有助于企业在市场中建立数据管理的专业形象，增强与竞争对手的差异化优势。

风险管理与合规性：DCMM评估模型强调数据安全和质量，帮助企业构建更加健全的数据安全管理体系，有效应对数据泄露、滥用等风险，同时确保企业在数据合规性方面满足法律法规要求。

决策支持与业务创新：通过对数据的高效管理和应用，企业能够更好地支持决策制定和业务创新。例如，通过数据挖掘和分析，企业能够发现新的商业机会，优化产品和服务。

成本效益分析：DCMM的实施有助于企业在数据管理方面的成本控制和资源优化配置。通过评估和改进数据管理流程，企业能够减少因数据问题导致的成本浪费。

5.2 对地方政府的作用

DCMM的实施对地方政府同样具有重要意义，这些作用包括：

产业政策制定：地方政府可以利用DCMM评估结果，了解本地区企业的数据管理水平和大数据产业发展现状，为制定相关产业政策和扶持措施提供数据支持。

数据驱动的决策：地方政府通过推广DCMM，能够提升公共数据资源的管理效率，促进数据资源的开放和共享，支持基于数据的决策制定。

区域经济发展：DCMM的实施有助于提高地方企业的数字化水平，推动数字经济的发展，从而促进地区经济的整体增长。

人才培养与引进：地方政府可以通过DCMM评估和认证，培养和吸引数据管理领域的专业人才，为地区的大数据产业提供人才保障。

公共服务优化：DCMM的实施有助于提升政府在公共服务领域的数据管理能力，通过数据分析和应用，提高公共服务的质量和效率。