您的位置: 主页 > 新闻中心 > 公司资讯 >

咨询电话

13963979994

DCMM数据管理能力成熟度模型详解

作者:admin时间:2020-10-12 20:50 次浏览

信息摘要:

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 Capab...

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。
 
二、 DCMM的八个关键过程域
 
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:

 

8大过程域 29个能力项
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
数据质量分折
数据质量提升
数据标准 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 数据需求
数据设计和开发
数据运维
数据退役
 
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:
 
a.组织在制定战略决策时,未获得充分的数据支持;
 
b.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;
 
c.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;
 
d.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:
 
a.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;
 
b.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;
 
c.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;
 
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:
 
a.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;
 
b.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;
 
c.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;
 
d.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;
 
e.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:
 
a.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;
 
b.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;
 
c.参与国家、行业等相关标准的制定工作;
 
d.组织内部定期开展数据管理、应用相关的培训工作;
 
e.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:
 
a.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;
 
b.能主导国家、行业等相关标准的制定工作;
 
c.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、 实施DCMM的意义
 
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。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。更多关于dcmm认证咨询请联系国睿认证:13963979994
8大过程域 29个能力项
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
数据质量分折
数据质量提升
数据标准 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 数据需求
数据设计和开发
数据运维
数据退役

三、 数据成熟度评级等级

返回列表 本文标签: dcmm