工信部电子五所赛宝认证中心程广明：数据管理能力成熟度评估模型

提升数据管理能力必要性

第二个层面则是从企业做数据管理方面的要求来说。首先是数据的需求不明确，这主要体现在很多企业做数据管理的时候，根本不知道企业有哪些数据？数据在哪个地方？需求不明确，导致在收集数据的时候也不知道从哪些方面收集。其次是数据孤岛现象普遍存在，我们前期做信息化是基于临时的业务需要，往往从数据的角度统筹、考虑信息化的场景是比较少的。然后是数据质量不高，其中很重要的一块是由于需求不明确，导致了我们收集的数据很杂。第四个是数据风险比较高，数据泄漏容易造成业务中断，进而给企业生产经营造成很大的风险。

数据管理能力成熟度评估模型

随着信息化的发展，尤其是云计算的发展，数据管理模型在2010年之后快速的发展。在借鉴了其他数据管理模型，并将完整的知识框架和成熟度理念融合在一起后，我国开发出了一套比较完整的数据管理模型方案DCMM。

“DCMM”是标准翻译的首字母组合，这个标准主要的意义和价值是两大方面，一是它有很完整的体系，可以指导我们做数据管理从哪个方面开展。二是引入能力成熟度等级的概念，我们可以依据这样的要求来衡量和评估企业做数据管理的能力处在什么水平。

DCMM模型的主要内容，在标准里面一般都用域表示，所谓的域就是大的控制措施以及集合，DCMM有8个一级域，28个二级域。一级域是构成数据管理能力衡量的大维度，我们在做数据管理的时候，首先应该知道从哪些角度去管，因此，8个一级域是做数据管理的人要去关注的重点。二级域则是支撑一级域怎么具体开展工作的，比如我们做数据战略的时候，要考虑战略怎么规划，怎么实施，怎么评估，数据管理应该遵循什么样的政策。有了相关的政策、制度和人之后，怎样将政策、理念和流程在大的范围得到有效的宣传。

通过8个一级域和28个二级域的建设后，可以从28个二级域评估企业管理数据水平到底怎么样。我们将评论结果分为五个等级，第一个是初始级，不是说企业没有做数据管理，而是做的数据管理范围比较窄。比如说某一个项目经理，或者某个业务部门是出于项目的需要开展的数据管理，这个范围是比较窄的。第二层是受管理级，组织和企业意识到数据的重要性，已经开展数据管理，只是管理的范围还没那么宽，流程不是那么通畅，或者制度不是那么优化。第三是稳健级，这一级最基本的特征是企业将数据作为很重要的资产。第四个是量化管理级，数据被认为是企业获得竞争优势的重要资源，要有相关的一些统计学方法来衡量在数据管理过程中的措施，以及发生的绩效。第五是优化级，尤其是互联网企业，特别倚重数据对企业的运营，他们的数据做的更好一点，他们的一些经验能够在行业去分享，这一级叫优化级。我们做DCMM评估之后，也会给出企业综合的展现，看你处在哪个等级。

数据管理能力成熟度评估背景

随着信息化的快速发展，以及数据管理能力的提升，2019年数博会上工信部的刘部长提出了四点指导意见，其中第三条特别提出加强数据治理的工作。随后信软司专门召开了能力培育的工作座谈会，提出了数据管理是企业管好和用好数据的重要基础，数据首先要管，才知道怎么去用，怎么用才能对企业发挥价值，管不好、用不好，就会造成企业的负担，带来很大的安全风险。尤其是在工业领域，工信部正在制定《工业大数据发展指导意见》，通过这个模型指导工业企业做好数据管理。

为了做好这样的工作，工信部委托了中国电子信息行业联合会组织在全国范围内推广DCMM，在7月19日的南京软博会上，中国电子信息行业联合会常务副会长曲维枝女士宣读了指导委员会的成立。9月6日的宁波世界数字经济大会上，执行秘书长高素梅正式宣布了宣贯工作和启动仪式，这个更多的是向大家传递工信部在推广数据管理方面的决心，以及强调数据管理的重要性。

DCMM贯标与评估流程

宣贯与评估怎么给企业用？我把标准的贯标简单分为三个阶段，第一个阶段是差距分析，首先要认识数据管理的现状，有了现状的分析之后，就可以有针对性的提升我们的能力，没有的就去建设，已经有的不好的要通过外部的测量客观分析去做优化。

哪些企业可以贯标？这是很多企业比较关心的。既然叫数据管理能力，肯定是针对有数据的，对数据管理很迫切的企业。我们可以做一个简单的归类，第一个是数据拥有方，比如银行、金融机构、电商平台、互联网；第二类是数据管理方，承载数据管理的企业，比如政府跟高校，现在很多高校也都是在开展数据管理方面的工作。至于应该从哪个等级开始，这是跟你的业务紧密关联的，你可以将第二级也可以将第三级作为数据管理能力的目标。

贯标启动。首先要梳理我们的业务范围，哪些业务会产生数据，数据范围和数据存储在哪里，这些直接关系到信息化系统。在这样一个分析过程中，就可以知道数据管理可能涉及到哪些部门，而这些部门直接关系到后面开展数据管理的时候需要哪些人员进来。数据是分散在公司的各个角落、环节和业务系统里面，所以数据管理一定是要从公司层面推下来的，不是单一的部门能够做得到的。

差距分析。方式有很多种，一个是通过调研问卷，线上、线下的方式都可以。第二是现场调研，通过专业的技术服务机构来做分析。分析完能力之后，针对企业的管理进行规划，最重要的是能力建设的过程，建设的长短跟企业的现状以及未来的目标高度相关。

第二个阶段是能力建设。是要有相应的人，要有一个完善的组织架构，最终做完这个组织之后，要有一个相应的数据归口关联部门。数据管理做的比较好的，就是有专门的数据管理部门。

有了人和部门之后，就要明确我们的标准，从而开展一个标准的宣贯，同时还要有专业的数据管理人员去接受培训。接下来要做管理的一些文件，主要包括质量手册和程序文件。

信息管理系统大家比较熟悉，做数据管理很重要是要有系统和工具来支撑，这个就涉及到元数据管理，数据存储、数据生命周期等等。有了系统、人员和制度之后，就要在公司内部做宣贯，告诉跟这些数据管理相关的人员，我们即将开展这项工作，怎么开展，以及做这样一个数据管理的目的和必要措施。

试运行。具体试运行可以选择跟业务部门先试一试，然后再跨几个业务部门推广，最终到整个组织范围内开展。

自评估。我们有相关的检查工具，在验完数据管理这一套体系之后，建成成果怎么样，可以通过检查表衡量。

第三个阶段是测量评估。第三方评估主要涉及到类似于我们这样的技术服务机构，通过第三方衡量数据管理水平。首先是做申请，组建评估组。这个评估工作组除了技术服务机构的评估人员之外，还有企业内部的数据管理人员。这是一个在线的系统，企业可以通过问卷调查的方式、自评估的系统，了解现在管理的情况和水平。具体评完之后，可以从宏观看哪个做的好，哪个做的不好。

信息化已经走过了几十年的历程，数据在信息化的基础上，也是一个不断迭代、不断循环的过程，只有将数据管理作为一个持续循环的过程，才能不断去改进，去做好。今天做数据管理不是终点，而是我们更好的起点。