DCMM数据管理能力成熟度模型
日期:2023-9-20 阅读:2488 次
DCMM(数据管理能力成熟度评估模型)是我国首个数据管理领域国家标准。目前各行业都面临数字化转型的需求,对数据治理的关注越来越强。
一、DCMM的背景
(一)时代背景:大数据时代到来,产业发展需要规范的数据管理
随着云计算、物联网等新兴技术的发展,大数据时代的到来推动着经济领域重大变革,企业数字化转型是当前大势所趋,数据管理成为企业发展、行业进步的重要环节,业界需要相关标准以规范数据管理。
(二)政策背景:行业监管日趋严格,贯标与评估受到重视
1.行业监管日趋严格
2017年5月至今,国务院、银保监会、国家卫建委、证券业协会和工信部密集发文,集中提出对相应行业数据信息加强重视、严格管理。
2.DCMM贯标与评估受到重视
2016年底至今,国家政策和相关发言人多次强调数据管理工作,DCMM的标准贯彻和评估工作受到重视,成为国家重点工作。
(三)工作背景:我国数据管理能力成熟度评估工作已有序展开
目前,我国数据管理能力成熟度评估工作已有序展开,建立机构、组织队伍等工作如火如荼。
二、范围和主要内容:
该标准把组织内部数据能力划分为八个重要组成部分,描述了每个组成部分的定义、功能、目标和标准。
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。
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,
01、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。
02、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。
03、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。
04、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。
05、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、DCMM的价值
DCMM全称是Data Management Capability Maturity Assessment Model,即数据管理能力成熟度评估模型。它是一个集标准规范、管理方法论、评估模型等多方面内容的综合框架,包含8个核心能力与28个能力项,目标是提供一个全方位组织数据能力评估的模型,以评估组织对数据进行管理和应用的能力。
DCMM对企业与行业发展的核心价值在于:
第一,作为数据管理体系,协助企业与行业建立自身数据管理能力;
第二,作为能力评判依据,协助企业与行业不断提升数据管理能力。
具体而言,主要通过以下几个方面来实现上述价值:
1.规范和标准化企业或单位数据管理,明确职能划分、工具技术,建立管理体系。
2.准确把握当前数据资产管理现状,找准关键问题和差距,确定发展方向,持续改进,提升数据管理能力。
3.提升企业数据管理人员技能以及意识。
4.整体制定企业数据管理的发展蓝图以及建设计划,持续提升数据能力。
5.证明企业数据管理能力,增强外部信任,提升项目建设质量。
五、DCMM的意义
通过DCMM可以准确评估各地大数据发展现状,培养大数据发展人才,规范和指导大数据行业发展,进而从整体上促进数据行业发展。
从微观到宏观,DCMM主要具有三个方面的重要意义:
第一,从企业层面来看,有利于帮助企业快速提升数据管理能力。
第二,从行业管理层面看,有利于更好履行大数据行业管理职能。
第三,从国家安全层面来看,有助于维护国家网络安全和数据主权。