深度解析DCMM数据管理成熟度模型

随着数据在经济社会各领域的深入应用和数据量的急剧增长，数据的资产化和价值创造已经成为企业发展的必然趋势，而数据管理是企业将数据作为核心资产的基础，其战略意义不言而喻，正日益对全球生产、流通、分配、消费活动以及经济运行机制、社会生活方式和国家治理能力产生重要影响。

DCMM背景及简介

01 DCMM模型概述：

DCMM（Data Management Capability Maturity Assessment Model，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，由中国国家标准化管理委员会于2018年3月15日发布，于2018年10月1日起实施。

将组织内部数据能力划分为数据战略，数据治理，数据架构，数据标准，数据质量，数据安全，数据应用，以及数据生存周期八个重要组成部分，描述了每个组成部分的定义、功能、目标和标准。

该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。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。

02 DCMM数据管理成熟度模型的特点？

1. 充分考虑国内数据管理实际情况及需求：比如元数据管理这个内容在Gartner研究机构是非常重要的，但在标准试运行的时发现用户感知很陌生，因此降级到数据架构作为二级能力项进行评估；数据标准在DAMA体系中没有专门管理域，但国内金融行业强调数据标准先行，开展数据质量管理等应用拓展；

2. 充分借鉴国际权威理论、方法；

3. 围绕模型的开发建立完善的配套评估体系。

03 业界有哪些成熟度评估模型？

从国际上看数据管理工作开展比较早期，2004年起已开始了数据管理方面的探讨工作，目前国外已有DGI机构的DGF（Data Governance Framework）、IBM机构的DGM（IBM Data Governance Maturity）、CMMI机构的DMM（Data Management Maturity Model）、DAMA机构的DMBOK（Data Management Body of Knowledge）、EDM Council机构的DCAM(Data Management Capability Assessment Model)共5个较为成熟的数据管理模型。

04 国内DCMM产生背景与阶段？

可以划分为4个阶段：

1. 早期探索阶段（2003-2010）：中国数据管理领域前后在银行与通信业等数据衍生企业经历了早期实践探索，企业切入侧重点会有差异，有些从数据标准开始，有些从元数据开始，但已经小范围的开展。2004年，中国建设银行启动企业级数据仓库建设，整合全行数据资源，厘清数据源头。

2. 广泛关注阶段（2010-2015）：数据管理被进一步纳入电力等大型央企的信息化规划和信息化建设， 也因互联网巨头的业务域数据规模快速增长而被关注。

3. 加速发展阶段（2015-2020）：数据治理领域进入了一个加速发展的阶段，在理论与标准层面不断推陈出新。如DCMM、 DSMM、 阿里中台、华为实践案例等；在行业不断发酵，能源行业、制造业等开始着力发展；国家政策层面进行倾斜。

4. 大力推广阶段（2020年至今）：在2020年4月中共中央、国务院发布的《关于构建更加完善的要素市场化配置体制机制的意见》中，首次将数据定义为新型生产要素。数据已和其他要素融入经济价值创造过程，对生产力发展产生广泛影响。海量数据的激增也使得各方企业越发重视数据的管理，依据企业自身的情况构建数据管理体系，发挥数据的价值、保障数据的安全。

2021年11月，工业和信息化部发布的《“十四五”大数据产业发展规划》中也进一步强调，要通过DCMM国家标准贯标，持续提升企事业单位数据管理水平，同时也鼓励地方加强对DCMM贯标工作的资金奖补支持。

05 DCMM与其他数据管理体系有什么区别？

DCMM与ISO、CMMI相比，一是评估对象更加广泛和行业化；二是评估内容聚焦于企业和组织的数据管理能力；三是评估作用帮助企业和组织提升数字化转型的核心驱动力。

• ISO20000：服务对象：IT服务，服务内容：建立、实现、维护、改进服务管理体系

• ISO27001：服务对象：企业和组织的信息安全，服务内容：建立、实施、维护信息安全管理体系

• ISO27017：服务对象：云服务提供商和云服务客户，服务内容：建立、实施、维护相关安全管理体系

• ISO9000：服务对象：企业和组织的产品质量，服务内容：企业和组织的质量管理体系

• CMMI：服务对象：软件开发企业，服务内容：企业软件开发管理能力体系

06 DCMM国家标准编制及宣贯历程

▌DCMM评估价值与意义

1、从企业层面看：

一是能够指明组织未来管理未来发展方向。企业可进行国家标准的对标，发现企业数据管理能力建设过程中存在的问题，找到企业本身与行业平均水平之间的差距；DCMM作为权威框架，能够指导企业开展数据管理工作，从而实现查漏补缺，针对性帮助企业快速提升数据管理意识、掌握数据管理方法，事半功倍地提高自身数据管理能力。

二是规范企业建立数据管理体系。DCMM提供了国内最权威的数据管理理论知识体系， 可帮助企业理清数据管理、应用建设的思路和框架，规范和指导相关工作的开展：通过DCMM的评估和培训，可以加强企业内部技术人员、业务人员以及管理人员的数据资产意识，提升相关从业者的技能。

三是有助于培养数字化人才。将DCMM评价结果纳入公司数字化考核评价体系，或者基于DCMM评估模型设计符合公司实际情况的定制化数据管理评估模型，定期对分子公司进行评价考核，推动公司整个公司的数字化转型进程。

另一种方式基于国家标准来去在研制一套符合自身行业特点的定制化模型，这也是目前的发展趋势。

2、从政府层面看，DCMM帮助主管部门更好履行行业管理职能。面向重点领域宣传推广国家大数据发展的战略部署、先进理念和典型经验，提升重点领域企业数字化发展水平，是行业主管部门履行行业管理职能的重要抓手。

3、从国际层面看，DCMM提升我国在数据管理领域的国际竞争力。当前，国际数据管理领域正处于生态尚未锁定、路径尚未统一的重要战略机遇期。推DCMM贯标评估工作，构建自主可控的数据管理体系，有利于增强我国在国际数据管理领域的影响力和话语权。

▌DCMM评估模型详解

01 DCMM模型架构：能力域-能力项-标准

DCMM数据管理能力成熟度评估模型定义了数据战略、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八个核心能力域及28个能力项445条标准进行评估。

02 DCMM模型内容：等级与特征

DCMM数据管理成熟度评估：从低到高共分5个等级，分别是初始级、受管理级、稳健级、量化管理级、优化级。组织可以清楚的定义数据当前所处的发展阶段以及和未来发展方向。

• 初始级：数据需求的管理主要在项目级进行体现，没有统一的管理流程，主要是被动式管理。比如数据仓库的建设，主数据管理系统的建设，在项目级别进行呈现。

• 受管理级：组织已经意识到数据是资产，根据管理策略的要求制定管理流程，指定相关人员进行初步的管理。除项目集之外，在业务域或者某部门级进行数据管理工作。比如在财务域、营销域、生产域数据管理制定相关制度，流程规范，标准或者进行数据质量专项治理工作。

• 稳健级：数据已经被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。从部门级上升到企业级，对企业数据模型进行数据治理，制定企业数据管理制度规章办法，规范各个系统建设。

• 量化管理级：数据被认为是获得竞争优势的重要资源，数据管理的效率能够进行量化分析和监控。基于稳健级制定量化管理指标，达到量化体现。

• 优化级：数据被认为是组织生存的基础，相关管理流程能够实时优化，能够在行业内进行最佳实践的分享。评判标准从两点进行描述，一是参与国家标准、行业标准牵头编制，二是在权威会议论坛进行经验分享。

03 DCMM模型包含内容？

1）数据战略：数据战略是组织开展数据工作的愿景、目的、目标和原则。

1. 数据战略规划：数据层面战略规划文件做指导或者数据战略规划、信息化中有关数据的战略规划。

2. 数据战略评估：实施过程是否符合战略规划，是否需要修订、过程中的评估评级、战略后评估。目前多数企业在有关数据战略评估定性或者定量还不完善。

3. 数据战略实施：组织完成数据战略规划并逐步实现数据职能框架的过程。
   

2）数据治理：数据治理是对数据进行处置、格式化和规范化的过程，数据治理涉及数据 全生存周期管理。

1. 数据治理组织：构建包括组织架构、岗位设置、团队建设、数据责任等内容，是各项数据职能工作开展的基础。

2. 数据制度建设：保障数据管理和数据应用各项功能的规范化运行建立对应的制度体系。整体的制度建设围绕数据管理工作，划分了多层级的数据管理制度。从纲领性文件数据管理办法、数据资产管理办法，到各项活动标准的质量、元数据的、数据等等一系列的数据管理办法，再到执行时候管理细则，管理规范等等，这是整体的制度建设。

3. 数据治理组织和制度建设一般都是在企业开展数据规划的时首先需要明确的。

4. 数据治理沟通：对内对外合理沟通协调机制。
   

3）数据架构：通过组织级数据模型定义数据需求，指导对数据资产的分布控制和整合，部署数据的共享和应用环境，以及元数据管理的规范。

1. 数据模型：从模型覆盖的内容粒度看，数据模型一般分为主题域模型、概念模型、逻辑模型和物理模型。主题域模型是最高层级的，以主题概念及其之间的关系为基本构成单元的模型，主题是对数据表达事物本质概念的高度抽象。

2. 数据分布：数据在企业间的流向、分布关系。

3. 数据集成与共享：企业内容关于数据仓库、数据中心、数据平台等集成共享工作。

4. 元数据管理：关于元数据的创建、存储、整合与控制等一整套流程的集合。
   

4）数据应用：数据应用是数据的价值体现方式。

1. 数据分析：常规报表分析、多维分析、动态预警、挖掘分析等。

2. 数据开放共享：引入外部数据供内部组织应用、内部数据开放共享。

3. 数据服务：包装成数据产品对外起到增值、数据变现作用。

5）数据安全：数据的机密性、完整性和可用性。

1. 数据安全策略：制定适合组织的数据安全标准，确定数据安全等级等。

2. 数据安全管理：围绕数据生命周期，开展一系列数据安全防护和管理动作，如加密、脱敏、防泄露等。

3. 数据安全审计：数据安全审计的管理动作，目前更多是信息化审计。

6）数据质量：在制定条件下使用时，数据的特性满足明确的和隐含的要求的程度。

包含数据质量需求、数据质量检查、数据质量分析、数据质量提升等内容，明确数据质量目标制定规则，包括技术指标、业务指标以及相应的校验规则与方法。

7）数据标准：数据的命名、定义、结构和取值的规则。从业务数据、参考数据和主数据、数据元、指标数据四个方面评估企业是否有做相关的标准落地。

8）数据生存周期：将原始数据转化为可用于行动的知识的一组过程。从数据需求、数据设计和开放、数据运维、数据退役进行评估评价。

1）理论特点：

1. DCMM模型是一个数据管理参考框架，可供企业作为本企业的数据管理职能框架设计、数据管理工作蓝图规划设计的参考；

2. DCMM模型是一个数据管理能力现状评估标准，用于对企业数据管理能力的全面诊断， 提出企业在数据管理方面存在的差距、改进方向及提升建议；也可以作为针对企业信息系统建设状况的指导、监督和检查的依据。

2）理论解读：

1. DCMM分为8个能力域，可以理解为1个战略引领（数据战略）、1个保障机制（数据治理）、4项应用环境建设 （数据架构、数据标准、数据生存周期、数据应用）、2项日常运营（数据质量、数据安全）共4个方面。

2. 能力域间逻辑关系可以理解为：在数据战略的引领下，以数据治理机制为保障，沿着数据全生命周期开展数据标准、数据应用和数据架构等应用环境建设，并保持2项日常工作的正常运营，确保数据质量良好、安全可控。
   

数据管理能力成熟度评估，并不高深也并不陌生，它本质上是体系化、深度化、数量化的数据管理现状分析！

▌DCMM数据管理能力成熟度评估流程

01 评估流程及具体周期 ？

DCMM评估流程大致分为：受理申请（填写申请书）→合同受理（签订合同）→资料收集解读→现场评估→撰写评估报告→DCMM专家委员会审核→公示→颁布证书。

从前期申报到领取评估报告，时间周期约为1-3个月左右，主要依据DCMM专家委员会审核周期来确定。

02 具体评估流程 ？

分为准备阶段、实施阶段、报告制定、评审发布4个阶段。

1）准备阶段：通过收集、分析客户资料进行解读，充分理解被评组织的背景，共同确定评估的范围，成立联合评估小组，制定评估计划明确项目团队及各方职责。

2）实施阶段：召开DCMM启动会，明确工作目标及工作内容，开展DCMM模型培训宣贯，解读评估内容及评估方法，通过问卷调查、现场访谈等形式，获得客户DCMM 的基本现状。

3）制定报告：结合客户DCMM现状，依据DCMM评估模型及成熟度等级标准，形成DCMM成熟度评估结果，揭示关键发现，提出关键建议，总结形成DCMM评估报告。

4）评审发布：提交DCMM评估报告至电子联合会，通过专家组评审，获得DCMM成熟度等级证书（有效期三年）。

03 关键流程项介绍

1）资料收集：可参照下图在各个域中整理材料。

2）召开项目启动会：针对较为大型的三级、四级的评估申请，召开启动会，正式授权DCMM项目，且配备资源的过程，明确项目整体计划、项目范围及职责边界等。

3）现场评估：根据自评问卷的情况进行现场评价，分析相关工作开展的支撑材料，了解各项工作具体的开展情况，同时明确访谈对象，设计访谈提纲，开展进一步面对面访谈沟通理解企业开展数据管理工作的详实情况。加强参与DCMM评估项目成员的交流，获得关键发现，解析关键问题，提供指导及建议。

注意：评估打分主要依赖于提供的书面材料和佐证材料，要保证材料的真实规范。

04 核心输入物和输出物

评分雷达图可直观看到企业的综合水平，评估报告会详细表示企业不足之处及发展建议。

05 DCMM申请要求

DCMM是针对一个企业数据管理和应用能力的评估框架，从标准本身来讲，任何企业都可以做相关的申请。从评估流程来说，可以分为两个方面：

数据拥有方（评估自身的数据管理和应用能力）：可以评估数据拥有方在数据管理方面存在的问题并给出针对性的建议，帮助其提升数据治理能力水平。（金融与保险机构、互联网企业、电信运营商、工业企业）

数据解决方案提供方（评估对外提供的产品及服务的数据管理和应用能力）：通过该标准的实施落地，可以帮助数据解决方案提供方完善自身解决方案的完备度。（软件开发/运营商、信息系统建设和服务提供商、信息技术服务提供商等）

▌DCMM其他相关

01 政策支持

工业和信息化部等：《关于工业大数据发展的指导意见》：推广《数据管理能力成熟度评估模型》（GB/T 36073-2018，简称DCMM）国家标准，构建工业大数据管理能力评估体系，引导企业提升数据管理能力。鼓励各级政府在实施贯标、人员培训、效果评估等方面加强政策引导和资金支持。

《关于组织开展2021年大数据产业发展试点示范项目申报工作的通知》：鼓励数据要素拥有方基于《数据管理能力成熟度评估模型》（GB/T 36073-2018，以下简称DCMM）国家标准，探索提升自身数据管理能力，申报此细分方向的工业企业DCMM评估需达到三级及以上，其他行业企业需达到四级及以上。鼓励技术服务提供方开发提升企业数据管理能力的工具和平台，申报此细分方向的单位不限DCMM评估级别。

02 企业DCMM认证情况

截止2022年3月31日，已经有11批次206家企业获得认证，其中信息传输、软件和信息技术服务业85家、科学研究和技术服务业34家、制造业30家。

03 DCMM评估考核要点