DCMM数据管理能力成熟度评估模型

Hi,大家好!

今天想再次跟大家聊一聊关于数据治理能力成熟度评估模型的事,这次要聊的这个模型是DCMM。

根据国务院国资委印发的《关于加快推进国有企业数字化转型工作的通知》要求,明确指出了数据治理是国企数字化转型的必经之路。国企数字化转型方兴未艾,数据治理也被推向了“风口浪尖”。

数字化转型,是当今时代企业的机遇,也是挑战。

企业亟需一套符合中国国情,符合中国企业文化,并且能够指导企业开展数字化“基础设施”建设的参考框架,而DCMM(数据管理能力成熟度评估模型)或许就是一个合适的参考框架。

 

01

有关数据治理,

业界有哪些成熟度评估模型?

 

对于能力成熟度模型最早起源于CMM,现在发展成大家熟知的CMMI模型(软件能力成熟度模型),它是一种对组织在软件定义、实施、度量、控制和改善其软件过程的实践中各个发展阶段的描述形成的标准。CMMI模型是由卡耐基-梅隆大学旗下的CMMI协会开发的,2014年,CMMI协会在CMMI模型基础之上,开发并发布了数据管理领域的能力成熟度评估模型:CMMI-DMM。

CMMI-DMM模型是业界比较权威的数据管理能力成熟度评估模型,我们今天分享DCMM模型在一定程度上也参考了DMM模型的一些内容,包括整体模型框架,过程域以及能力等级的划分等。

在数据治理/数据管理领域,其实有很多能力成熟度模型可供参考,如下:

CMMI-DMM数据管理能力成熟度评估模型。DMM模型用25个过程域(20个数据管理过程域和5个支持过程域),描述了企业数据管理应建立的各项能力,帮助组织开展数据管理过程实践,提升其数据管理的成熟度。

《DCMM数据管理能力成熟度评估模型》

 ©CMMI协会

 

Gartner企业信息管理成熟度模型。将企业信息管理分为了0-5个阶段,分别是:0无意识阶段,1意识阶段,2被动式阶段,3主动式阶段,4托管管理阶段,5有效管理阶段,帮助企业找到信息管理能力所处的位置。

《DCMM数据管理能力成熟度评估模型》

©Gartner

 

EDM-DCAM 数据管理能力成熟度模型。DCAM模型由企业数据管理协会(EDM Council–北美的一家研究金融行业数据管理的公益性组织)开发,目前已经发布了两个版本(这两个版本的模型在本公众号之前的文章中都有分享)。DCAM2.0模型包含了7大组件,分别是数据管理战略与业务案例,数据管理流程与资金,数据架构,技术架构,数据质量管理,数据治理,数据操作。

《DCMM数据管理能力成熟度评估模型》

©EDM Council

 

另外,除了Gartner、CMMI-DMM、EDM-DCAM,你可能还听过:

  • MD3M 主数据管理成熟度模型——源自荷兰乌得勒支大学的一篇硕士论文。

  • DataFlux 主数据管理成熟度模型——由BI软件SAS公司旗下的DataFlux公司提出。

  • Oracle MDM主数据管理能力成熟度模型——由甲骨文(Oracle )公司提出。

  • IBM 数据治理能力成熟度模型——由IBM公司提出。

以上模型,在笔者之前的文章中也做过相关的解读和分享,有兴趣的可以在本公众号的历史文章中查找。

而我们今天要分享的DCMM模型——这个我国首个数据管理领域的国家标准,在之前的文章中也有过介绍,距离上次的分享已经有1年半的时间了,过去了这么久,我又有了一些新的思考,迫不及待的想分享给大家。

 

02

DCMM简介,

结构组成和能力等级划分

 

DCMM简介

DCMM(Data Management Capability Maturity Assessment Model,数据管理能力成熟度评估模型)是由全国信标委大数据标准工作组(国家工信部信软司主导,多家企业和研究机构共同组成)研发,并于2018年3月15日正式发布,是我国数据管理领域最佳实践的总结和提升。

DCMM模型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,他将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。该标准适用于组织在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。

DCMM结构组成

DCMM模型,按照组织、制度、流程、技术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。这八个过程域共包含28个过程项,441项评价指标。

《DCMM数据管理能力成熟度评估模型》

©dcmm.org.cn

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、数据质量分析、数据质量提升

数据标准:业务数据、参考数据和主数据、数据元、指标数据

数据生存周期:数据需求、数据设计和开放、数据运维、数据退役

 

DCMM的能力等级划分

与CMMI类似,DCMM模型将组织的数据能力成熟度划分为初始级、受管理级、稳健级、量化管理级和优化级共5个发展等级,帮助组织进行数据管理能力成熟度的评价。

《DCMM数据管理能力成熟度评估模型》

03

与其他模型相比,

DCMM有什么不同?

 

DCMM与国外的数据管理能力成熟度模型相比,DCMM是具有中国特色的数据管理模型。

《DCMM数据管理能力成熟度评估模型》

DCMM建设概念图

 

首先,从研制单位来讲,国外的数据管理成熟度模型要么是数据管理研究的相关协会,要么是咨询公司,要么是数据产品的供应商,都属于民间组织,而DCMM是由国家工信部信软司主导,数据管理领域的国家级标准。

有个问题大家共同思考下:为什么国外的模型框架来自民间,而我国的模型框架出自官方?

笔者理解:直接原因是只有官方(国家标准化管理委员会)才能发布国家标准。深层次上来讲,与中国传统文化有关,“官方”自古以来代表的都是权威,官方发布的内容具有公信度。

第二,DCMM强调数据战略和数据标准,这是与DAMA-DMBOK中的数据管理框架以及CMMI-DMM模型是有所不同的。我们中国人做人做事讲求“无规矩不成方圆”,“规矩”就是做事的总则,规范和标准。在DCMM模型中,数据战略就是组织数据管理的最高总则,为组织的数据管理提供方向指引;数据标准是具体数据管理实践的执行规范,为组织的数据管理提供操作指导。

第三,DCMM模型的数据治理过程域中的二级过程项“数据治理沟通”,这个是DCMM的一个亮点。个人认为:从数据治理战略的制定到落地执行都离不开沟通,沟通连接着数据治理各个环节,放在数据治理中可能更合适些。首先,启动数据治理项目,就必须说服高层领导,获得领导的支持,这需要沟通;其次,数据治理不是一个人或一个部门的事情,需要企业各部门的协调和配合,这需要沟通;第三,数据治理需要IT与业务的融合,让业务认可、让领导重视,这需要沟通;第四,落地数据标准、执行数据规范、培养数据思维,建立数据文化,这都需要沟通。因此,沟通应该是贯穿整个数据治理全周期、全过程的一项重要活动。

最后,DCMM模型还重点强调数据应用,他将数据应用独立是其八大过程域之一,数据应用过程域包含了数据分析、数据开放共享、数据服务。所以严格意义上讲,DCMM模型评估的不单纯是组织的数据管理能力,还包括组织的数据应用能力。这在其他的数据管理成熟度模型中是看不到的。当然,也有人认为数据管理、数据应用是两个维度,甚至是两个专业领域的事情,放在一起评估不合适。我倒是认为,这没什么不妥的,数据治理的本质是为数据应用服务的,核心目标是为了让数据产生价值,离开这个目标搞数据治理,那就是典型的“为了治理而治理了”。

但这里,我也有个小的疑问:为什么不把“数据集成共享”这个子项放在“数据应用”过程域中,而是放在了“数据架构”过程中?

“数据集成共享”,我理解就是企业内部各系统或部门之间的数据交换共享,解决的是业务协同问题,应该放在“数据应用”似乎更合适吧?

 

04

DCMM模型使用,

评估实施的四个阶段

 

为促进标准落地应用,2018年成立中国电子工业标准化技术协会数据管理应用推进分会,在工信部信软司的指导下,不断丰富完善并建立了 DCMM 评估体系。

DCMM的评估是在工信部信软司的指导下,由中国电子信息行业联合会统一组织,包括:评估机构选取、评估项目实施、优秀标杆评选、DCMM证书发放等。评估机构需要通过官方认证,才具有为企事业单位进行DCMM评估的资格。

根据中国电子信息行业联合会的公开资料,DCMM评估分为以下四个阶段:

《DCMM数据管理能力成熟度评估模型》

 

©dcmm.org.cn

 

准备阶段:收集及分析评估材料,确定评估的范围,成立评估小组并明确项目团队的各方职责。

实施阶段:召开DCMM评估启动会,DCMM模型宣贯,开展现场评估。

制定报告:形成DCMM评估结果,明确各过程域存在的问题和不足,指明改进方向。

评审发布:提交报告及发放证书等。

 

05

DCMM的价值,

为企业数字化转型赋能!

 

与欧美国家相比,在数据管理领域我国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,为国内组织的数据管理的能力的建设和发展提供了方向性指导。

DCMM国家标准的发布对促进我国数据产业的发展有着重要的意义。

  • 通过DCMM评估,有利于帮助企业更加熟练地管理数据资产,增强数据管理和应用的能力,并提供一致和可比较的基准,以衡量一段时间内的进展。

  • 通过DCMM评估,有利于帮助企业理清数据管理能力的长处和不足在哪里,帮助企业确定选择治理的优先顺序、治理范围和内容,更有效地管理和使用数据。

  • 通过DCMM评估,有利于帮助企业建立与企业发展战略相匹配的数据管理能力体系,包含组织体系、制度体系、标准体系以及工具和技术体系等。

  • 通过DCMM评估,有利于帮助企业建立数据管理和应用的队伍,培养数字化人才,有利于推动数据思维和数据意识的建立。

可能有人要问:DCMM真的这么好吗?

个人认为:DCMM可以作为企业数据管理能力建设的指导性工具,也仅是一个工具,能否有助于实现上文描述的“四个有利于”,关键要看怎么用。DCMM评估,你是用它来获取高级别的认证,还是真正的寻找和改进企业数据管理和应用方面不足,这是两个层面的出发点,出发点不同结果是显而易见的。

 

写在最后的话

笔者经常讲企业做数据治理一定要想好数据治理的目标,不要“为了治理而治理”。

DCMM评估也一样,一定要想清楚:Why——为什么评估。评估是为了找到数据管理中的实际问题、不足,或优势,是为了更好的管理和应用好数据,从而为企业的数字化提供更好的支撑。

数据管理能力成熟度的评估不是为了更“别人”争长短、较高低,不要为了获得更高的评价等级,将其作为一场“政治”竞赛。要通过数据管理成熟度的评估,真正发现问题、找到差距、提出改进方案和最佳路径,帮助企业实现数字化转型。

本文章的首发平台是微信公众号,请用微信扫描以下二维码关注谈数据,第一时间获得谈数据的最新文章

《DCMM数据管理能力成熟度评估模型》

    原文作者:谈数据
    原文地址: https://blog.csdn.net/kuangfeng88588/article/details/112545571
    本文转自网络文章,转载此文章仅为分享知识,如有侵权,请联系博主进行删除。
点赞