【数据治理】数据管理能力成熟度解读
![](/theme/default/default/images/main/eye-open.png)
我们非常重视原创文章,为尊重知识产权并避免潜在的版权问题,我们在此提供文章的摘要供您初步了解。如果您想要查阅更为详尽的内容,访问作者的公众号页面获取完整文章。
![](/theme/default/default/images/main/icon-link.png)
![](/theme/default/default/images/main/icon-jing.png)
摘要
数据管理是指使用计算机技术对数据进行收集、存储、处理和应用的过程,旨在充分利用数据。随着技术的发展,数据管理经历了人工管理、文件系统到数据库系统的变迁,后者通过数据结构的优化提高了数据的独立性和安全性,减少数据冗余,增强了数据共享和管理效率。
数据治理能力成熟度显示了一个企业在数据治理方面的能力和水平。类似于DevOps能力成熟度,它使用方法、指标和工具来评估企业的数据管理现状,为企业指明方向并提供实施建议,以利用数据资产提升业务绩效。多个组织和供应商,如DAMA、DGI、CMMI、IBM等,致力于数据管理框架的研究和提供相关产品和服务。
DMM模型
DMM(数据管理成熟度)模型基于CMMI(能力成熟度模型集成)原则,包含25个过程域,致力于提升企业绩效。最新的CMMI 3.0版本新增了数据管理、人员管理和虚拟交付三个模型领域,更具灵活性。DMM模型强调数据管理实践的意图是确定、实施和控制管理数据的方法,其价值在于优化关键数据活动,提升运营效率。使用DMM模型时,企业需避免将同一处理办法应用于所有数据,并在数据价值与控制间找到平衡。
尽管DMM提供了数据管理水平的基本度量,但并未给出明确的改进方法。因此,在实施DMM评估时,需要认识到这一点。数据管理实践域包括明确的数据管理目标、理解数据性质以定义元数据、制定全面的数据管理方法,并定期评估其有效性。
DCMM模型
DCMM(数据管理能力成熟度评估模型)是全国信标委发布的模型,将数据管理能力成熟度分为5级,包含8大过程域、28个过程项。DCMM评估包括启动、宣贯、评估和报告四个阶段。与DMM等模型相比,成熟度模型的关键在于通过评估让企业发现问题,找到数据管理的差距,明确改进方向,并制定符合企业业务发展需求的数据治理路线图。
想要了解更多内容?
![](/theme/default/default/images/main/icon-link.png)
![](/theme/default/default/images/main/icon-jing.png)
专注数智化转型升级,致力于研究各行业数智化建设、大数据与数据治理、信息安全、人工智能与元宇宙等业务顶层设计咨询+落地解决方案、干货信息分享及生态合作....前沿科技资讯分享,打造专业数字化解决方案知识交流平台。
![](https://cdn.easycorp.cn/rongpm/upload/202312/f_39217d624bb2b42ce8f6322ebd7e573a.png)
![](https://cdn.easycorp.cn/rongpm/upload/202312/f_39217d624bb2b42ce8f6322ebd7e573a.png)