【数据治理】数据管理能力成熟度解读

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。