“DCMM”的版本间差异

来自DAMAChina
跳到导航 跳到搜索
（创建页面，内容为“数据管理能力成熟度评估模型（GB/T 36073-2018） 本标准给出了数据管理能力成熟度评估模型以及相应的成熟度等级,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等8个能力域。本标准适用于组织和机构对数据管理能力成熟度进行评估。 DCMM包含8个数据管理能力域.每个能力域包括若干数据管理领域…”）
 
无编辑摘要
第3行： 第3行：
本标准给出了数据管理能力成熟度评估模型以及相应的成熟度等级,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等8个能力域。本标准适用于组织和机构对数据管理能力成熟度进行评估。
本标准给出了数据管理能力成熟度评估模型以及相应的成熟度等级,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等8个能力域。本标准适用于组织和机构对数据管理能力成熟度进行评估。


DCMM包含8个数据管理能力域.每个能力域包括若干数据管理领域的能力项,共 29个,能力域 和能力项见下表：
=== 概述 ===
DCMM包含8个数据管理能力域.每个能力域包括若干数据管理领域的能力项,共 29个，能力域和能力项见下表：
{| class="wikitable"
{| class="wikitable"
|能力域
|能力域
第116行： 第117行：
|数据退役
|数据退役
|}
|}
=== 成熟度评估等级 ===
==== 初始级 ====
数据需求的管理主要是在项目级体现，没有统一的管理流程，主要是被动式管理，具体特征如下:
# 组织在制定战略决策时,未获得充分的数据支持；
# 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；
# 业务系统各自管理自己的数据,各业务系统之间的数据存在不一致现象,组织未意识到数据管 理或数据质量的重要性；
# 数据管理仅根据项目实施的周期进行,无法核算数据维护、管理的成本；
==== 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流程，,指定了相关人员进行初步管理，具体特征如下:
# 意识到数据的重要性,并制定部分数据管理规范,设置了相关岗位；
# 意识到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；
# 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；
# 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；
==== 稳建级 ====
数据已被当做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:
# 意识到数据的价值,在组织内部建立了数据管理的规章和制度；
# 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；
# 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；
# 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；
# 参与行业数据管理相关培训,具备数据管理人员；
==== 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：
# 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，在制定组织业务战略的时候可获得相关数据的支持；
# 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；
# 参与国家、行业等相关标准的制定工作；
# 组织内部定期开展数据管理、应用相关的培训工作；
# 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；
==== 优化级 ====
数据被认为是组织生存和发展的基础，相关管理流程能实时优化，能在行业内进行最佳实践分享， 具体特征如下：
# 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善组织的效率;；
# 能主导国家、行业等相关标准的制定工作；
# 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；

2023年2月16日 (四) 09:02的版本

数据管理能力成熟度评估模型（GB/T 36073-2018）

本标准给出了数据管理能力成熟度评估模型以及相应的成熟度等级,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等8个能力域。本标准适用于组织和机构对数据管理能力成熟度进行评估。

概述

DCMM包含8个数据管理能力域.每个能力域包括若干数据管理领域的能力项,共 29个，能力域和能力项见下表：

能力域 能力项



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

业务术语
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
数据设计和开发
数据运维
数据退役

成熟度评估等级

初始级

数据需求的管理主要是在项目级体现，没有统一的管理流程，主要是被动式管理，具体特征如下:

  1. 组织在制定战略决策时,未获得充分的数据支持；
  2. 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；
  3. 业务系统各自管理自己的数据,各业务系统之间的数据存在不一致现象,组织未意识到数据管 理或数据质量的重要性；
  4. 数据管理仅根据项目实施的周期进行,无法核算数据维护、管理的成本；

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流程，,指定了相关人员进行初步管理，具体特征如下:

  1. 意识到数据的重要性,并制定部分数据管理规范,设置了相关岗位；
  2. 意识到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；
  3. 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；
  4. 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；

稳建级

数据已被当做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:

  1. 意识到数据的价值,在组织内部建立了数据管理的规章和制度；
  2. 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；
  3. 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；
  4. 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；
  5. 参与行业数据管理相关培训,具备数据管理人员；

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：

  1. 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，在制定组织业务战略的时候可获得相关数据的支持；
  2. 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；
  3. 参与国家、行业等相关标准的制定工作；
  4. 组织内部定期开展数据管理、应用相关的培训工作；
  5. 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；

优化级

数据被认为是组织生存和发展的基础，相关管理流程能实时优化，能在行业内进行最佳实践分享， 具体特征如下：

  1. 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善组织的效率;；
  2. 能主导国家、行业等相关标准的制定工作；
  3. 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；
取自“http://dmbok.dama.org.cn/wk/index.php?title=DCMM&oldid=194”