“DCMM”的版本间差异
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 | === 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 |
|
数据战略规划 |
数据战略实施 | |
数据战略评估 | |
|
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 | |
|
数据分析 |
数据开放共享 | |
数据服务 | |
|
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:
- 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;