DCMM数据管理能力成熟度评估模型
DCMM（数据管理能力成熟度评估模型）是由我国首个数据管理领域的国家标准，于2018年正式发布。该模型由国家工信部信软司主导，结合了标准规范、管理方法论和评估模型等多方面内容，将组织的数据管理能力划分为八个过程域，包括数据战略、数据治理、数据架构、数据应用、数据安全、数据质量管理、数据标准和数据生命周期。DCMM还分为初始级、受管理级、稳健级、量化管理级和优化级五个发展等级，帮助组织进行数据管理能力的评价。
与其他模型相比，DCMM具有三个显著特点：首先，它是由官方（国家标准化管理委员会）发布，具有公信力；其次，强调数据战略和数据标准，符合中国传统文化中的“规矩”；最后，将数据应用独立作为过程域，贯穿数据治理全过程。DCMM还通过四个阶段的评估体系（准备、实施、制定报告、评审发布）促进标准落地应用。
DCMM填补了我国数据管理领域缺乏完善体系的空白，为企业数字化转型提供指导，帮助企业理清数据管理能力长处和不足，明确治理优先顺序，推动数据管理和应用能力提升，助力数字化人才建设。
Hi，大家好！
今天，我想再次与大家交流关于数据治理能力成熟度评估模型的事宜。这次重点介绍的评估模型即为DCMM。
为推进国有企业数字化转型工作，《国有企业的数据治理工作指引》被印发实施。数据治理被确定为国有企业数字化转型的必由之路。随着国有企业数字化转型的蓬勃发展，数据治理也迎来了'黄金时代'。
数字化转型，是当今时代企业的机遇，也是挑战。
企业迫切需要一套符合中国国情和企业文化的参考框架，以指导企业开展数字化基础设施建设。DCMM作为一种参考框架，或许可以为企业数字化基础设施建设提供指导方案。
01
有关数据治理，
业界有哪些成熟度评估模型？
对于软件能力成熟度模型而言，其最初源于CMM，经过不断演进，现已成为广为人知的CMMI模型（软件能力成熟度模型框架）。该框架由卡耐基-梅隆大学下属的CMMI协会主导开发。2014年，CMMI协会在此框架基础上，推出了数据管理领域的能力成熟度评估模型，即CMMI-DMM。
CMMI-DMM模型在数据管理能力成熟度评估领域具有较高的权威性，本次分享的DCMM模型在一定程度上借鉴了DMM模型的核心框架、过程维度以及能力层级划分等方面的内容。
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：
基于CMMI-DMM的数据管理能力成熟度评估模型，包含了25个过程域，其中包含20个数据管理过程域和5个支持过程域，涵盖了企业应建立的数据管理能力。该模型旨在帮助企业系统地开展数据管理实践，从而提升数据管理的成熟度。
©CMMI协会
Gartner企业信息管理成熟度模型。
©Gartner
该模型旨在评估企业数据管理能力的成熟度。由企业数据管理协会开发的DCAM模型，已发布两个版本，相关文章已在本公众号 prior articles中介绍。DCAM2.0模型包含七个核心组件，分别是数据管理战略与业务案例分析、数据管理流程与资金支持、数据架构设计、技术架构规划、数据质量管理、数据治理框架以及数据操作规范。
©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。
该模型源自SAS公司旗下DataFlux公司的提出。
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。
该模型，笔者在先前文章中也进行了相关解读与分享。如感兴趣，可查阅本公众号的历史文章。
今天，我们很高兴地向大家介绍DCMM模型——我国首个在数据管理领域设立的标准。自上次分享以来，已经过去了1年半时间。在这段时间里，我不断思考和探索，积累了一些新的想法，今天终于有时间与大家分享。
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参与研发）研发的，并于2018年3月15日正式发布，旨在总结和提升我国数据管理领域的最佳实践。
DCMM模型是一个综合运用了标准规范、管理方法论、评估模型等多方面的内容的框架，他将组织内部数据能力细分出八个关键部分，阐述了每个部分的定义、功能、目标和标准。该标准可用于组织在数据管理规划、设计和评估过程中的指导，并可作为信息系统建设状况的监督和检查依据。
DCMM结构组成
DCMM模型针对数据管理能力进行了系统性分析与总结，最终提炼出包含数据战略、数据治理、数据架构、数据应用、数据安全与管理、数据质量管理、数据标准、数据生命周期等八大过程域的组织数据管理框架。该框架共包含28个子过程和441项评价指标。
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
在数据应用领域：分析数据、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模型相仿，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，为组织提供评估数据管理能力成熟度的参考。
03
与其他模型相比，
DCMM有什么不同？
相较于国外的数据管理能力成熟度模型，DCMM具有中国特色的数据管理模型。
DCMM建设概念图
首先，从研制单位的角度来看，国外的数据管理成熟度模型主要为数据管理研究的相关协会、咨询公司以及数据产品的供应商，这些组织多为非营利性民间组织，而DCMM则由国家工信部信息软件司牵头制定，是数据管理领域的国家级标准。
值得大家共同探讨的是：国外为何能获得民间模型框架的授权，而国内为何只能获得官方模型框架的授权？
直接原因是只有官方机构（国家标准化管理委员会）才能发布国家标准。更深层次的原因与中国传统文化有关，官方机构自古以来就象征着权威，官方发布的标准内容具有公信力。
DCMM以数据战略和数据标准为核心，这与DAMA-DMBOK中的数据管理框架以及CMMI-DMM模型不同之处在于...我们中国人讲求'有规矩，成方圆'，规矩即为做事的原则，规范与标准。在DCMM模型中，数据战略即为组织数据管理的最高原则，为组织的数据管理提供方向指引；数据标准则是具体数据管理实践的操作规范，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"，这一领域具有显著的亮点。个人认为：沟通在数据治理战略制定与执行的全过程中发挥着关键作用，它不仅连接着数据治理的各个环节，而且在数据治理领域中可能具有更深层次的意义。具体而言，在启动数据治理项目时，必须说服高层领导，获得其支持；在推进过程中，需要企业各部门的协调与配合；在实现层面，需要IT部门与业务部门的深度融合，以确保业务认可与领导重视；在落地阶段，需要建立数据标准、执行数据规范，并培养数据文化。由此可见，沟通贯穿于数据治理全周期的各个环节，是不可或缺的重要活动。
在深入分析后，我得出了以下结论：DCMM模型特别关注数据应用领域，将其作为其八大核心领域之一。数据应用领域涵盖了数据分析、数据开放共享以及数据服务这三个方面。因此，严格意义上讲，DCMM模型的评估不仅考察组织的数据管理能力，还评估了组织的数据应用能力。这种评估维度在其他数据管理成熟度模型中是看不到的。当然，也有观点认为数据管理与数据应用是两个独立的维度，甚至是两个专业领域，将它们放在一起进行评估可能不够合理。不过，我认为，这种划分是合理的，因为数据治理的本质就是为数据应用服务的，其核心目标是实现数据价值的最大化。如果偏离这一目标进行数据治理，那就是典型的“为了治理而治理”的行为。
但这里，我也有个小疑问：为什么不在'数据应用'过程域中，而是放在'数据架构'层面呢？
“数据互联互通”即指企业内部各系统或部门之间实现的数据共享与交换，旨在促进业务协同，更合适的位置是“数据应用”领域。
04
DCMM模型使用，
评估实施的四个阶段
为推动标准落地应用，于2018年设立中国电子工业标准化技术协会数据管理应用推进分会，该协会在工信部信息软件司的指导下，不断完善优化并建立了DCMM评估体系。
DCMM的评估是由工信部信软司统筹实施，由中国电子信息行业联合会负责组织，涵盖评估机构选取、评估项目实施、优秀标杆评选以及DCMM证书发放等多个环节。评估机构需具备官方认证资质，方能开展DCMM评估工作。
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：
准备阶段：首先收集、整理和评估相关材料，其次明确评估的具体内容或范围，最后组建评估工作小组并划分项目团队各成员的职责任务。
实施阶段：召开DCMM评估启动会，DCMM模型宣贯，开展现场评估。
请编写一份DCMM评估报告，明确各过程域存在的问题与不足之处，并提出改进建议方向。
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！
相比欧美国家，我国在数据管理领域对完善的数据管理成熟度体系的研究一直存在不足，DCMM填补了这一研究空白，并为国内组织的数据管理能力的建设和发展提供了明确的方向性指导。
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。
采用DCMM进行评估有助于企业更有效地管理其数据资产，并为评估数据管理的进展提供了统一的基准。
通过DCMM进行评估分析，有助于企业识别数据管理优势与改进空间。该评估能够帮助企业制定数据治理策略，明确优先级、覆盖范围和具体内容。同时，该方法能够提升数据管理效率，实现更有效的数据利用。
采用DCMM进行评估，有助于帮助组织构建与企业发展战略相匹配的数据管理能力体系，包括组织架构、制度框架、标准化流程以及工具与技术整合等。
采用DCMM方法进行评估，有助于企业建立数据分析和应用能力的团队，培养数字化人才和管理能力，有助于提升企业数据驱动的思维和意识。
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
在企业中，笔者常强调数据治理时要明确目标，不要为治理而治理。
DCMM评估也一样，需要深入思考其Why——评估的目的。通过评估，可以识别数据管理中的问题、不足以及优势，以便更有效地管理和应用数据，从而为企业数字化战略的实施提供有力支持。
数据管理能力成熟度的评估不为争长短、比高低，不为追求更高的评价等级，而应作为发现问题、查找差距、提出改进方案和确定最佳改进路径的工具，帮助企业实现真正的数字化转型。
请通过微信扫描以下二维码关注谈数据，以第一时间获取最新文章。
