【2017年第4期】数据管理能⼒成熟度模型
李冰1，宾军志2
1.中国电⼦技术标准化研究院，北京 100007；
2.御数坊（北京）科技咨询有限公司，北京 100007
摘要：为促进⼤数据产业持续深⼊发展，提⾼政府、企事业单位⼤数据资产管理意识，借鉴国内外成熟度相关理论思想，结合数据⽣命周期管理各个阶段的特征，对数据管理能⼒进⾏了分析、总结，提炼出组织数据管理的⼋⼤过程域，并对每项能⼒进⾏了⼆级过程域和发展等级的划分以及相关功能介绍和评定标准的制定。
关键词：⼤数据 ; 数据管理 ; 能⼒成熟度
中图分类号：TP399 ⽂献标识码：A
doi:10.11959/j.issn.2096-0271.2017039
Data management capability maturity model
LI Bing1, BIN Junzhi2
1. China Electronics Standardization Institute,Beijing 100007,China
2. Data Governance Workshop,Beijing 100007,China
故乡的野菜Abstract:To promote the continuous development of big data and improve the government and enterpris’ awareness of data management,the organizational data management of the eight process areas were extracted by analyzing and summarizing the data management capabilities,combining with data lifecycle management at all stages of the characteristics and the theory from domestic and abroad.Otherwi,each capability was divided into two process areas and development levels,introduced the functions and formulated the standardization of asssment.
Key words: big data ; data management ; capability maturity呼伦贝尔大草原歌词
论⽂引⽤格式：李冰, 宾军志. 数据管理能⼒成熟度模型[J]. ⼤数据, 2017, 3(4): 29-36.
LI B, BIN J Z. Data management capability maturity model[J]. Big Data Rearch, 2017, 3(4): 29-36.
1 引⾔
在信息化的时代，特别是如今与⼤数据相关的研究和应⽤层出不穷，数据已经成为各个单位最重要的资产，国务院也于2015年8⽉正式印发了《促进⼤数据发展⾏动纲要》，在纲要中明确指出了⼤数据已经成为推动经济转型发展的新动⼒，⼤数据持续激发商业模式创新，不断催⽣新业态，已成为政府、企事业单位促进业务创新增值、提升核⼼价值的重要驱动⼒。但是随着⼤数据⾏业的蓬勃发展，国内的相关部门正⾯临越来越多的挑战。
⾸先，由于⼤数据是相对较新的⾏业，⽬前⼤数据相关理论的发展相对滞后，特别是数据管理理论，⽬前国内各家单位更多的是采⽤国际咨询公司的理论框架或者国际数据管理协会的数据管理知识体系作为引导，但是这些理论基本没有考虑国内数据⾏业发展的现状和特性，同时，普及程度也有待提⾼。这导致⽬前国内很多⾏业在数据管理⽅⾯的意识薄弱、管理⽅式各异、发展相对落后的局⾯。
其次，由于⽬前在数据管理能⼒成熟度模型的研究中普遍缺少⼀个统⼀、系统、适应现代信息环境的数据管理和质量保证体系的专业标准（如类似制造业的ISO 9000等），所以国内外的学者在借鉴软件能⼒成熟度模型（capability maturity model for software，CMM）的基础上，在不同研究领域尝试提出各种数据能⼒成熟度模型，⽤以研究、指导具体的数据⽣产过程的数据管理，在国际上⽐较有名的数据能⼒成熟度模型有美国IBM公司的数据治理能⼒成熟度模型等，该模型在充分借鉴CMM的基础上，针对数据管理的不同领域进⾏详细的定义，每个领域都按照CMM的模式进⾏阶段划分。
随着数据应⽤的逐渐增多，国内对于能⼒成熟度模型的研究也在逐渐增多。⽬前，针对数据能⼒的评价依然没有⼀个完整、全⾯的模型，现有的模型有的本⾝就存在特定的倾向性，有的是针对数据管理的特定领域。由于信息化的快速发展，数据的重要性已经体现得越来越明显，特别是⼤数据、物联⽹时代，数据已经成为国家的战略资源。针对这样的战略资源，我国迫切需要建⽴⼀种通⽤的能⼒评价模型，帮助各个企业、单位更好地进⾏数据资源的评估和规划，进⽽使我国的信息化在国际上占据更有利的位置，在国际信息化的标准化领域有更⼤的话语权。
2 数据管理能⼒成熟度研究现状
2.1 国外研究现状
由于数据的重要性越来越⾼，数据管理的重要性也在逐渐提升，所以国际上⼀些组织在借鉴软件能⼒成熟度模型的基础上也提出各⾃的数据能⼒成熟度模型，⽤以规范、指导具体的数据⽣产过程的数据管理。⽬前在国际上关于数据能⼒成熟度评估模型⽅⾯的研究⽐较著名的有以下两个。
（1）软件⼯程研究所（Software Engineering Institute，SEI）的数据能⼒成熟度模型
数据能⼒成熟度（data management maturity，DMM）模型是由卡耐基梅隆⼤学旗下机构研究所以能⼒成熟度模型整合的各项基础原则为基础开发的，并于2014年8⽉正式发布。软件能⼒成熟度集成模
型（CMMI）是⼀项拥有20多年历史、经过实践检验的绩效改善以及软件和系统开发的黄⾦卓越标准。DMM模型是⼀个能实现业务部门利益与IT相互匹配的强⼤加速器（如图1所⽰），可为公司组织提供⼀套最佳实践标准，制定让数据管理战略与单个商业⽬标相⼀致的路线图。从⽽确保能强化、良好地管理并更好地运⽤关键数据资产来实现商业⽬标。缘落
图1 DMM能⼒模型职能域的划分
DMM包含以下六⼤职能域[1]：
● 数据管理战略；
● 数据质量管理；
● 数据操作；
● 数据平台和架构；
● 数据治理；
● ⽀撑流程。
由于CMMI在软件过程成熟度（SWCMM）评估过程中取得了巨⼤的成功， DMM模型⼀经发布就引起了各⽅的关注，当前已经在国际上培训了⼀批评估师，包括中国、巴西、美国等，并且在房地美（美国联邦住宅贷款抵押公司）、微软等公司进⾏了模型验证。
（2）企业数据管理协会的数据管理能⼒成熟度模型
企业数据管理协会（EDM Council）是北美地区的⼀个主要⾯向⾦融保险⾏业数据管理的公益性组织，在数据内容标准制定、数据管理最佳实践等⽅⾯有丰富的经验，是业界的倡导者和领导者。组织内部的成员⼤部分都是数据管理⾏业和⾦融保险⾏业的企业。
摩羯女和白羊男数据管理能⼒评价模型（data management capability asssment model，DCAM）是由企业数据管理协会主导，组织⾦融⾏业企业参与编制和验证，基于众多实际案例的经验总结来进⾏编写的，并于2015年2⽉正式发布。DCAM⾸先定义了数据能⼒成熟度评估涉及的能⼒范围和评估的准则，然后从战略、组织、技术和操作的最佳实践等⽅⾯描述了如何成功地进⾏数据管理。最后，⼜结合数据的业务价值和数据操作的实际情况定义数据管理的原则。
如图2所⽰，在DCAM中，主要分为以下8个职能域[2]：
● 数据管理策略；
● 数据管理业务案例；
● 数据管理程序；
● 数据治理；
● 数据架构；
● 技术架构；
● 数据质量；
● 数据操作。
图2 DCAM中数据管理职能域的划分
由于⾦融是监管驱动的⾏业，各⾦融公司都会⾯临⼤量的监管需求，例如巴塞尔协议、各国⾃⾝的监管需求等，所以DCAM在⾦融业具有很⼤的影响⼒，在DCAM的推⼴过程中，EDM也在尝试把DCAM和监管需求进⾏映射，从⽽可以帮助⾦融企业更好地满⾜监管需求。
2.2 国内与国外差异
数据管理能⼒成熟度模型（data management capability maturity model，DCMM）与以上2个模型最
沙漠之狐隆美尔⼤的差异在于它既吸收了⾏业公认的部分，⼜结合了国内数据发展的现实情况，增添了“数据标准”“数据安全”和“数据应⽤”3个独⽴的能⼒项。
● 数据标准：国外的数据管理相关⼯作中对于数据标准的强调⾮常少， DAMA数据管理知识体系指南（DAMA guide to the data management body of knowledge，DMBOK）、DMM或者DCAM等⽂件中都没有关于数据标准的内容，⽽在国内恰恰相反，在国内很多⾏业，特别是银⾏、政府等⾏业在开展数据治理的过程中，往往会⾸先制定各⾃的数据标准。2017年是我国的标准化⼤年，⾯对诸多的数据孤岛，数据开放、共享、融合是当前要务，强调数据标准就是强调夯实数据的基础。
● 数据安全：随着数据在单位之间的流动性越来越⾼，特别是《中华⼈民共和国⽹络安全法》的发布和执⾏，数据安全和隐私的保护也引起了⼤部分单位的重视，国家也在制定数据安全相关的标准，为此，DCMM也把数据安全作为数据能⼒的⼀个重要维度，意图通过评估来提升各单位的数据安全能⼒状况。
● 数据应⽤：数据应⽤是数据资产价值体现的重要⽅式，也是数据管理的重要⽬标，国内很多单位也把数据管理和数据应⽤放在统⼀的团队中进⾏开展，同时也可以通过数据应⽤来保证数据管理⼯作的针对性，更利于体现数据管理⼯作的价值。
3 数据管理能⼒成熟度模型概述头发的颜色
3.1 数据管理能⼒成熟度模型含义
数据管理能⼒成熟度模型是通过⼀系列的⽅法、关键指标和问卷来评价某个对象的数据管理现状，从⽽帮助其查明问题、找到差距、指出⽅向，并且提供实施建议。
3.2 数据管理能⼒成熟度模型内容
数据管理能⼒成熟度模型定义了数据能⼒成熟度评价的⼋⼤能⼒域：数据战略、数据治理、数据架构、数据标准、数据质量、数据安全、数据应⽤、数据⽣命周期管理，如图3所⽰。这8个能⼒域⼜包括29个能⼒项，见表1。
图3 数据管理能⼒成熟度模型
表1 DCMM的能⼒域和能⼒项
3.3 数据管理能⼒成熟度等级划分
数据管理能⼒成熟度评价划分为5个等级，包括：初始级、受管理级、稳健级、量化管理级和优化级。在此基础上，确定每个层次的基本特征如下，数据能⼒成熟度等级定义如图4所⽰。
图4 成熟度等级
● 等级⼀：初始级。组织没有意识到数据的重要性，数据需求的管理主要是在项⽬级来体现，没有统⼀的数据管理流程，存在⼤量的数据孤岛，经常由于数据的问题导致低下的客户服务质量、繁重的⼈⼯维护⼯作等。
● 等级⼆：受管理级。组织已经意识到数据是资产，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的管理，并且识别了与数据管理、应⽤相关的⼲系⼈。
● 等级三：稳健级。数据已经被当作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以促进数据管理的规范化，数据的管理者可以快速地满⾜跨多个业务系统、准确、⼀致的数据要求，有详细的数据需求响应处理规范、流程。
绝句李清照● 等级四：量化管理级。数据被认为是获取竞争优势的重要资源，组织认识到数据在流程优化、⼯作效率提升等⽅⾯的作⽤，针对数据管理⽅⾯的流程进⾏全⾯的优化，针对数据管理的岗位进⾏关键绩效指标（key performance indicator，KPI）的考核，规范和加强数据相关的管理⼯作，并且根据过程的监控和分析对整体的数据管理制度和流程进⾏优化。
● 等级五：优化级。数据被认为是组织⽣存的基础，相关管理流程能够实时优化，能够在⾏业内进⾏最佳实践的分享。
4 数据管理能⼒成熟度模型特征
数据管理能⼒成熟度模型在制定过程中充分研究了国外理论和实践的发展，同时，充分考虑了国内各⾏业数据管理发展的现状，并引⼊了国内数据管理发展相对领先的⾦融⾏业的实践经验，保证了模型的创造性、全⾯性和可操作性。
创造性：数据能⼒成熟度评价模型是国内外数据⾏业发展的崭新事物，⽬前体系化的数据能⼒成熟度
评价模型基本都处于起步阶段，该模型是国内第⼀份完整的数据能⼒成熟度评价标准，对规范国内⼤数据⾏业的发展具有重要意义。
中国第一长寿村
全⾯性：在标准研制的过程中，对数据管理相关的理论进⾏了充分研究，包括DMBOK、DMM、DCAM[3]、Gartner（⾼德纳咨询公司）报告等资料，并且充分考虑了国内数据管理⾏业的发展，包括国家⼤数据领域的政策以及标杆企业数据管理的整体发展历程。
可操作性：在标准研制的过程中，标准化研究院召集了国内数据管理⾏业产学研相关的单位，都具备丰富的理论和实践经验，同时，进⾏了多次标准的试点验证⼯作，结合试点验证⼯作的总结，有针对性地对标准进⾏了完善和修改，保证标准的可操作性。
5 数据管理能⼒成熟度模型建设⽬的
数据管理能⼒成熟度模型是数据管理和应⽤的基础，将在⾏业⾥起到很⼤的作⽤。
（1）准确评价各地⼤数据发展现状
通过对地⽅上各单位数据管理、应⽤情况进⾏评估，可以掌握各单位⼤数据管理和应⽤的现状，发现具备的优势和存在的问题，为更好地利⽤本地的数据资源和进⾏针对性的指导提供⽀持。
（2）培养⼤数据发展⼈才
⼤数据产业的发展是技术驱动式的，对⼈员的技能和素质有很⾼的要求，通过DCMM的评估，可以对各地⽅和单位的数据从业⼈员进⾏培训，提升数据管理和应⽤的技能，进⽽从整体上促进地⽅和单位数据⾏业的整体发展。
（3）规范和指导⼤数据⾏业发展
