15.1 引言

能力成熟度评估（Capability Maturity Assessment，CMA） 是一种基于能力成熟度模型（Capability MaturityModel，CMM）框架的能力提升方案，描述了数据管理能力初始状态发展到最优化的过程。
1）0 级。无能力级。
2）1 级。初始级或临时级：成功取决于个人的能力。
3）2 级。可重复级：制定了最初级的流程规则。
4）3 级。已定义级：已建立标准并使用。
5）4 级。已管理级：能力可以被量化和控制。
6）5 级。优化级：能力提升的目标是可量化的。【五级是最高的】

15.1.1 业务驱动因素

（1）监管
（2）数据治理
（3）过程改进的组织就绪
（4）组织变更
（5）新技术
（6）数据管理问题

15.1.3 基本概念

1.评价等级及特点

CMM 通常定义 5～6 个成熟度级别，每个级别有各自的特性，从初始级到优化级。

1）0 级：无能力。
在数据管理中，管理活动或正式企业流程处于无组织的状态。很少有组织处在0 级阶段，这个级别在成熟度模型中是为了定义才被设定的。
2）1 级初始/临时。
使用有限的工具集进行通用的数据管理，很少或根本没有治理活动。数据处理高度依赖于少数专家，角色和责任在各部门中分开定义。每个数据所有者自主接收、生成和发送数据控件（如果有的话）的应用不一致。管理数据的解决方案是有限的。数据质量问题普遍存在，但无法得到解决，基础设施支持处于业务单元级别。评估标准可能包括对任意一个流程进行控制，如记录数据质量问题。
3）2 级可重复。
有一致的工具和角色定义来支持流程执行。在 2 级中，组织开始使用集中化的工具，并为数据管理提供更多的监控手段。角色的定义和流程并不完全依赖于特定专家。组织对数据质量问题和概念有认识，开始认识到主数据和参考数据的概念。评估标准可能包括组件中的正式角色定义，如职位描述、流程文档以及利用工具集的能力。
4）3 级已定义：新兴数据管理能力。
第 3 级将引入可扩展的数据管理流程将其制度化，并将数据管理视为一种组织促成因素。其特点包括在组织中的数据复制受到控制，总体数据质量普遍提高，有协调一致的政策定义和管理。越正式的流程定义越能显著减少人工干预，这样伴随着集中化的设计流程，意味着流程的结果更加可预测。
评估标准可能包括制定数据管理政策、可扩展过程的使用以及数据模型和系统控制的一致性。
5）4 级已管理。
从 1～3 级增长中获得的经验积累使组织能够在即将开展新项目和任务时预测结果，并开始管理与数据相关的风险，数据管理包括一些绩效指标。4 级的特点包括从桌面到基础设施的数据管理工具标准化，以及结构良好的集中规划和治理功能。此级别的机构在数据质量和全组织数据管理能力（如端到端的数据审核）等方面有显著性提高。评估标准可能包括与项目成功相关的指标、系统的操作指标和数据质量指标。
6）5 级优化。
当数据管理实践得到优化时，由于流程自动化和技术变更管理，它们是高度可预测的，这个成熟度级别的组织会更关注于持续改进。在第 5 级，工具支持跨流程查看数据。控制数据的扩散防止不必要的复制，使用容易理解的指标来管理和度量数据质量和过程。

2.评估标准

至少有 3 个地方错误
1、数据仓库和商务智能有赖于数据集成，数据集成只有1 级，数据仓库和商务智能却有 5 级
2、数据质量依赖于参考数据和主数据，参考数据和主数据只有1级，数据质量却有 4 级
3、架构只有 1 级，数据建模却有 3 级。

3.现有 DMMA 框架

（1）CMMI 数据管理成熟度模型（DMM）
（2）EDM 委员会 DCAM
企业数据管理委员会（Enterprise Data Management Council）是总部设在美国的金融服务行业宣传组织，它开发了数据管理能力评估模型（Data management Capability Assessment Model，DCAM）。
（3）IBM 数据治理委员会成熟度模型
数据管理委员会成熟度模型基于 55 个组织委员会组成。
（4）斯坦福数据治理成熟度模型
斯坦福大学的数据治理成熟度模型是为该大学开发的。
（5）Gartner 的企业信息管理成熟度模型

15.2 活动

5 个活动：规划评估活动、执行成熟度评估、解释结果及建议、制定有针对性的改进计划、重新评估成熟度。

15.2.1 规划评估活动

15.2.2 执行成熟度评估

15.2.3 解释结果及建议

15.2.4 制定有针对性的改进计划

15.2.5 重新评估成熟度

重新评估也可以重振或重新集中精力。可衡量的进展有助于保持整个组织的认同和热情。监管框架的变动、内外部政策、可治理方法和战略创新的变化是定期重新评估的其他原因。

补充内容：
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。
4 个交付物，数字化转型评估不等于 DCMM(国家数据成熟度评估)
评分结果、评估报告、符合性证书、数据管理发展路线图（不够详细，详细的另请公司）