DCMM(GBT36073-2018)数据管理能力成熟度评估模型解读
DCMM标准的核心点在于通过八个核心能力域和五个成熟度等级的划分，全面评估企业的数据管理能力，并为企业提供提升数据管理能力的路径和方法，从而推动企业在信息化、数字化、智能化方面的发展。
01、什么是DCMM
DCMM是国家标准《数据管理能力成熟度评估模型GB/T36073-2018》（Data management Capability Maturity Model）的英文简称，是我国在数据管理领域首个正式发布的国家标准。
02、DCMM标准内容
DCMM提炼出数据战略、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8个核心能力域，细分为28个过程域和445条能力等级标准。
一、八个核心能力域
DCMM定义了八个核心能力域，这些能力域共同构成了评估模型的核心内容：
- 数据战略：关注企业如何制定和执行数据管理的长期策略，包括理解并应对数据带来的业务机会和挑战，以及设置数据管理目标。
- 数据治理：主要关注如何建立有效的数据管理组织架构，明确各角色和职责，以及实施适当的政策和程序来管理数据。
- 数据架构：关注如何设计、实施和维护企业的数据架构，包括数据的结构、关系、存储和访问方式等。
- 数据应用：主要关注如何有效地利用数据来支持企业的业务运营和决策，包括数据的分析、挖掘和应用等。
- 数据安全：关注如何保护数据免受未经授权的访问、泄露、损坏或丢失，以及如何处理与数据相关的安全风险和威胁。
- 数据质量：关注如何确保数据的准确性、一致性、完整性、可靠性和及时性，以及如何管理和控制数据质量。
- 数据标准：主要关注如何制定和实施数据管理相关的标准，包括数据格式、术语、编码等，以促进数据的共享和集成。
- 数据生存周期：关注如何管理和控制数据的生命周期，包括数据的创建、存储、访问、使用、修改、归档和销毁等。
二、成熟度等级划分
DCMM将数据管理能力成熟度划分为五个等级，自低向高依次为：
- 初始级（1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。
- 受管理级（2级）：组织已经意识到数据的重要性，根据管理策略的要求制定了管理流程，指定相关人员进行初步管理。
- 稳健级（3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促进数据管理的规范化。
- 量化管理级（4级）：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，数据管理效率能够进行量化分析和监控。
- 优化级（5级）：在业界分享最佳实践，成为行业标杆。
三、评估流程
DCMM的评估流程包括三个阶段：
- 评估准备阶段：被评估方参照DCMM标准建立、健全数据管理体系，内部运行开展自评估，也可以通过贯标咨询机构协助对标，并向第三方评估机构提交有效的申请材料。
- 正式评估阶段：评估机构受理评估申请后，组织现场评审并出具评估报告，给予评估等级的推荐意见，并报评估工作部备案。
- 结果评议阶段：评估工作部对评估机构报送的评估结果进行合规性审查，对于合规性审查中发现存在较大问题的评估结果有权驳回。对于评估机构推荐的优化级、量化管理级和优化级的评估结论，评估工作部需组织专家对评估结果进行评议。
DCMM评估过程有哪些方式？
- （1）制度层面。审查文件和记录：包括公司层面及部门层面的规章、制度、规范和管理规定等，以及公司在管理过程中的过程文档，如会议纪要、会签记录等。
- （2）平台工具层面。观察数据管理过程和活动：重点了解数据管理系统/平台/工具的相关功能和使用记录。
- （3）人员管理层面。人员访谈：对公司的规章制度执行以及数据管理平台使用情况进行核验，确认其实施过程与客观证据是否保持一致。
DCMM评估过程有哪些人参与？
数据战略和治理需要的是管理人员，其余6个能力域需要的是技术人员，从实际评估角度来说，企业匹配人员一般在5-10个（数据管理者、数据使用者、数据架构师、数据治理专员、业务领域管理者、数据设计专员、领域数据管理专员、质量专员、企业数据安全专员 等等）。
企业如何开展贯标准备工作？
准备工作分为三个阶段：
- （1）差距分析：对照能力等级标准的相关要求，梳理本企业数据管理的相关制度、执行过程文档、数据管理平台和工具的相关资料，进行差距分析，制定建设提升工作计划。
- （2）能力建设：健全数据管理组织，完善数据管理制度体系，优化数据管理平台和工具，开展对标自评估。
- （3）量化评估：组建评估队伍，提交正式评估申请，开展第三方评估，获取评估结果和提升整改意见。
四、评估意义
DCMM评估对企业具有以下重要意义：
- 科学掌握数据管理方法：帮助企业科学有效地掌握数据管理方法，发现问题、找到差距，给出企业提高数据管理能力的路径。
- 提升内部管理：提高数据作为单位核心战略资源的地位，推动企业内部管理的提升。
- 提高人员技能：推动企业数据管理人才队伍建设，提高人员技能。
- 增强市场竞争力：提高企业市场竞争门槛，促进数据要素价值释放，使企业在数字经济时代更具竞争力。
