【数据治理】数据管理能力成熟度解读

　　数据管理是利用计算机硬件和软件技术对数据进行有效的收集、存储、处理和应用的过程。其目的在于充分有效地发挥数据的作用。实现数据有效管理的关键是数据组织。随着计算机技术的发展，数据管理经历了人工管理、文件系统、 数据库系统三个发展阶段。在数据库系统中所建立的数据结构，更充分地描述了数据间的内在联系，便于数据修改、更新与扩充，同时保证了数据的独立性、可靠、安全性与完整性，减少了数据冗余，故提高了数据共享程度及数据管理效率。

　　数据治理能力成熟度反映了企业在数据治理方面所具备的条件和水平。这个就和现在非常流行的DevOps能力成熟度很像，都是通过一系列方法、关键指标和工具来评价企业数据管理的现状，帮助企业进行基准评测，找到优势和差距，指出方向，提供实施建议，以利用数据资产提高业务的绩效。

　　国内外很多组织都在研究和实践，既有致力于数据管理框架的研究机构(例如DAMA、DGI、CMMI)，也有提供数据管理产品和服务的供应商(例如IBM、Oracle、DataFlux)。常用的是两种，DMM的模型和DCMM模型。

　　 **​ 一、​DMM的模型： **

　　三十多年来，作为行业领先的性能改进模型主流，CMMI帮助世界各地无数的组织提升绩效、改善产品质量、提高效率、更好地满足这些组织及其客户的需求。根据已采用CMMI 的企业所发布的最新绩效报告可知，在通过 CMMI 评估的企业中，总目标完成率达到了81.3%、生产率提高了77%且产品质量提高了80%。最新版本的 CMMI 对其成熟度模型概念进行了精简，便于企业进行灵活采用。

　　在经济市场紧缩的情况下，解决企业绩效问题可以帮助企业降低成本、提高效率、按期推进项目、提高整体质量，从而更好地应对各种挑战。三十多年来，ISACA 的能力成熟度模型集成（CMMI）致力于帮助企业解决其绩效问题。如今，ISACA 正式发布了 CMMI 3.0 版本，对能力成熟度模型集成进行更新并新增了三个模型领域——数据管理、人员管理和虚拟交付，新增的三个模型领域将能够帮助企业更加灵活地根据其需求定制化采用 CMMI。

　　DMM(Data Management Maturity，数据管理成熟度)模型是一个独特的数据管理学科综合参考模型，由卡耐基·梅隆大学旗下机构CMMI研究所以CMMI(能力成熟度模型集成)的各项原则为基础开发。

　　他包括了25个过程域，其中包括20个数据管理过程域和5个支持过程域，如下所示，

​图片​

　　数据管理实践域是管理数据能力领域中的两个领域之一，是赋能类别（enabling category）的一部分。CMMI 数据管理域及实践将帮助企业在业务需求的范围内整理并利用数据，指导数据完整性检验，提升企业决策有效性和沟通一致性，赋能企业实现其绩效目标。

​图片​

　　数据管理实践域的意图和价值陈述如下：

  • 意图：确定、实施和控制管理数据的方法和活动。
  • 价值陈述：通过将关键数据活动优先排序以满足性能需求，最大限度地提高运营效率。

　　DMM模型组成：

​图片​

​图片​

​图片​

　　组织在利用这些最佳实践时，需要注意2个陷阱：

　　 1）不要对所有数据采用相同的处理办法；

　　 2）确保在数据的价值和对数据的控制之间建立适当的平衡。

　　例如，你的个人数据包括你的社会保障号码、生日、住址、手机号码。其中一些信息，如你的社会保障号码至关重要，需要严格控制，但你通常会把自己的住址和电话号码告诉所有家人和朋友。与我们如何评价和解释个人数据类似，组织也必须评估其数据的重要性和控制水平。

​图片​

　　从实践总结表中可以看出，数据管理中的实践有着与能力一样的发展进化。第一级实践本质上相对初级，第二级则建立了健全的管理原则，第三级更是将其扩展到全组织范围。

　　但是虽然DMM能够给出企业数据管理水平的基本度量，但是并没有给出明确的改进或提升方法，所以实施DMM数据治理成熟度评估时应当认识到这点。

　　数据管理实践域可以概括如下：

  • 明确的数据管理目标。
  • 了解所管理数据的性质，并利用这些信息来定义正确的元数据。
  • 制定全面的数据管理方法，考虑业务驱动因素和数据对业务的附带价值。
  • 利用数据管理体系架构为数据管理方法提供框架。
  • 定期评估数据管理计划的有效性，并在需要改进时采取行动。

​图片​

​图片​

​图片​

　　 ** 二、 DCMM模型： **

　　DCMM是全国信标委发布的数据管理能力成熟度评估模型，DCMM将组织的数据管理能力成熟度等级划分为了5个等级，如下所示：

​图片​

　　他包括了8大过程域、28个过程项。DCMM是我国首个数据管理能力评估标准。开展DCMM评估主要包括以下几个阶段，

　　(1) 启动阶段

　　建立评估工作小组 -> 制定评估计划 -> 召开项目启动会。

　　(2) 宣贯阶段

　　DCMM宣贯 -> 资料收集和分析 -> 企业自评估。

　　(3) 评估阶段

　　现场分析 -> 面对面访谈 -> 各主题域成熟度评估。

　　(4) 报告阶段

　　评估报告输出 -> 专家评审。

　　其实各种成熟度模型和工具之间的差异不是很大，重要的是通过评估，企业能够发现问题，找出在数据管理方面的差距，明确改进方向，制定满足企业业务发展需要的数据治理路线图。

　　‍