DCMM数据管理能力成熟度评估介绍

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组成）研发，并于2018年3月15日正式发布，是我国数据管理领域最佳实践的总结和提升。

DCMM模型是一个整合了标准规范、管理方法论、评估模型等多方面内容的综合框架，他将组织内部数据能力划分为八个重要组成部分，描述了每个组成部分的定义、功能、目标和标准。该标准适用于组织在进行数据管理时候的规划，设计和评估，也可以作为针对信息系统建设状况的指导、监督和检查的依据。

DCMM结构组成
DCMM模型，按照组织、制度、流程、技术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，即：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、数据生命周期。这八个过程域共包含28个过程项，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
数据应用：数据分析、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类似，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，帮助组织进行数据管理能力成熟度的评价。

03与其他模型相比
DCMM有什么不同？
DCMM与国外的数据管理能力成熟度模型相比，DCMM是具有中国特色的数据管理模型。

DCMM建设概念图
首先，从研制单位来讲，国外的数据管理成熟度模型要么是数据管理研究的相关协会，要么是咨询公司，要么是数据产品的供应商，都属于民间组织，而DCMM是由国家工信部信软司主导，数据管理领域的国家级标准。

有个问题大家共同思考下：为什么国外的模型框架来自民间，而我国的模型框架出自官方？

笔者理解：直接原因是只有官方（国家标准化管理委员会）才能发布国家标准。深层次上来讲，与中国传统文化有关，“官方”自古以来代表的都是权威，官方发布的内容具有公信度。

第二，DCMM强调数据战略和数据标准，这是与DAMA-DMBOK中的数据管理框架以及CMMI-DMM模型是有所不同的。我们中国人做人做事讲求“无规矩不成方圆”，“规矩”就是做事的总则，规范和标准。在DCMM模型中，数据战略就是组织数据管理的最高总则，为组织的数据管理提供方向指引；数据标准是具体数据管理实践的执行规范，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”，这个是DCMM的一个亮点。个人认为：从数据治理战略的制定到落地执行都离不开沟通，沟通连接着数据治理各个环节，放在数据治理中可能更合适些。首先，启动数据治理项目，就必须说服高层领导，获得领导的支持，这需要沟通；其次，数据治理不是一个人或一个部门的事情，需要企业各部门的协调和配合，这需要沟通；第三，数据治理需要IT与业务的融合，让业务认可、让领导重视，这需要沟通；第四，落地数据标准、执行数据规范、培养数据思维，建立数据文化，这都需要沟通。因此，沟通应该是贯穿整个数据治理全周期、全过程的一项重要活动。

最后，DCMM模型还重点强调数据应用，他将数据应用独立是其八大过程域之一，数据应用过程域包含了数据分析、数据开放共享、数据服务。所以严格意义上讲，DCMM模型评估的不单纯是组织的数据管理能力，还包括组织的数据应用能力。这在其他的数据管理成熟度模型中是看不到的。当然，也有人认为数据管理、数据应用是两个维度，甚至是两个专业领域的事情，放在一起评估不合适。我倒是认为，这没什么不妥的，数据治理的本质是为数据应用服务的，核心目标是为了让数据产生价值，离开这个目标搞数据治理，那就是典型的“为了治理而治理了”。

但这里，我也有个小的疑问：为什么不把“数据集成共享”这个子项放在“数据应用”过程域中，而是放在了“数据架构”过程中？

“数据集成共享”，我理解就是企业内部各系统或部门之间的数据交换共享，解决的是业务协同问题，应该放在“数据应用”似乎更合适吧？

04DCMM模型使用，
评估实施的四个阶段
为促进标准落地应用，2018年成立中国电子工业标准化技术协会数据管理应用推进分会，在工信部信软司的指导下，不断丰富完善并建立了 DCMM 评估体系。

DCMM的评估是在工信部信软司的指导下，由中国电子信息行业联合会统一组织，包括：评估机构选取、评估项目实施、优秀标杆评选、DCMM证书发放等。评估机构需要通过官方认证，才具有为企事业单位进行DCMM评估的资格。

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：收集及分析评估材料，确定评估的范围，成立评估小组并明确项目团队的各方职责。
实施阶段：召开DCMM评估启动会，DCMM模型宣贯，开展现场评估。
制定报告：形成DCMM评估结果，明确各过程域存在的问题和不足，指明改进方向。
评审发布：提交报告及发放证书等。

05DCMM的价值，
为企业数字化转型赋能！

与欧美国家相比，在数据管理领域我国一直缺乏完善的数据管理成熟度体系的研究，DCMM填补了这一空白，为国内组织的数据管理的能力的建设和发展提供了方向性指导。

DCMM离不开数据管理工具支持

从DCMM评估要求里可以看到，明确要求“申请的企业至少具有数据治理、数据质量、数据安全、数据标准、数据应用、数据架构、数据生存周期等方面的两项管理工具，并提供工具的软件著作权证书或产品采购合同作为证明材料”。数据管理工具必不可少。

亿信华辰睿治数据治理平台作为国内功能最全的数据治理产品之一，入选IDC企业数据治理实施部署指南。同时，在IDC发布的《中国数据治理市场份额,2021》报告中，亿信华辰位居数据治理解决方案市场份额第一。

同时，应对今天各行业企业面临的数据管理挑战，亿信华辰基于DCMM数据管理能力成熟度评估模型，利用核心产品睿治数据治理平台和亿信ABI，可帮助客户建立起符合自身特征的数据架构和数据治理体系，包括数据标准管理、元数据管理、数据质量管理、资产服务管理、数据安全管理、数据生命周期管理，赋能业务应用场景，助力企业构建扎实的数据根基，实现数字化经营。

1.提供全域数据整合能力
强大的数据采集能力。提供丰富的数据库资源接入，可进行多样的异构数据源采集，高时效的数据感应加工。
高效的数据处理能力。提供多样的增量捕获和数据装载，全拖拽式流程设计器，可视化调试和预装载，零代码数据处理。

2.提供种类多样的数据服务
支持将高价值数据应用开发成数据产品，包括：分析报表、分析报告、 主题文件集合和分析模型等。
提供多种数据资产盘点方式，将散落在企业各个业务系统的数据按不同的分类角度归集。

3.实现自动化智能化
内置采集适配器，用户可通过配置数据源参数及定时采集任务，进行自动化采集。
基于元数据的智能盘点，可以降低数据资产盘点工作量，并提高数据资产目录信息的时效性。

如今，亿信华辰在数据管理领域形成了独特优势：数据产品全覆盖，经验丰富，服务更优。评估数据拥有方在数据管理方面存在的问题并给出针对性的建议，帮助其提升数据治理能力水平。如果您的企业有DCMM评估需求，欢迎联系我们。

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。
通过DCMM评估，有利于帮助企业更加熟练地管理数据资产，增强数据管理和应用的能力，并提供一致和可比较的基准，以衡量一段时间内的进展。通过DCMM评估，有利于帮助企业理清数据管理能力的长处和不足在哪里，帮助企业确定选择治理的优先顺序、治理范围和内容，更有效地管理和使用数据。通过DCMM评估，有利于帮助企业建立与企业发展战略相匹配的数据管理能力体系，包含组织体系、制度体系、标准体系以及工具和技术体系等。通过DCMM评估，有利于帮助企业建立数据管理和应用的队伍，培养数字化人才，有利于推动数据思维和数据意识的建立。