最近有几个客户找我们，公司今年要冲DCMM三级，或者已经拿了三级、想升四级，但一坐下来对着标准，完全不知道从哪下手。
说实话，这很正常。2026年7月1日，DCMM2.0正式实施。整个框架做了大手术：能力域从8个扩展到9个，能力项从29个涨到33个，评估指标从445项增至486项，还新增了“数据资产”这个全新能力域。更关键的是，四级强制要求引入AI技术——不是加分项，是硬性门槛。
DCMM2.0（GB/T 36073-2025）框架图
今天我就把这件事讲清楚：DCMM2.0三级和四级，到底评什么、怎么建、用什么工具能让评估员来了直接看到证据。
很多企业卡在这里：感觉自己做了不少，但不知道够不够三级；或者拿了三级，以为升四级只是“再做深一点”，结果发现完全不是一回事。
三级（稳健级）的核心逻辑是：流程标准化、管理规范化。
评估方在乎的是：你有没有建立起一套真正跑起来的数据治理体系？数据标准有没有落地到系统？质量问题有没有可追溯的机制？数据能不能支撑内部服务有效运行？
用我自己的话说：三级看的是“你有没有把规矩立起来，而且是真的在用”。
四级（量化管理级）的核心逻辑是：量化指标管控 + AI技术强制应用。
这一级的门槛跨越是跨代际的——不是把三级的东西做深，而是要引入一套全新的能力：AI自动化分类分级、智能质量检测、元数据智能采集……这些是硬性要求，不是加分项。
同时四级还要求你发展数据业务、推动可信数据流通，引入隐私计算、区块链等技术手段。
三级是“治好自己家的数据”，四级是“用数据创造业务价值，而且要有量化证据”。两个不同段位，两套不同的建设逻辑。
很多人看到9个能力域33个能力项就头大，觉得哪都要做。但实际上，每个域的建设重点不一样，三级和四级的要求也完全不同。我把它拆开来讲，每个域对应要建什么。
能力域1：数据战略
考什么：企业有没有把数据纳入公司战略？有没有数据要素的规划？数据团队的职责权限是否清晰？
三级要求：数据战略已正式落地，与业务战略对齐，数据管理组织架构明确。
四级要求：在此基础上，数据战略要体现数据资产价值创造和数据要素流通的布局。
建设关键：这一块的核心不是技术，是管理共识。战略文件、组织架构图、职责说明——这些文件要能经得起评估方的追问。
能力域2：数据治理
考什么：治理架构、流程制度、数据文化是否建立？（DCMM2.0把“数据治理沟通”改成了“数据文化建设”，这不是小改动）
三级要求：数据治理流程覆盖全生命周期，制度有效运行。
四级要求：治理文化全面渗透，量化指标驱动持续改进。
建设关键：治理不是挂在墙上的制度，是实际执行的流程。评估时要能展示问题如何发现、如何流转、如何整改的全链路记录。用一个统一的数据治理平台把这些流程线上化，是通过评估最直接的方式——流程记录清清楚楚，评估员一眼就能看到。亿信华辰睿治数据治理平台在这方面支持完整的治理工单流转和全生命周期管理，这类平台化建设在评级现场非常有说服力。
能力域3：数据架构
考什么：数据模型设计、数据分类分层、关键数据元素（CDE）管理——这是DCMM2.0新增的考察点。
三级要求：建立清晰的逻辑和物理数据模型，主要业务系统的数据架构有文档记录。
四级要求：CDE管理精细化，架构能支撑数据要素流通和跨系统共享。
建设关键：很多企业有架构，但没有维护好的文档。睿治的数据模型管理模块支持概念/逻辑/物理三层建模，还能通过AI自动生成数据模型——这对评估时需要展示完整架构文档的企业来说，是个能节省大量人工的能力。
能力域4：数据标准
⚠️ 高频扣分域，很多企业栽在“指标数据”上
这是DCMM2.0改动最大的能力域之一。新增了“指标数据”标准，原来的参考数据和主数据也拆分独立考察了。
三级要求：完成参考数据、主数据、指标数据的标准化，建立统一的数据标准体系并落地执行。
四级要求：标准覆盖全面，标准落标率有量化指标，可自动化核查。
建设关键：说白了，“指标数据标准化”就是全公司同一个指标，口径必须一致——“客户数量”到底怎么算、“收入”按哪个时间节点确认，这些要写清楚、落到系统里。评估时不只看你有没有标准文件，还要看标准落没落到系统里、有没有执行记录。这是我见过最多的失分点：标准做了一堆，但“落没落地”说不清楚。
用过来人的经验告诉你，在这块靠人工维护Excel是行不通的。睿治数据治理平台的数据标准管理支持智能标准推荐、自动落标映射，还能直接输出落标率统计报告——四级要求量化证据，这个报告就是最直接的佐证材料。
能力域5：数据质量
考什么：DCMM2.0强化了高质量数据集建设，新增了非结构化数据的质量管理要求。
三级要求：建立数据质量管控机制，质量问题可发现、可追溯、可整改。
四级要求：引入AI智能质量检测，质量指标量化管控，支持根因智能分析。
建设关键：四级的“AI智能质量检测”是硬性要求，不是可选项。这意味着你的质检工具必须有AI能力——能自动推荐规则、自动识别异常、智能分析根因。睿治数据质量Agent支持自然语言生成质检规则、AI推荐适配规则，官方技术文档显示支持大规模数据并行质检，四级要求的AI质检能力，这个工具基本覆盖。
能力域6：数据安全
⚠️ 权重从15%直升25%，这一块做不扎实，其他域全做好也可能卡线
DCMM2.0对数据安全做了重大重组——分为合规管理、安全防护、安全审计三块。更关键的是，数据安全的评分权重据相关资料显示从15%直接提升到25%，是整个评估里分量最重的一块。
说白了：数据安全这块如果做不扎实，哪怕其他域大多达标，总分也可能受到显著影响。这不是在吓你，这是权重占比决定的。
三级要求：数据分类分级完成，敏感数据识别和保护机制到位，安全审计有记录。
四级要求：衔接《数据安全法》《个人信息保护法》，跨境数据治理规范，有量化的安全管控指标。
建设关键：敏感数据识别、脱敏、加密、审计——这四件事哪一件做不扎实，评级都危险。最怕的是“分类分级做了，但敏感数据没识别全”，评估员现场抽查，漏了就是扣分。睿治支持AI智能识别敏感数据（身份证、手机号、银行卡号等自动标注），支持多种主流加密算法（技术白皮书中包含AES系列等），安全审计日志完整留存——这些能力直接对应评估的核查项，而且每一步都有系统记录，不怕评估员来查。
能力域7：数据应用流通
考什么：这个域在DCMM2.0里升级了——原来叫“数据应用”，现在叫“数据应用流通”，新增了外部数据管理的考察。
三级要求：内部数据服务运行有效，数据共享机制规范。
四级要求：支持可信数据流通，应用隐私计算、区块链等技术，实现“可用不可见、交易可追溯”。
建设关键：四级在这里的要求很超前——隐私计算、区块链，这是大多数企业还没建设的方向。如果你的目标是冲四级，这块要提前布局，不能临时抱佛脚。三级的重点则是把内部数据服务做扎实，睿治的数据共享交换和API服务开发功能可以支撑这个方向。
能力域8：数据生命周期
考什么：从数据的采集、存储、使用、归档到销毁，全链路管理，DCMM2.0强化了SLA管理要求。
三级要求：数据全生命周期有制度、有执行，SLA有定义。
四级要求：SLA量化考核，数据归档销毁有自动化机制，全链路可审计。
建设关键：SLA是这个域的新考点。数据服务的响应时间、可用性指标——要有量化记录，不能靠口说。睿治支持数据生命周期全流程管理，包括便捷归档（近线/离线）、灵活销毁和可视化监控，能直接输出生命周期合规的证据链。
能力域9：数据资产（DCMM2.0新增核心域）
⚠️ 全新域，大多数企业从零开始，但也意味着早建早有优势
这是DCMM2.0全新增加的能力域，包括权属管理、价值评估、资产运营三个能力项，直接对应“数据资产入表”的政策方向。
不少企业，这块完全是空白——不是没有数据，是从来没有把数据当资产来管过。没有资产目录、没有价值评估、没有授权机制，评估员来了根本没法核查。这是DCMM2.0新增域，大家都在同一起跑线上，建设得早的企业反而有优势。
三级要求：建立数据资产目录，完成资产盘点，有授权运营机制和基本的价值评估（成本法/收益法/市场法至少一种）。
四级要求：资产价值量化，数据业务模式创新，资产运营有KPI。
建设关键：睿治支持多视角资产目录定义、智能编目、资产门户展示、资产价值评估——从盘点到运营，覆盖这个全新能力域的主要建设要求。对于很多还没建过数据资产体系的企业来说，有一套现成的工具框架，比从头设计省时得多。
说完了考什么，再说怎么打。
1.冲刺三级：五步建设法
第一步：完成现状摸底，量化差距
对照9个能力域，先把自己的现状打分。重点查：数据标准有没有落地到系统？质量问题有没有追溯记录？数据安全分级做了没有？
别靠感觉，要出一份有数字的差距分析报告。
第二步：建立统一的数据标准体系
参考数据、主数据、指标数据——这三类标准必须全部覆盖，而且不能停留在Excel文档里，必须落到系统中、有执行记录。
这是三级评估最常见的扣分点：标准有了，但“落没落地”说不清楚。
第三步：搭起数据质量闭环
发现问题 → 工单流转 → 整改确认 → 定期复查。这四个环节能跑通、有记录，评估员就能看到你有真正运行的质量管控机制。
第四步：打通数据安全底座
分类分级做完，敏感数据标注到位，脱敏加密规则配置好，安全审计日志开启。这块权重25%，一定要做扎实。
第五步：盘点数据资产，建立基础目录
数据资产是新增能力域，三级要求不算高，但一定要有实质性建设：资产目录建起来，价值评估方法明确，授权机制跑通。
2.冲刺四级：在三级基础上的三个关键跨越
跨越一：全面引入AI能力
这是四级的核心门槛，没有商量余地。自动化分类分级、智能质量检测、元数据智能采集、质量规则自动生成、根因智能分析——这五项AI能力必须有落地证据，不能只是PPT上的规划。
跨越二：建立量化指标体系
数据质量评分、标准落标率、SLA达成率……所有管理行为要有量化指标，有监控看板，有持续改进的闭环。评估员在四级看的不是“你建了什么”，而是“你能用数据证明你管得多好”。
跨越三：数据业务创新与可信流通
隐私计算、区块链、数据业务模式——这些要提前布局，而不是评级前临时找方案。根据实际情况，建议提前12-18个月开始规划，选1-2个业务场景做可信流通的试点，评级时有真实案例可展示。
最后说工具这件事。不少企业制度建得挺好，但都散落在文档、表格、邮件里——评估时翻不出来，或者翻出来的东西七零八落，评估员根本没法核查。
数据治理平台的核心价值，不只是帮你治理数据，更是帮你把治理过程留下可查验的痕迹。这在DCMM评级里非常关键，因为评估本质上是用证据说话。
说一个真实的场景：一家企业准备三级评级，评估员来了直接问——“你们的数据标准落没落到系统里？落标率是多少？”这个问题问倒过很多企业，因为标准文件有，但执行情况根本拿不出数字。打开睿治数据治理平台，标准落标率报告直接生成，每条标准的映射记录、执行状态全在上面。
让睿治数据治理平台和DCMM评级高度契合的，有这几个点：
覆盖DCMM核心能力域：从元数据、数据标准、数据质量、数据安全到数据资产，DCMM各核心能力域都有对应的功能模块支撑，不是拼凑的，是系统性覆盖。
AI能力是原生的，不是插件：四级强制要求的AI应用，在睿治里内置于各个模块——智能元数据补充、数据质量Agent自动生成规则、AI分类分级、智能标准推荐……这些功能拿出来直接就是评级的佐证材料，不需要你临时找AI解决方案来凑数。
治理过程全留痕，评估员来了直接查：标准审批记录、质量整改工单、安全操作日志、生命周期变更——每一个管理动作都有时间戳。用过来人的经验告诉你，评估最怕的不是没做，是“做了但查不出来”。这一点，平台化比文档管理强太多了。
数据资产能力是亮点：针对DCMM2.0新增的数据资产域，资产智能编目、价值评估、资产门户——这是市面上很多老牌数据治理工具还没补齐的能力，而这恰好是DCMM2.0最重视的方向。
有同类企业的落地案例：赣州银行用睿治把元数据注释填充率做到100%、标准通过率从20%提升至85%；南山集团建立了物资分类体系，对接了SCM/CRM/MES/ERP等多套系统。别人踩过的坑，你就不用再踩一遍。
最后说一句
DCMM评级这件事，核心逻辑不是应付检查，而是真的把企业的数据管理能力提上来——评级是结果，能力是根本。
但话说回来，真正把能力建起来了，评级反而是最简单的那一步。你的标准落地了、质量闭环跑通了、安全体系完整了、资产管理到位了，评估员来了，你只需要打开系统，让他自己看。
这才是最从容的备考状态。
如果你正在准备DCMM评级，或者已经卡在某个能力域上，欢迎留言说说你的情况，我们可以具体聊聊怎么应对。
点击下方【阅读原文】，免费试用数据治理工具
（部分内容来源网络，如有侵权请联系删除）
