1.Performed（已执行级）
主要特点：数据作为项目实施的需求进行管理。
解读分析：这个阶段，企业和组织的数据管理过程是临时性的，主要在项目级别执行。没有形成跨业务领域数据管理流程，数据管理过程是被动的，例如，对于
数据质量的修复。关于数据管理的基本改进可能存在，但改进尚未在企业或组织范围内进行明确、宣贯和推广。
2.Managed（可管理级）
主要特点：企业意识到数据作为企业关键资产的重要性，局部实现了常态化管理。
解读分析：这个阶段，数据资产化的观念被企业或组织所认可，企业尝试并开展了数据管理的相关工作。按照企业的目标制定了相关政策和执行过程，雇佣有专业知识的数据管理人员来对数据进行管理，使得核心数据能够受控输出；数据管理在企业局部范围开展，涉及部分业务部门或利益相关者；部分数据开始进行数据的监控、控制和过程审查，估过程是否符合其数据管理的要求。
3.Defined （可定义级）
主要特点：数据在组织级被视为关键生产要素。
解读分析：随着时间的推移，数据已经被企业视为除了人员、资金和物资的第四种生产要素。企业内部已经建立和改进了一些数据管理的流程，改进了数据质量。根据企业的数据战略和指导方针，从一组标准的数据管理过程中能够定制满足企业特定需求的数据管理方法，并赋以执行。
4.Measured （可度量级）
主要特点：数据被视为竞争优势的来源分析。
解读分析：这个阶段，企业已基本建立起可预测和度量数据的指标体系，以提升数据质量。对不不同类别的数据启动有差异的管理流程，企业使用了
元数据管理、数据质量管理、
主数据管理等应用，对数据的业务含义、业务规则、质量规则进行了统一的描述，在公司范围内形成一致性的理解，并在整个数据的生命周期中进行管理。
5.Optimized（优化管理级）
主要特点：在一个充满活力和竞争的市场中，数据被视为生存的关键，持续提升和优化。
解读分析：通过创新性的改进，企业数据管理能力不断提高。通过数据管理能力的增强反馈用于推动业务增长和决策能力的提升，企业的数据管理能力已经发展成为行业的标杆，可以在整个行业内进行先进经验的分享。
6.DMM 架构和过程域
DMM模型提供了数据管理的最佳实践路线图，帮助组企业构建、改进和衡量其企业数据管理能力。该模型围绕着数据管理成熟度（DMM）模型展开，该模型是一个综合的数据管理实践框架，分为六个关键类别，帮助组织对其能力进行基准评测，找出优势和差距，并利用其数据资产提高业务绩效。
DMM模型包括25个过程域，由20个数据管理过程域和5个支持过程域组成，按管控维度不同分为：数据战略、
数据治理、数据质量、数据运营、平台与架构、支撑流程6个类型，如下图所示：
（部分内容来源网络，如有侵权请联系删除）
