电力企业数据管理能力成熟度评估实践

数据管理能力成熟度评估模型（简称DCMM）国家标准（GB/T 36073-2018）自正式发布以来，广受国内企业好评。今年国家对企业数字化转型提出了更加具体的要求，各地方政府也相继出台了奖励政策，相关领导强调DCMM国家标准对我国数据企业发展、数字经济形成的重要引领作用，并建议将DCMM等重点标准作为切入点，落实到企业应用当中，充分发挥标准对大数据产业发展的标杆和引领作用。本人有幸参与了DCMM国标推广和实施工作，负责过多家企业的现场评估和培训等工作，本文以之前参与的电力企业数据管理能力成熟度评估实践为例，介绍DCMM评估工作整体情况，为有兴趣开展DCMM评估工作的企业提供参考。

1、关于DCMM国家标准

为规范国内各行业数据管理和应用工作，提升国内数据管理和应用能力，全国信息技术标准化技术委员会启动了《数据管理能力成熟度评估模型》（简称DCMM）的制定工作，由中国电子技术标准化研究院牵头，御数坊、清华大学、建设银行、光大银行等单位组成工作组来研制该标准。数据管理能力成熟度评估模型是国内关于数据能力成熟度模型的一项国家标准，在制定的过程中充分吸取了国内先进行业的发展经验，结合了国际上DAMA（国际数据管理协会）《数据管理知识体系指南DMBOK》中的内容，形成符合国内特色的数据管理能力成熟度评估模型。

数据管理能力成熟度评估工作流程主要分三个阶段进行：准备阶段、实施阶段、报告制定阶段，其中需要企业深度参与和配合的主要是实施阶段工作。具体评估流程如下图。

图 1：数据管理能力成熟度评估流程

DCMM评估成果主要由评分结果、评估报告、发展路线图、评定证书等几部分构成。●评分结果：根据对于企业的访谈、资料评审，一对一访谈，环境检查等工作，统一为企业的数据能力成熟度进行评级。●评估报告：企业数据管理现状的评估，帮助企业找到和同业最佳实践的差距，定位自身的问题，分析其中的原因，并给出清晰的分析报告；●数据管理发展路线图：根据企业管理的需要，以及业界最佳实践，制定针对性的企业数据管理发展路线图，并且根据现状的评估报告，制定针对性的行动计划。●评定证书：根据企业数据能力成熟度的评级结果，正式颁发企业数据能力成熟度评级证书。

2、评分结果

本次评估主要围绕公司核心业务数据范围开展调研，对其数据管理情况进行全面的调研分析，梳理和识别公司当前的数据管理现状以及关键问题，并对应的给出综合性解决方案，进而为公司后续的数据管理能力提升奠定扎实的基础。

本次评估调研的工作主要有问卷调查、现场访谈和资料研究。调研访谈参与人员包括省公司相关部门领导、业务骨干及业务人员。

评估结果评分雷达图如下图：

图2：某电力企业数据管理能力成熟度评估结果

3、评估发现问题

通过对业务部门及地市的调研访谈，调研问卷、资料研读等手段，归纳总结重点有以下几个方面的问题：

3.1、数据管理体系建设不够完善

经过十多年信息化的高速发展，公司的数据资源不断增加，数据资产价值潜力巨大。伴随着快速增长的数据应用需求与数据管理缺位、价值挖掘不足的矛盾日益突出。由于业务应用的分散建设、不同业务部门的分别维护，各个系统之间的数据是分散管理的，数据质量参差不齐。对数据资产管理与应用缺少顶层设计，致使数据资产的战略性地位未能突显，制约了数据资产价值的充分发挥。

3.2、数据管理评价手段欠缺

随着公司大数据重要性的不断提高，公司开展了数据质量提升，数据资源管理平台等数据管理项目，但数据治理工作整体的协调性、实效性并不乐观，缺乏良好的评估体系来评价公司的治理能力和管理水平，造成数据治理实践的反馈机制和修正策略缺失，最终造成数据治理工作的盲目性和重复性等。

3.3、数据标准不统一影响数据集成共享

统建系统对网公司相关数据标准的执行相对规范，虽然公司梳理了指标定义，但公司本级数据标准内容定义还没有建立。例如，公司本级自建系统所遵循的数据标准，以及数据中心建设的数据应用中涉及的分析指标等，数据指标的维护过程中缺少体系化管理，导致在数据整合过程中出现数据质量问题，致使系统间数据协同问题的出现，影响系统间的数据集成效果。

4、规划数据管理整体路线图

（1）明确提升改进重点内容

通过数据管理评估，识别出数据管理的重点提升内容，包括：数据战略规划、数据治理项目、企业级数据模型建设项目、数据安全规划项目、数据标准规划项目、大数据分析平台等六项内容，并且明确每项建设提升内容及交付成果。    （2）确定提升改进整体思路

公司数据管理能力提升重点从组织、管理、技术角度，提出整体建设思路，划分为三个阶段：短期目标（2018年底）、中期目标（2019年底）、远期目标（2020年底），完成组织保障、数据整合、深化应用三个阶段目标。

组织方面，建立数据管理组织；完善数据管理办法；构建数据管理支持团队；建设数据认责体系；形成数据管理支持团队的持续建设。

管理方面，持续开展数据治理工作，建立企业级数据模型，建设数据安全管理、形成数据资产目标，提升数据标准和质量，强化数据需求管理，提升数据应用探索和共享。

技术方面，加强全业务统一数据中心建设，持续接入各类数据源，建设数据汇总层和数据资产管理平台，提供大数据分析平台，构建数据能力开发平台。

5、后续工作建议

5.1、加强数据治理组织建设，推动数据管理活动

数据资产管理团队是推动数据管理和应用的核心，应该加强高层领导的支持、健全日常管理组织、构建数据管理支撑团队：

一是加强高层领导的支持：公司高层领导参与并支持数据管理工作，授权数据管理部门全权负责公司数据资产的统一管理。

二是健全日常管理组织：建立数据管理实体部门，指定全职的数据管理人员来协调和推动数据管理制度的建设，日常的管理和问题的解决。

三是构建数据管理支撑团队：数据标准、架构的建设、数据需求的分析、数据的整合和质量管理、甚至数据的应用分析等是持续性的工作，需要专门的团队来为数据管理办公室提供各种支撑，从而才能够更好的管理数据资产，体现数据的价值。

5.2、狠抓数据管理，奠定数据应用的基础

鉴于集团架构规划和建设部门由总部统一管控，建议公司数据治理工作重点以数据中心为突破口，重点抓统一数据模型的建设，融合生产、管理等方面的数据，形成统一数据资产目录，构建数据标准、数据质量和数据安全的管理体系，指导和规范数据中心的建设，加强接入数据的管控，逐步纳入源头系统的管理。

一是统一数据模型建设：以集团统一模型为基础进行扩充，构建公司的企业级数据模型，指导数据中心汇总层的建设。

二是统一数据资产目录：统一汇总公司内外部数据资源，建立数据资产目录，促进数据的应用。

三是构建数据管理体系：建立数据标准、数据质量、数据安全、数据架构、元数据等全方位的数据管理体系，规范数据中心的建设，逐步延伸到源系统数据的治理工作。

5.3、加强数据分析平台建设，实现数据价值

基于数据仓库，加强数据分析平台建设，构建统一数据分析模型库和各类公司级分析应用，建立从数据、API，应用等多层次的数据能力开放体系，统一管理和支撑公司各部门数据分析和共享的需求（建议前期在公司范围内明确业务牵头部门，以支持该部门应用为主，逐步扩大范围），促进数据和应用的共享和开放，形成“数据应用超市”，提高数据应用的复用度，最大化数据平台的价值。

6、结语

某电力企业借助2018年发布的数据管理能力成熟度评估模型国家标准，在公司内部围绕核心业务数据开展了评估。通过评估分析公司数据管理能力的当前现状，找到差距，提升公司数据管理能力水平，同时通过专项提升的工作，提高公司核心业务的数据质量，夯实数据基础，最终实现数据资产管理和数据的标准化，最大限度发挥数据资产价值，提升数据中心的服务能力。

7、关于DCMM评估推广

数据管理能力成熟度评估相关工作由国家大数据标准工作组负责标准验证、培训、宣贯、推广，并依托中国电子工业标准化技术协会数据管理应用推进分会（简称“分会”）不断丰富完善并初步建立了 DCMM 评估体系，在数据管理人员培训、评估机构选取、评估项目实施、行业优秀标杆评选、地区/行业数据管理能力发展水平分析等方面开展了大量工作。

图 3：DCMM等级评定证书示例