数据管理能力成熟度评估模型DCMM与DMM

企业数据管理能力成熟度模型Data Management Maturity（DMM） 

    DMM模型包括20个数据管理过程域以及5个支持过程域。分为6个类别。每个类别包含多个过程域。这些过程域是传达模型的主题、目标、实践和工作产品示例的主要手段。组织通过完成过程域实践可构建数据管理能力，结合基础设施支持实践还可以提升其数据管理的成熟度。 

                      

        DMM的过程域：

1. 数据管理战略：（数据管理战略、沟通、数据管理职责、业务案例、提供资金）
2. 数据治理：（治理管理、业务术语表、元数据管理）
3. 数据质量：（数据质量战略、数据轮廓、数据质量评估、数据清洗）
4. 数据操作：（数据需求定义、数据生命周期管理、数据提供管理）
5. 平台与架构：（架构方法、架构标准、数据管理平台、数据集成、历史数据归档和保留）
6. 支持流程：（度量与分析、流程管理、流程质量保证、风险管理、配置管理）

    DMM面向的对象
该模型面向于每一个想要高效管理自身数据资产的组织。已经使用DMM模型的公司，所涉及的行业范围非常广泛，包括IT、航空、金融和政府等。

    DMM可以裁剪以适应任何组织的需求，它可以应用于整个组织、一个业务线条，或者一个多利益相关者的主要项目。

 

数据管理能力成熟度评估模型（DCMM）

    DCMM国家标准结合数据生命周期管理各个阶段的特征，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，并对每项能力域进行了二级过程项（28个过程项）和发展等级的划分（5个等级）以及相关功能介绍和评定指标（441项指标）的制定。

                          

• 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的价值

    准确评估各地大数据发展现状。

    通过对地方、行业各单位组织数据管理、应用情况的评估，可以掌握地方、行业单位组织数据管理和应用的现状，发现具备的优势和存在的问题，为如何更好利用本地、行业的数据资源和进行针对性的指导提供支持。

　　数据管理能力培育以解决企事业单位实际业务问题、支撑技术应用为出发点。通过将企事业单位业务、技术应用、数据需求与数据管理过程相结合，实现企事业单位数据管理体系革新、生产模式优化、运行效率提升，加快推动企事业单位向数字化、网络化、智能化转型发展，切实提高企事业单位的数据管理水平和综合竞争力。

 

 

参考链接：作者：赛希咨询 https://www.bilibili.com/read/cv15358597/ 出处：bilibili

　　　　　　http://www.dcmm.org.cn/DCMMbzjs/index.jhtml