DCMM评估流程及方案

2024DCMM评估流程及方案040201DCMM体系背景DCMM体系解读实施规划CONTENT03DCMM体系价值06工作重点05团队分工DCMM体系背景01Wetakethemarketastheguidance,drawnewknowledgeintheproductandserviceandsoon.Wearegoodatexploringnewways,graspingtheopportunity,growingupandcreatinghighqualityservice.SystemBackgroundDCMM体系背景—1

产业发展基础技术基础设施数据清洗、汇聚、存储、处理分析方法与系统分析数据、萃取信息、知识和智能行业和领域应用大数据产业实践与实施大数据治理确权、数据质量、安全、隐私、共享开放已形成一批针对特定场景的大数据管理和处理解决方案，数据驱动的人工智能取得突破性进展，人们分析数据并萃取信息、知识和智能的热情高涨。数据分析方法、技术和产品与相关企业成为生态系统中最活跃的部分。虽然大数据技术还远未成熟，但是体系已经渐趋完整，与传统产业、行业的结合也日益紧密，面向行业和领域的大数据应用与相关企业发展迅猛，成为新的焦点，大数据生态系统也更加成熟。随着在行业领域应用的深入，数据作为基础性战略资源的地位日益凸显，数据确权、数据质量、数据安全、隐私保护、共享开放等问题日益受到高度关注并引发深度思考。大数据治理的概念受到关注，成为大数据产业生态系统的新热点。2012201420162018大数据领域最具影响力的技术和产品主要围绕数据清洗、汇聚、存储、处理等基础技术和基础设施展开DCMM体系背景—2

《促进大数据发展行动纲要》（国发[2015]50号）政策机制：建立标准规范体系，推进关键共性标准的制定和实施，开展标准验证和应用试点示范，建立标准符合性评估体系，积极参与相关国际标准制定工作。《关于运用大数据加强对市场主体服务和监管的若干意见》（国办发〔2015〕51号）建立大数据标准体系，研究制定有关大数据的基础标准、技术标准、应用标准和管理标准等；加快建立政府信息采集、存储、公开、共享、使用、质量保障和安全管理的技术标准；引导建立企业间信息共享交换的标准规范。工信部《大数据产业发展规划（2016-2020）》重点任务：推进大数据标准体系建设《中华人民共和国国民经济和社会发展第十三个五年规划纲要》促进大数据产业健康发展、加快政府数据开放共享国发[2016]51号《政务信息资源共享管理暂行办法》原则：统一标准、统筹建设党的十九大报告推动互联网、大数据、人工智能和实体经济深度融合产业政策DCMM体系背景—3

大数据与实体经济深度融合加速传统行业经营管理方式变革、服务模式和商业模式创新及产业价值链体系重构，最终完成产业转型，培育新动能。大数据发展开启数字中国建设重塑传统经济形态，推动国家治理模式创新，促进了民生服务精细化、均等化和普惠化，保障网络安全，推动信息化发展模式的变革创新。大数据将向智能化、智慧化发展人工智能将成为大数据生态中的重要组成部分，相关方面的应用将呈现爆发态势，从“大数据”演变为“大智慧”。数据治理将成为重点发展领域治理是基础，技术是承载，分析是手段，应用是目的，随着国家政策支撑以及产业实际需求的增长，如何通过数据治理提升组织数据管理能力，消除数据孤岛，挖掘数据潜在价值将成为重点发展领域。发展趋势DCMM体系背景—4

GB/T36073-2018《数据管理能力成熟度评估模型》——我国数据管理领域首个国家标准2018年3月15日正式发布

2013年标准立项前的研究申报标准立项2014-2015年2014年国家标准正式立项，启动标准正式研制工作2015年编制具体标准内容2016年2016年在以下行业做了充分的试验验证：金融、能源、通讯2017年根据试验验证情况重新修改标准内容，并报批在上海、北京进行宣贯2018-2019年2018年3月发布，2018年10月正式实施2019年广东、深圳、四川、新疆、潍坊等地进行了宣贯DCMM体系背景—5

数据孤岛、数据烟囱问题严重企业对数据缺乏科学管理方式底层数据不能支撑上层决策数据分析应用时大部分的时间都浪费在数据管理上。。。地方政府主管部门摸不清本地企业的数据能力监管部门不能准确掌握行业大数据的发展状态数据来源多且复杂业务口径标准化治理困难数据开放缺乏经验管理手段/工具不足。。。解决方案国家标准：DCMM《数据管理能力成熟度评估模型》DatamanagementCapabilityMaturityassessmentModel简称（DCMM）范围和主要内容：该模型针对一个组织数据管理、应用能力的评估框架，通过数据能力成熟度模型，组织可以清楚的定义数据当前所处的发展阶段以及和未来发展方向。DCMM特点：（1）充分借鉴国际理论框架、方法（DMM、DCAM等）（2）充分考虑国内数据治理情况的发展（3）围绕模型的开发建立完善的配套评估体系DCMM体系解读02Wetakethemarketastheguidance,drawnewknowledgeintheproductandserviceandsoon.Wearegoodatexploringnewways,graspingtheopportunity,growingupandcreatinghighqualityservice.SystemInterpretationDCMM体系解读—11、DCMM是什么？DCMM是《数据管理能力成熟度评估模型》GB/T36073-2018国家标准，英文简称：（DatamanagementCapabilityMaturityModel）。是我国首个数据管理领域正式发布的国家标准。旨在帮助企业利用先进的数据管理理念和方法，建立和评价自身数据管理能力，持续完善数据管理组织、程序和制度，充分发挥数据在促进企业向信息化、数字化、智能化发展方面的价值。2、DCMM包括哪些内容？DCMM数据管理能力成熟度评估模型定义了数据战略、数据治理、数据架构、数据应用、数据安全、数据质量、数据标准和数据生存周期8个核心能力域，细分为28个过程域和445条能力等级标准。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架构数据架构数据架构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分析数据开放共享数据服务数据安全策略数据安全管理数据安全审计数据质量需求数据质量检查数据质量分析数据质量提升业务术语参考数据主数据数据元指标数据数据生存周期数据需求

数据设计和开发

数据运维

数据退役DCMM体系解读—23、DCMM评估分为哪几个等级？

DCMM将数据管理能力成熟度划分为五个等级，自低向高依次为初始级（1级）、受管理级（2级）、稳健级（3级）、量化管理级（4级）和优化级（5级），不同等级代表企业数据管理和应用的成熟度水平不同。DCMM级别3级：稳健级4级：量化管理级5级：优化级2级：受管理级1级：初始级数据被认为是组织生存和发展的基础，相关管理流程能实时优化，能在行业内进行最佳实践分享数据被认为是获取竞争优势的重要资源，数据管理的效率能量化分析和监控数据已被当做实现组织绩效目标的重要资产，在组织层面制定了系列的标准化管理流程，促进数据管理的规范化部门级已意识到数据是资产，根据管理策略的要求制定了管理流程，指定了相关人员进行初步管理数据需求的管理主要是在项目级体现，没有统一的管理流程，主要是被动式管理DCMM体系解读—3DCMM国家标准符合性评估面向对象（甲方）数据拥有方：可以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，帮助其提升数据能力水平（乙方）数据解决方案提供方：通过该标准的落地实施，可以帮助数据解决方案提供方完善自身解决方案的完备度，提升自身咨询、实施的能力DCMM定义了数据管理能力的八个能力域，分为28个能力项，每个能力项都划分为5个等级，共计445项指标，---汇成组织数据管理能力的5个总体等级：初始级、受管理级、稳健级、量化管理级、优化级0103050204初始级01数据需求的管理主要是在项目级体现，没有统一的管理流程，主要是被动式管理。稳健级03数据已被当做实现组织绩效目标的重要资产，在组织层面制定了系列的标准化管理流程，促进数据管理的规范化。受管理级02组织已意识到谁是资产，根据管理策略的要求制定了管理流程，制定了相关人员进行初步管理。量化管理级04数据被认为是获取竞争优势的重要资源，数据管理的效率能量化分析和监控。优化级05数据被认为是组织生存和发展的基础，相关管理流程能实时优化，能在行业内进行最佳实践分享。DCMM体系解读—313数据战略具体内容：数据战略规划、数据战略执行、数据战略审计数据治理具体内容：数据治理组织、数据制度建设、数据治理沟通数据架构具体内容：数据模型、数据分布、数据集成与共享、元数据管理数据应用具体内容：数据分析、数据开放共享、数据服务数据安全具体内容：数据安全策略、数据安全保护、数据安全审计数据质量具体内容：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具体内容：业务术语、参考数据和主数据、数据元、指标数据数据生命周期具体内容：数据需求、数据设计和开发、数据运维、数据退役DCMM体系解读—4一级域二级域数据战略数据战略规划数据战略实施战略实施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企业数据模型数据分布数据集成与共享元数据管理数据标准业务术语参考数据/主数据标准数据元标准指标数据标准一级域二级域数据生存周期数据需求数据设计和开发数据运维数据退役数据应用数据分析数据开发共享数据服务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安全数据安全策略数据安全保护数据安全审计DCMM体系解读—5DCMM体系解读—6共计445个指标，参见下表（1）能力域能力项目标数量五个等级指标数量分布（1-5）数据战略数据战略规划41，3，6，2，2数据战略实施31，4，5，3，1数据战略评估42，4，5，3，2数据治理数据治理组织32，4，7，4，1数据制度建设22，5，7，2，1数据治理沟通42，4，6，3，2数据架构数据模型32，4，8，3，1数据分布31，4，5，2，2数据集成与共享22，4，4，2，2元数据管理33，6，7，3，3DCMM体系解读—7共计445个指标，参见下表（2）能力域能力项目标数量五个等级指标数量分布（1-5）数据标准业务术语52，4，6，2，2参考数据和主数据32，3，7，3，2数据元22，4，7，3，2指标数据42，4，6，3，2数据质量数据质量需求31，3，5，3，1数据质量检查31，3，6，2，1数据质量分析31，3，6，3，2数据质量提升31，4，5，2，2数据安全数据安全策略21，3，5，3，2数据安全管理32，4，9，3，2数据安全审计32，3，7，3，2DCMM体系解读—8共计445个指标，参见下表（3）能力域能力项目标数量五个等级指标数量分布（1-5）数据应用数据分析22，4，5，3，2数据开放共享22，3，4，2，2数据服务22，3，4，3，1数据生存周期数据需求42，4，7，3，1数据设计和开发41，5，6，3，2数据运维21，4，5，3，2数据退役21，4，6，3，2DCMM体系解读—9DCMM不同级别的关键要求级别管理规范的证据数据组织的证据经营管理的证据支持决策的证据行业贡献的证据自动化程度的证据1级-初始级没有组织级数据管理规范

（各个项目管理混乱）无数据混乱无法提供支持没有数据支持无无2级-受管理级有部分数据管理规范只对重要数据的安全和风险进行管理无法解决数据孤岛、数据质量问题初步的数据集成和数据模型，但无法支持决策无人工为主3级-稳健级有完整的标准化数据管理流程规范推动各个部门开展工作数据管理能够支持经营管理和业务管理数据管理支持公司高层决策，并显著提高工作效率能够对行业提供培训自动化为主4级-量化管理级量化的评估指标体系，可测量和优化数据管理流程效率定期开展数据管理/应用等培训数据是战略资产（流程优化/绩效提升作用）数据能够支持组织业务战略的制定参与制定并借鉴国家/行业相关标准并因此收益有人工智能5级-优化级能够对规范制度实时优化数据是生存和发展的核心依赖，是核心竞争力主导国家行业标准制定，并在行业内进行最佳实践分享强人工智能DCMM体系解读—10DCMM体系解读—1121DCMM评估流程分为评估准备、正式评估和结果评议三个阶段。评估准备阶段主要相关方：被评估方贯标成立DCMM贯标组DCMM标准培训参考DCMM标准建立、健全数据管理体系自评估被评估方自评估数据管理能力优化提升确定申请等级提交评估申请评估准备阶段主要相关方：被评估方评估策划受理评估申请组建评估组现场评估编制评估计划问卷调研DCMM宣贯首次会议资料收集资料评审人员访谈工具平台审核沟通评估发现结果确认编制评估报告末次会议结果评议阶段结果评议专家评议结果公示主要相关方：评估管理机构DCMM模型要求及体系解读—评估流程II22

（1）评估准备阶段：被评估方参照DCMM标准建立、健全数据管理体系，内部运行开展自评估，也可以通过贯标咨询机构协助对标，并向第三方评估机构提交有效的申请材料。

（2）正式评估阶段：评估机构受理评估申请后，组织现场评审并出具评估报告，给予评估等级的推荐意见，并报评估工作部备案。

（3）结果评议阶段：评估工作部对评估机构报送的评估结果进行合规性审查，对于合规性审查中发现存在较大问题的评估结果有权驳回。对于评估机构推荐的优化级、量化管理级和优化级的评估结论，评估工作部需组织专家对评估结果进行评议。DCMM评估过程有哪些方式？

（1）制度层面。审查文件和记录：包括公司层面及部门层面的规章、制度、规范和管理规定等，以及公司在管理过程中的过程文档，如会议纪要、会签记录等。

（2）平台工具层面。观察数据管理过程和活动：重点了解数据管理系统/平台/工具的相关功能和使用记录。

（3）人员管理层面。人员访谈：对公司的规章制度执行以及数据管理平台使用情况进行核验，确认其实施过程与客观证据是否保持一致。DCMM模型要求及体系解读—评估流程III23DCMM评估过程有哪些人参与？一般来说，数据战略和治理需要的是管理人员，其余6个能力域需要的是技术人员，从实际评估角度来说，企业匹配人员一般在5-10个。能力域相关参与人员数据战略企业负责人、数据管理负责人、首席数据官等数据治理数据管理负责人、首席数据官、数据分析师等数据架构数据架构师、数据仓库架构师、数据模型管理员等数据应用应用架构师、BI架构师、报表开发人员等数据标准数据管理专员、数据提供者、数据分析师等数据安全数据安全管理员、数据安全审计员等数据质量数据质量分析师、数据质量管理员等数据生存周期数据开发工程师、数据运维工程师等DCMM模型要求及体系解读—评估流程IV24企业如何开展贯标准备工作？准备工作分为三个阶段：

（1）差距分析：对照能力等级标准的相关要求，梳理本企业数据管理的相关制度、执行过程文档、数据管理平台和工具的相关资料，进行差距分析，制定建设提升工作计划。

（2）能力建设：健全数据管理组织，完善数据管理制度体系，优化数据管理平台和工具，开展对标自评估。

（3）量化评估：组建评估队伍，提交正式