数据管理能力成熟度模型比较

数据管理是组织机构信息化管理最核心的内容之一，而目前国内一些传统企业往往将大多数资源和关注重点放在信息系统的建设和运维上，没有对数据管理予以高度重视，对数据管理相关信息化理论、方法和工具的研究不足，对数据管理相关信息系统的建设不够完备。随着企业信息化的复杂性逐步提高，特别是在引入商业智能和数据分析之后，经常出现数据质量差、数据共享困难和数据应用不够深入等情况，企业数据资产所能发挥的价值也极为有限，极大地影响着企业未来的核心竞争力。

由于数据管理涉及的范围广、内容多，单纯采取某些措施解决数据问题往往效果不佳。目前强化数据管理能力、提升数据资产价值已成为国内企业的共识，但如何开展数据管理能力提升活动还存在理论和方法选择的问题。特别是在如何合理引入数据管理能力成熟度模型方面，由于没有国际公认的标准，使得企业或组织对数据管理存在较多的疑虑，尤其是将互联网和物联网引入企业生产经营之后，数据管理变得更加复杂和困难。

数据管理能力成熟度模型的作用和意义

美国卡内基·梅隆大学软件工程研究所在20世纪80年代提出能力成熟度模型(Capability Maturity Model，CMM)，最初主要在软件开发过程中应用，侧重千对软件开发过程中的能力和管理进行评估与提高。CMM采用阶段式表示法，将软件开发过程的能力成熟度依次分为初始级、己管理级、已定义级、定量管理级和优化级等5个等级。5个能力成熟度等级组成一个逐步提升的平台，每个等级的过程能力直接作为到达下一个等级的基础，能力成熟度不断升级的过程也是过程能力逐步积累的过程。

数据管理由管理计划制订、数据收集管理、数据描述和归档管理、数据处理和分析管理、数据保存管理、数据发现及重用等多种活动组成，具有与软件开发相似的过程特性。因此，CMM的理论和方法也被其他国际组织、跨国IT服务企业和权威咨询机构借用或借鉴。例如：美国高德纳咨询公司(Gartner)和国际商业机器公司(IBM)分别在2008年和2010年开发出相应的数据管理能力成熟度模型；2014年8月，卡内基·梅隆大学正式提出自己的数据管理能力成熟度模型DMM(Data Management Maturity)；2015年2月，美国企业数据管理协会(EDM Council)提出数据管理能力评估成熟度模型DCAM(Data Management Capability ASSESSMENT Maturity)。在国外数据管理研究和实践不断发展的过程中，中国信息化标准委员会于2003年开始就数据管理能力(Data Capability Management Maturity，DCMM)进行立项研究，目前处于意见征询、标准宣贯和试验验证阶段。

数据管理能力成熟度模型的比较分析

1 经典数据成熟度模型介绍

高德纳EIM成熟度模型

2008年，Gartner基千CMMI(Capability Maturity Model Integration)理念创建一个6级的企业信息管理成熟度模型(EIM Maturity Model)，分为无认知型、认知型、被动回应型、主动回应型、己管理型和高效型等6个阶段。通过对6个级别进行定义和描述，帮助IT管理者识别、确认各自企业的信息管理水平。成熟度模型也给出处在每个级别的企业应开展的工作，从而推进企业的信息管理水平提升一个级别。

Gartner的EIM由愿景、战略、矩阵、治理、组织（人）、过程（生命期）和基础设施等7个维度组成一个企业数据治理的周期，同时将EIM分为13个领域的功能参考架构并给出规范、规划、建设和运行等4个过程。

高德纳EIM成熟度模型没有针对每个领域给出评估标准，而是在宏观上对整个企业组织的数据管理的认知特征进行定义。例如将第3阶段的被动回应型定义为：“企业把信息作为促进业务效能的必要条件，因此正在从项目级信息管理向企业信息管理过渡。信息支持企业过程优化。”其特征如下：

高级管理者将跨职能信息共享视为推进企业发展的一种手段。管理者指定高级顾问来协调企业信息管理机构，并沟通愿景。启动预算、宪章和路线图，并对企业信息管理项目的目标进行讨论。

将企业信息架构(Enterprise lnformation Architecture，EIA)作为企业信息管理计划的指南，确保信息在机构内交换，以适应企业业务战略。该级别企业设立针对信息管理技术的标准。

构建管控委员会和正式的数据质量计划，指派数据管理员帮助管理信息资产。重要业务单元应积极参与该项工作。信息系统生命周期包括以数据为中心的路线，以确保正在实施的项目遵循信息架构和信息管理标准。

虽然该模型是本地维护数据模型，但其也与企业信息架构关联。对千分析数据、主数据和非结构化内容，会出现截然不同的信息架构，并在某个逻辑层级统一。该级别企业巳规划一个数据服务层，为新兴发展形式提供信息服务。

该级别企业为数据归档和保存期限制订指南，并收集和管理元数据，以利于复用。

第3阶段数据管理的具体措施为：“正式提出针对企业信息管理的业务案例，并准备一个报告向管理层和干系人说明该业务案例。利用业务单位的工作来识别确认企业信息管理机会。”

IBM数据管理成熟度模型

2010年，IBM发布《数据治理统一流程》，IBM数据治理委员会根据5级分类提出一种成熟度模型：

成熟度级别1(初始），流程通常是临时性的，环境较不稳定，反映组织内的个人能力，而不是成熟流程使用能力。尽管处于级别1的组织会产生有效的产品和服务，但其经常超出预算和项目计划时间。

成熟度级别2(管理），成功是可重复的，但流程可能无法在组织内所有的项目中重复实践。基本项目管理对跟踪成本和时间表很有帮助，而流程有助千确保现有的实践活动正常开展。当这些实践活动准备就绪之后，项目会依据其备案的计划进行执行和管理，但仍存在超出预算和计划时间的风险。

成熟度级别3(定义），组织标准流程集中于在整个组织内建立一致性。对组织标准流程项目标准、流程描述和规程进行调整，以适合特定的项目或组织部门。

成熟度级别4(定量管理），组织设置流程和维护的数量质址目标。所选子流程对整体流程的性能具有重大突出贡献，采用统计技术和其他量化技术来控制。

成熟度级别5(优化），量化流程改进目标被明确地建立并继续修订，以反映不断变化的业务目标和用作改进管理流程的条件。

同时，IBM将数据管理划分为11领域，分别为：风险管理和合规、数据价值创建、组织机构和感知、数据照管、策略、数据质量管理、数据生命周期管理、数据安全和隐私管理、数据架构、分类与元数据管理、审计信息日志和报告。

根据成熟度模型的定义，可就一个企业的数据管理现状和期望给出这11领域的成熟度评估和能力建设需要。

DCAM成熟度模型

DCAM是由EDM Council主导，组织金融行业的企业参与编制和验证，基于众多实际案例的经验总结编写的。DCAM首先定义数据能力成熟度评估涉及的能力范围和评估准则，然后从战略、组织、技术和操作的最佳实践等方面描述如何成功地进行数据管理，最后结合数据的业务价值和数据操作的实际情况定义数据管理的原则。

DCAM的数据管理能力成熟度评估模型主要分为数据管理策略、数据管理业务案例、数据管理程序、数据治理、数据架构、技术架构、数据质量和数据操作等8个职能域。针对每个职能域，DCAM都设置相关的问题和评价标准，共包括37个能力域和115个子能力域；针对每个子能力域，根据成文的、企业内部批准发现的文件进行成熟度评估，EDM针对其会员提供相应的算法模型。

DMM成熟度模型

卡内基·梅隆大学的DMM成熟度模型整体上分为5级。

具体到成熟度评估，DMM首先将数据管理划分为数据管理战略、数据质量管理、数据操作、数据平台和机构、数据治理和支撑流程等6个职能域，并指出各职能域的相关关系。随后根据每个职能域的特征，将其细分为25个过程域，并给出具体的评估要求，包括目标、核心问题、能力评价标准定义和要求产出的成果，由此进行成熟度评估和能力评估。

由此，通过对每个职能域的目标过程域进行评估，可通过雷达图非常形象地获得企业或组织的数据管理能力成熟度现状和需弥补的差距点。

DCMM模型

我国的DCMM在DMM和DCAM的基础上充分考虑国内各行业数据管理发展的现状，并引人相关金融行业的实践经验，保证模型的创造性、全面性和可操作性。模型分为5级，定位如下：

等级1：初始级

组织没有意识到数据的重要性，数据需求的管理主要由项目级来体现；没有统一的数据管理流程，存在大量的数据孤岛，经常因数据问题导致客户服务质量差、人工维护工作繁重等。

等级2：受管理级

组织己意识到数据是资产，根据管理策略的要求制订管理流程，指定相关人员进行初步管理，并识别与数据管理、应用相关的人员。

等级3：稳健级

数据已被当作实现组织绩效目标的重要资产，在组织层面制订系列标准化管理流程以促进数据管理的规范化，数据的管理者可快速满足跨多个业务系统、准确、一致的数据要求，有详细的数据需求响应处理规范和流程。

等级4：量化管理级

数据被认为是获取竞争优势的重要资源，组织认识到数据在流程优化和工作效率提升等方面的作用，针对数据管理方面的流程进行全面优化，针对数据管理的岗位进行关键绩效指标考核，规范和加强与数据相关的管理工作，并通过过程监控和分析对整体的数据管理制度和流程进行优化。

等级5：优化级

数据被认为是组织生存的基础，相关管理流程能实时优化，能在行业内对最佳实践进行分享。

DCMM定义数据能力成熟度评价的8个职能域为数据战略、数据治理、数据架构、数据标准、数据质量、数据安全、数据应用和数据生命周期管理，这8个职能域又包括29个能力项。该模型与其他模型最大的区别是增加数据标准和数据安全2个职能域，但没有进一步对每个领域的成熟度进行定义。

2 经典数据成熟度模型比较分析

Gartner的成熟度模型最为简单和宏观，也很容易理解，但与其EIM模型的配合度很低，公开度也很差。因此，企业只有依靠Gartner咨询专家的配合才能得到数据管理能力提升的解决方案。

与Gartner相比，IBM对成熟度模型的颗粒度进行细化，并在《数据治理统一流程》中对如何进行成熟度评估和如何结合IBM的软件产品提升数据治理能力进行较为完备的介绍。但是，模型并没有对每个领域如何评估进行介绍，需IBM的专家与用户共同商定，公开度较低，可操作性较差。

DCAM由于是EDM面向金融机构的评估模型，内容相比IBM和Gartner更为细化和丰富，评估更为客观，可操作性较强，但只有成为其协会的正式会员才能得到EDM的支撑，公开度一般。

与上述模型相比，DMM公开的资料略多，但同样采用会员制，最大的特点与DCAM相似，也是对每个过程子域都进行定义，要求所有领域只有达到或超过某个级别时才代表该企业的数据管理能力达到相应级别的认定。由千CMMI推广过程中的实际操作经验比较丰富，因此DMM对每个过程域的评估都具有很强的可操作性，只需按照评估模型规定的操作步骤即可进行快速评估。但是，在数据管理职能域划分过程中也存在一些与国内实际情况不一致的情况，例如没有参考数据和主数据部分的管理等。

从目前公布的文档来看，DCMM没有同DMM和DCAM一样对每个领域进行细化评估；从目前的征求意见稿来看，评估的宏观性强，客观的可操作性稍弱，但增加了数据安全和数据标准这2个在数据管理中同样非常重要的领域，对我国企业目前的数据管理能力而言可能适用性更好。

此外，上述模型评估都强调模型与数据管理范畴和内容定义的关系，即成熟度评估不能独立千数据管理的其他活动之外单独开展。

结 语

数据管理越来越被大型企业所重视，但如何选择合适的数据管理领域定义和成熟度模型还没有得到一致的意见，国内的相关研究也不多。因此，本文对国际上比较重要的数据成熟度模型和国内正在制定的数据成熟度模型标准等进行分析和比较，对企业的模型理解与发展路径选择有一定帮助。