企业数据管理能力提升的攻略（DCMM）

企业数据管理能力提升的攻略（DCMM）

导读：DCMM（数据管理能力成熟度模型）是我国在数据管理领域首个正式发布的国家标准，通过构建一套标准化的评估体系，帮助企业明确自身在数据管理方面的成熟度水平，并提供改进路径。

数据管理成熟度模型背景速览

IDC发布的《数据时代2025》报告显示，全球数据量正在以前所未有的速度增长。

预计到2025年，全球数据量将达到惊人的163ZB；淘宝每天产生的数据量高达20TB；Facebook更是达到了300TB。

数据已经成为数字经济时代的核心战略资源。从农耕时代的土地和劳动力，到工业社会的土地、劳动力、资本、技术、管理、知识，再到DT时代，数据加入了这一行列，成为推动社会发展的关键因素。

全球正迈向数字经济时代，世界经济数字化转型大势所趋。5G、云计算、大数据、区块链和AI等技术的快速发展，正在推动智能化、网络化和数字化转型。后疫情时代，超级黑天鹅事件COVID-19更是对生命健康与经济发展、秩序与自由、社会治理能力与执行力提出了严峻考验。

数据管理成为全球关注的焦点。2018年5月，欧盟GDPR正式生效，被誉为史上最严格的数据保护法案。2019年4月，法国推出了“数字税”法案，成为数字税领域的先行者。2019年12月，美国发布了联邦数据战略，以政府数据治理为主要视角。2020年1月，美国加州CCPA正式生效，强化了个人信息的控制权。2020年2月，欧盟发布数据战略，旨在推动构建欧盟单一数据市场。

在DT时代，数据管理已成为一项紧迫的任务。数据治理、安全与隐私保护、共享开放机制等成为研究热点。

管理模型、评估流程和交付物

DCMM模型的出台，恰是为企业提供了明确的方向和路径以帮助企业更加系统、全面地构建和优化其数据管理体系。

在具体开展中，在参考标准的基础上，要灵活机动，更要关注企业运作的本质，重视以下几个领域：

1. 数据战略与目标设定

要清晰地识别出哪些数据是企业战略实现的关键资源，哪些数据管理能力是战略落地的必要支撑。在此基础上，制定针对性的数据管理策略和计划，确保数据管理工作始终围绕企业战略核心展开。

2. 流程优化

在提升数据管理能力的考察过程中，我们需要对企业的数据生命周期管理、数据质量管理、数据安全管理等关键流程进行深入剖析和优化。探索引入先进的流程管理工具和方法的可能性和可行性，如BPM（业务流程管理）、DevOps等，实现数据管理流程的自动化、智能化和可视化，提高数据处理的效率和准确性。

3. 数据治理与组织文化

数据治理是确保数据质量、安全、合规性和可访问性的关键。企业需建立跨部门的数据治理委员会或工作组，负责制定和执行数据治理政策。但数据管理只有管理层管、IT干、业务参与行不行？这是一部分，更要发动群众的力量。企业需要营造一种以数据为驱动的文化氛围，鼓励员工积极参与数据管理和分析工作，形成全员关注数据、利用数据的风气。企业可以通过组织架构或者角色架构的调整和各个领域人员能力的提升来适应数据管理的新要求。

4. 数据架构与标准

数据架构是企业架构的重要组成部分，它定义了数据的逻辑结构和物理布局。在DCMM模型中，数据架构的提升涉及数据模型的统一、数据标准的制定和实施以及数据资产的管理。企业需结合业务需求和技术发展趋势，设计合理的数据架构蓝图，确保数据的完整性、一致性和可访问性。

5. 数据质量与安全管理

数据质量和安全是数据管理的生命线。企业需建立完善的数据质量管理体系，对数据的准确性、完整性、一致性和及时性进行监控和改进。同时，加强数据安全管理，建立健全的数据安全管理制度和技术防护体系，保障数据资产的安全和合规。

6. 数据应用与价值实现

数据的最终目的是支持业务决策和创新，这意味着需要将数据能力与业务需求紧密结合，推动数据价值的深度挖掘和广泛应用。企业需建立数据分析平台、制定数据分析策略、培养数据分析人才，并不断推动数据创新应用的落地和实施。

7. 数据的技术架构整合

我们需要根据DCMM模型的要求，结合企业的实际业务需求和技术现状，探寻合理的数据技术架构方案。这包括选择合适的数据库系统、数据仓库、大数据平台等基础设施；包括构建高效的数据处理和分析能力；以及确保数据的安全性和合规性。通过技术架构的整合和优化，为企业数据管理能力的提升提供强有力的技术支持。

基于上述重点领域，DCMM做了成熟度分级：

• 初始级（Level 1），数据管理尚处于探索阶段，缺乏系统性与规划性；
• 受管理级（Level 2），逐步建立起基本的秩序和规范；
• 已定义级（Level 3），数据管理形成了一套明确的规范和流程，这一级别在原文中被称作稳健级，但依据标准应定为已定义级；
• 量化管理级（Level 4），此时数据管理得以精确度量与控制，宛如具备了自我监督的能力；
• 优化级（Level 5）则代表着持续改进与创新，数据管理实现全面优化，从数据性走向业务性。

能力项与标准条款，是这套标准中的刻度。每个核心能力域进一步细化为多项能力项，而每个能力项下又涵盖了一系列具体的标准条款。这些标准条款宛如详尽的施工图纸，细致描绘了各能力域内所需的具体能力特征、操作要求、管理活动及衡量指标。它们为组织提供了清晰的执行指导，也是评估和衡量数据管理成熟度的基准，使得数据管理从一个模糊概念转化为可量化、可操作、可评估的实际行动。

在整个流程中，由于等级申请的时间周期存在差异，合同的签订周期通常为一年。具体来说，1-2级的评估通常在3个月内完成，3级则需要4-6个月，而4-5级的评估则需时6-8个月。

以下是具体的评估流程细化：

1. 评估准备阶段：在此阶段，被评估方需依据DCMM标准构建并完善数据管理体系，开展内部自评估。此外，亦可寻求贯标咨询机构的协助进行对标，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：评估机构接受评估申请后，将组织现场评审并编制评估报告，报告中将包含评估等级的推荐意见，并需向评估工作部备案。

3. 结果评议阶段：评估工作部将对评估机构提交的评估结果进行合规性审查。若审查过程中发现重大问题，部门有权驳回评估结果。针对评估机构推荐的优化级、量化管理级和优化级的评估结论，评估工作部将组织专家进行评议。通过审查、复核或评议的评估结果，将进行为期一周的公示。公示结束后若无异议，评估机构将颁发数据管理能力成熟度评估证书。

至于评估交付物，包括以下三项：

1. 评估结果：此部分将全面展现企业数据管理各项能力的成熟度评估等级，并提供数据管理能力成熟度等级的推荐建议。

2. 评估报告：报告将深入分析并梳理企业当前数据管理的状况，识别出存在的问题及需要改进的方面。

3. 评估证书：作为对企业数据管理能力成熟度的官方认证，将向企业颁发数据管理能力成熟度评估证书。

评估完企业怎么办呢

1. 整体规划，分步实施：企业应制定整体的数据管理能力提升规划，明确各个阶段的目标和任务。通过分阶段、分步骤地实施计划，逐步推动数据管理的改进和优化。

2. 技术赋能，创新驱动：利用先进的技术工具和平台，如大数据、人工智能、云计算等，提升数据处理的效率和效果。同时，鼓励创新思维和实验精神，不断探索新的数据应用场景和价值点。

3. 人才培养，文化建设：构建多层次的数据人才队伍，包括数据管理专家、数据分析师、数据工程师等。同时，加强企业文化建设，培育尊重数据、勇于创新的工作氛围和价值观。

4. 评估反馈，持续改进：定期对数据管理能力进行评估和反馈，发现存在的问题和不足。通过持续改进和优化机制，不断提升企业的数据管理能力水平。

适合单位

适合单位首先来自于数据拥有方。包括但不限于：

1. 金融与保险机构，掌握着海量的客户交易记录、风险评估数据以及市场动态信息；
2. 互联网企业，以其独特的用户行为数据、偏好追踪和社交网络数据，成为数据宝库；
3. 电商运营商，则拥有消费者的购物历史、消费习惯和评价反馈等宝贵信息。
4. 工业企业的生产流程、设备状态和维护日志，数据中心所属主体的存储资源、网络流量和访问记录。
5. 高校的研究成果、学术资源和学生档案。
6. 政务数据中心的公共数据、政策文件和行政记录，都构成了数据拥有方的丰富矩阵。

数据解决方案提供方也在适用范围内。包括但不限于：

1. 专业的数据开发与运营商，他们擅长于数据的采集、清洗、整合和挖掘，将原始数据转化为有价值的商业洞察；
2. 信息系统建设和服务提供商，他们专注于为企业搭建稳定、高效的数据处理平台，确保数据的安全和流畅运行；
3. 还有信息技术服务提供商，他们提供从硬件维护到软件开发、维护的全套服务，助力数据拥有方实现数据的最大化利用。

证书级别

DCMM模型分五等级评估数据管理成熟度：初始级（1级）、受管理级（2级）、稳健级（3级）、量化管理级（4级）、优化级（5级），逐级提升体现企业数据管理进展与能力。证书有效期三年，确保评估时效性与企业持续改进动力。

政策补贴

多地政府为鼓励工业及软件信息服务业企业提升数据管理成熟度（DCMM）认证，纷纷出台奖励政策。北京顺义区根据认证级别，给予15万至30万元奖励。上海静安区对首次通过DCMM二级至四级的企业，提供30万至50万元奖励。天津首次通过认证即奖50万元。重庆按级别奖励20万至50万元不等。辽宁省国家级DCMM认定企业最高可获100万元扶持。山西省三至五级认证企业分别奖10万至30万元。济南、郑州、武汉、广州及深圳等城市也根据DCMM认证级别，提供从数万元到50万元不等的奖励或补贴，旨在激励企业增强数据管理能力，提升市场竞争力。