第3章
主流数据治理标准及框架介绍
3.1 国际标准
2015年，国际标准化组织IT服务管理和IT治理分技术委员会制定了ISO/IEC 38500系列标准，提出了IT治理的通用模型和方法论。
在ISO/IEC 38505标准中，阐述了基于原则驱动的数据治理方法论，提出了通过评估现在和将来的数据利用情况，指导数据治理的准备及实施，并监督数据治理实施的符合性等。其数据治理的框架模型如图3-1-1所示。
图3-1-1 数据治理框架模型图
3.2 国内标准及模型
1. 数据管理能力成熟度评估模型（DCMM）
DCMM（Data Management Capability Maturity Model，数据管理能力成熟度评估模型）是在工信部、国家标准化管理委员会的指导下，由全国信息技术标准化技术委员会大数据标准工作组组织编写的国家标准，也是我国首个数据管理领域国家标准。DCMM借鉴了国内外数据管理的相关理论思想，并充分结合了我国大数据行业的发展趋势，创造性地提出了符合我国企业的数据管理框架。该框架将组织数据管理能力划分为8个能力域：数据战略、数据治理、数据架构、数据标准、数据质量、数据安全、数据应用和数据生存周期，如图3-2-1所示。
图3-2-1 数据管理能力成熟度评估模型
DCMM新增了数据生存周期管理功能域，这是一个进步，它考虑到了原始数据转化为可用于行动的知识的整个过程，包括数据需求、数据设计与开发、数据运维直至数据退役。只有让数据治理工作贯穿数据的整个生存周期，才能彻底将数据治理到位。
DCMM的优点在于它不只是理论和知识体系，而是可以直接应用的。而且DCMM已经在工业企业中有过很多应用案例。为了推进DCMM国家标准的落地实施，指导相关组织提升数据管理能力，全国信息技术标准化技术委员会大数据标准工作组在全国范围内组织开展了数据管理能力成熟度评估试点示范工作，涵盖金融、能源、互联网和工业等多个领域的30余家企事业单位，其中就包括7家工业企业。DCMM的缺点也很突出：通过数据管理能力成熟度评估只能了解组织数据管理现状，包括已取得的成果和不足，但是并不提供能力提升的方法，还需要数据管理专家给出提升建议、方法论和实施路线图。
2. GB/T 34960数据治理规范
GB/T 34960《信息技术服务 治理 第5部分：数据治理规范》（以下简称《数据治理规范》）是我国信息技术服务标准（ITSS）体系中的服务管控领域标准，该标准根据GB/T 34960.1-2017《信息技术服务 治理 第1部分：通用要求》中的治理理念，在数据治理领域进行了细化，提出了数据治理的总则、框架，明确了数据治理的顶层设计、数据治理环境、数据治理域及数据治理的过程，可对组织数据治理现状进行评估，指导组织建立数据治理体系，并监督其运行和完善。
《数据治理规范》将数据治理划分为顶层设计、数据治理环境、数据治理域和数据治理过程4大部分，如图3-2-2所示。
图3-2-2 数据治理框架
顶层设计包括制定数据战略规划、建立组织机构和机制、建立数据架构等，是数据治理实施的基础。
数据治理环境包括分析业务、市场和利益相关方需求，适应内外部环境变化，营造企业内部数据治理文化，评估自身数据治理能力及驱动因素等，是数据治理实施的保障。
数据治理域包括数据管理体系和数据价值体系，是数据治理实施的对象。
数据治理过程包括统筹和规划、构建和运行、监控和评价、改进和优化，是数据治理实施的方法。
《数据治理规范》开创性地把数据价值实现作为数据治理的核心目标，并通过数据价值体系明确了数据价值实现的方式，帮助企业实现数据驱动业务的战略转型。
在《数据治理规范》附录中对数据治理涉及的核心治理域提出了明确的管理要求，为数据治理实施提供参考，为评估数据治理成效提供评价依据，通过正文和附录的结合，有利于数据治理的落地实施。
3.3 专业组织
1. 国际数据管理协会
成立于1988年的国际数据管理协会（Data Management Association International，DAMA）是一个非营利组织，致力于推广信息和数据管理的概念和实践。DAMA在全球设立了40多个分会，拥有7500余名会员，在数据管理领域中累积了丰富的知识和经验，是全球公认的数据管理权威组织之一。其先后出版了《DAMA数据管理字典》和《DAMA数据管理知识体系指南》（简称DAMA-DMBOK）的第1版和第2版，该指南集业界数百位专家的经验于一体，是数据管理业界最佳实践的结晶，已被公认为从事数据管理工作的经典参考和指南，在全球范围内广受好评。
DAMA的数据管理理论框架的核心是数据治理（见图3-3-1），通过10个数据治理的职能域建立一个能够满足企业需求的数据决策体系，为数据管理提供指导和监督。其优点在于充分考虑了功能与环境要素对数据本身的影响，但考虑到数据资产化成为企业的核心竞争力，这10个职能域尚不能全面覆盖数据资产管理的业务职能。
图3-3-1 DAMA的数据管理理论框架
2. 数据资产管理实践白皮书
为了落实国家大数据战略，中国信息通信研究院联合相关知名企业共同编写了《数据资产管理实践白皮书（4.0版）》。
《数据资产管理实践白皮书（4.0版）》基于DAMA-DBMOK中定义的数据管理理论框架，弥补了数据资产管理特有功能的缺失，并结合数据资产管理在各行业中的实践经验，形成了数据资产管理的8个管理职能和5个保障措施，如图3-3-2所示。其中管理职能是指落实数据资产管理的一系列具体行为，保障措施是为了支持管理职能实现的一些辅助的组织架构和制度体系。
图3-3-2 《数据资产管理实践白皮书（4.0版）》的数据管理理论框架
在DAMA的数据管理理论框架中并没有把数据标准单独作为一项重要的数据管理功能，而《数据资产管理实践白皮书（4.0版）》将数据标准管理放在第一位，体现了“标准先行”的管理思想。另外，其中还增加了数据价值管理和数据共享管理两项内容。
数据价值管理是对数据内在价值的度量，包括数据成本和数据应用价值。
数据共享管理主要是指开展数据共享和交换，实现数据内外部价值的一系列活动。数据共享管理包括数据内部共享（企业内部跨组织、部门的数据交换）、外部流通（企业之间的数据交换）和对外开放。
3.4 国内外数据治理体系的对比分析
国内外各相关机构都有自己的数据治理体系，但各体系之间存在一定的差异。表3-4-1从主流数据治理体系的构成要素、治理特点、优势和不足4个方面进行了分析。
表3-4-1 主流数据治理体系对比分析
（续表）
不同的数据治理框架和标准适用于不同的行业、企业，企业应根据自身特点，选择适合自己的标准体系。数据治理体系也不是一成不变的，因为数据治理是一个动态过程，过于僵化的体系不仅不会给工作带来便捷，还会增加应用的复杂度。
本章精要
本章介绍了数据治理相关的国际、国家标准，以及行业组织和协会的数据治理框架，并对各个框架的优、缺点及适用场景做了比较，便于读者根据企业的实际情况进行比较。
数据治理框架是指为了实现数据治理的总体战略和目标，将数据治理域所蕴含的基本概念（如原则、组织架构、过程和规则）组织起来的一种逻辑结构。本章先从国际、国内相关标准和专业组织3个方面，全面介绍数据治理框架，之后对各个框架进行对比分析，以便于企业进行选择。