8.1　数据治理能力成熟度评估模型

对于数据治理能力成熟度评估，国内外都有很多组织在研究和实践，既有致力于数据管理整体框架的研究机构（如DAMA、DGI、CMMI），也有提供数据管理产品和服务的供应商（如IBM、Oracle、DataFlux）。借鉴它们的研究成果，企业能够快速开展数据治理的现状评估工作。

在众多的研究成果中，推荐CMMI研究所的DMM模型和我国全国信标委发布的DCMM模型。

8.1.1　DMM模型

1. DMM模型简介

DMM（Data Management Maturity，数据管理成熟度）模型是一个独特的数据管理学科综合参考模型，由卡耐基·梅隆大学旗下机构CMMI研究所以CMMI（能力成熟度模型集成）的各项原则为基础开发。

DMM模型为企业提供了一个建立、改进和衡量其数据管理能力的标准，帮助企业制定数据治理改进方案和实施路线图（见图8-1）。

DMM模型由25个过程域组成，其中包括20个数据管理过程域和5个支持过程域。按照不同的数据管控维度，这25个过程域分布在数据战略、数据治理、数据质量、数据运营、平台与架构、支撑流程6个分类中，如图8-2所示。过程域是表达模型主题、目标、实践和工作实例的主要手段。通过完成过程域实践，企业可以构建数据管理能力或提升其数据管理能力的成熟度。

2. DMM数据管理能力成熟度

DMM模型将数据管理能力成熟度分成5个等级，呈阶梯状，越往上成熟度等级越高，如图8-3所示。

DMM数据管理能力成熟度等级的定义见表8-1。

3. DMM模型的使用

DMM模型的成熟度等级为其25个过程域提供了一致的数据管理能力成熟度评估标准。评估标准是由一个以上与其能力等级匹配的数据管理实践组成，企业依据这些评估标准开展评估工作，衡量一段时间内的数据管理能力。

DMM数据管理能力成熟度评估工具（见表8-2）给出了25个过程域的能力成熟度标准的描述和定义，为企业提供了提升数据治理能力的参考。但并不要求企业将25个过程域的能力都建立起来，在实际使用过程中，企业应该根据自身的需求对25个过程域进行裁剪，以构建出适合企业发展的数据管理能力。

DMM模型是一个强大的工具，它可以帮助企业创建一个数据管理远景，明确所有利益干系人的角色，提高业务参与度，加强数据管理能力。但是DMM并不是万能的，DMM虽然能够给出企业数据管理水平的基本度量，但是并没有给出明确的改进或提升方法，企业在实施DMM数据治理成熟度评估时应当认识到这一点。

8.1.2　DCMM

有关DCMM我们在第2章中已经介绍过了，这里重点讲一下DCMM的使用。

DCMM将组织的数据管理能力成熟度等级划分为了5个等级，每个等级的成熟度定义如表8-3所示。

以DCMM能力成熟度等级为标准，对分别从DCMM的8大过程域，28个过程项出发，对每个过程项的过程描述、过程目标、能力等级标准进行评估，并给出每个过程项的成熟度评估结果最后汇总形成企业数据管理能力的整体成熟度。如表8-4所示。

DCMM是我国首个数据管理能力评估标准，它的发布对于规范企业数据管理、促进数据产业的发展有着重要意义。

（1）为企业的数据管理指明了方向

企业可以根据DCMM进行数据管理成熟度的自我评估，找到改进方向，并制定改进措施，实施改进方案，提升组织的数据管理水平。

（2）培养专业人才，提升组织绩效

DCMM评估有助于企业建立起数据管理的专业团队，培养数字化人才，提升企业数据管理和应用的能力。

（3）规范行业发展，促进产业发展

DCMM评估有助于规范和指导数据行业的发展，提升从业人员的数据资产意识，赋能数据应用探索和实践，促进数据产业的发展。