数据管理能力成熟度模型理论研究报告.docx

《数据管理能力成熟度模型理论研究报告.docx》由会员分享，可在线阅读，更多相关《数据管理能力成熟度模型理论研究报告.docx（49页珍藏版）》请在第一文库网上搜索。

1、数据管理能力成熟度模型理论研究报告一、概述1.1工作背景112编写目的213研究方法214研究对象2二、数据管理能力成熟度评估理论研究42.IIBM数据管理成熟度模型42.2DCAM模型62. 3DMM模型82.3 .1架构和过程域的组织82.4 .2能力与成熟度等级定义112. 4DAMA数据管理知识体系121. 4.1理论框架122. 4.2数据管理职能领域143. 4.3成熟度级别162.5国标数据管理能力成熟度评估模型（DCMM）162. 5.1能力域和能力项173. 5.2评估等级22三、单项数据管理能力评估理论253.1信息安全技术数据安全能力成熟度模型253. 1.1概述253.

2、 12模型架构263. 1.3数据生命周期安全283. 14安全能力维度293. 1.5成熟度等级定义313. 2信息技术服务数据中心服务能力成熟度模型323. 2.1能力成熟度级别333. 2.2模型构成343. 2.3能力框架343. 2.4评价方法363. 3DGI理论393. 3.1理论特点403. 3.2理论内容403. 3.3理论解读414. 3.4优劣势分析42四、对比研究及相关结论434.1 概述435. 2各理论/标准对比446. 3结论45五、相关意见和建议47一、概述1.1工作背景数据是国家基础性战略资源。党的十八届五中全会正式提出“实施国家大数据战略”；党的十九届四中全

3、会首次增列“数据”作为生产要素之一参与分配；2023年新冠肺炎疫情防控期间，强调要运用大数据、人工智能等数字技术更好支持疫情防控和资源调配；3月4日，中共中央政治局常务委员会强调，加快5G网络、数据中心等新型基础设施建设。数据作为核心生产要素，已日益成为数字经济时代重要的战略资产和重要价值。数据管理专业体系建设是发挥数据价值的必经之路，是大数据应用工作基础中的基础，没有良好的数据管理，数据价值作用的发挥就无从谈起。数据管理能力成熟度评估作为定位数据管理发展阶段、加强数据管理能力、提升数据资产价值的重要抓手，对于规范和指导企业高效有序推进大数据工作，提升数据价值挖掘能力，具有十分重要的意义。随着

4、公司数据管理工作持续深入推进，数据管理顶层设计日趋完备。但是相比传统专业，数据管理仍是一个崭新专业，尚存在数据意识薄弱、管理标准不一致、执行力度不足等问题，有必要以数据管理能力成熟度评估为抓手，明确一把尺子，找准数据管理能力所处阶段，提出改进提升措施，明确未来发展方向，全面推动公司数据管理体系建设。12编写目的数据管理能力成熟度模型理论研究是建设公司数据管理能力成熟度评估标准体系建设的重要理论基础，通过对国内外数据管理能力成熟度评估理论进行全方位研究和学习，分析各类标准理论的优缺点，总结经验与启示，为制定适合公司数据业务发展需要的数据管理能力成熟度评估体系提供理论基础，促进公司数据管理专业快速

5、发展。1.3研究方法本项目将采用文献研究与实践研究相结合的研究方法。一方面，通过文献图书、专业机构、国外媒体、互联网、第三方调查机构等渠道收集有关数据管理相关的标准、模型的实际发展情况，对其进行整理分析，研究总结出数据管理成熟度评估理论的关注点、制定方法以及理论发展趋势，为后续制定公司数据管理能力成熟度评估标准体系提供理论分析研究基础。另一方面，研究数据管理相关的标准、模型的实际应用情况，并将之与公司实际进行结合分析，扬长避短，深入探索适合公司发展需要的数据管理各项能力框架，为后续制定公司数据管理能力成熟度评估标准体系提供理论实践参考基础。14研究对象注重先进性原则，标准可能是国际标准、国内标

6、准、行业标准或者企业标准，主要要求其数据管理能力成熟度评估理论具有领先性，且经过实施评估后取得了一定的成效，有科学论据证明其先进性，是公司开展数据管理能力成熟度评估体系建设时可以借鉴学习的。注重相似性原则，从事同一行业，其业务内容、服务形式、运作方式、管理架构等相近，且既往经历过公司现在面临的同样或相似境况，需要进行数据管理能力成熟度评估标准体系建设。理论研究结合先进性、相似性原则，选取相关领域的典型标准或理论模型进行研究。具体包括数据管理能力成熟度评估理论、单项数据管理能力评估理论等。二、数据管理能力成熟度评估理论研究经过多年发展，国内外数据管理能力成熟度评估理论与实践逐步成熟。IBM、ED

7、MCOUI1CiI（企业数据管理协会）、DAMA国际、中国信标委等组织和企业开展了大量理论研究和实践探索，在这些理论的指导下，我国金融、电信、能源、互联网等信息化较为先进的行业，已经积累了丰富的数据资产管理经验，这些经验的总结对于补充完善数据管理理论体系、推进数据资产管理在各个行业的普及和发展有着重要意义。2.1IBM数据管理成熟度模型2010年，IBM发布数据治理统一流程，提出IBM数据管理成熟度模型。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相关领域的成熟度评估和能力建设需要。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

8、件产品提升数据治理能力进行较为完备的介绍。但是，该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。IBM数据治理委员会根据5级分类提出一种成熟度模型：1）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。2）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，而流程有助于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

9、行和管理，但仍存在超出预算和计划时间的风险。3）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。4）成熟度级别4（定量管理），组织设置流程和维护的数量质量目标。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。5）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

10、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，详细见下图所示。图1IBM数据管理成熟度模型评估示例2.2DCAM模型2015年2月，企业数据管理协会(EDMCounci1)发布数据管理能力评价模型(DataManagementCapabi1ityAssessmentMode1,DCAM)oDCAM是由EDMeOUnCiI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

11、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是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。DCAM成熟度模型分级定义见表1。表1DCAM成熟度模型分级定义等级类别描述特性1未开始没有执行临时性；由个人完成2概念性初步规划问题正被讨论；会议讨论阶段；涉及数据从业人员参与3开发实施进行中关键功能性因素已定义；工作流已定义；会议正在进行；参与度增长；活动正在进行；政策、角色和运作程序正在建立；计算项目/年度供资预算4定义已执行和验

12、证业务用户参与；1oB管理经营实施；需求已核实；界定和分配责任；政策和标准存在；程序到位；定义和验证谱系；元数据捕获和验证；识别和清点CDES；持续的跟踪，可持续的资金支持5实现通过和执行行政管理认可；积极参与业务；责任协调；政策和标准已执行；谱系验证和记录；跨数据库数据协调；元数据实现；主动维护；被审计的依从性；战略/投资的资金支持6优化一体化充分融入运营文化，持续改进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（见图4）。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

13、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。图2DCAM数据职能领域构成2.3DMM模型2014年8月，美国卡内基梅隆大学软件工程研究所提出数据管理成熟度(DataManagementMaturity,DMM)模型。DMM模型是一个能实现业务部门利益与IT相互匹配的强大加速器,可为公司组织提供一套最佳实践标准，制定让数据管理战略与单个商业目标相一致的路线图，从而确保能强化、良好地管理并更好地运用关键数据资产来实现商业目标。DMM公开的资料略多，但同样采用会员制，可以按需进行裁剪，适用于各类组织，模型可操作性较

14、强，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。2.3.1 架构和过程域的组织DMM模型包括20个数据管理过程域以及5个支持过程域,组织为五个类别。每个类别包含多个过程域，这些过程域是传达模型的主题、目标、实践和工作产品实例的主要手段。组织通过完成过程域实践可构建数据管理能力，结合基础设施支持实践还可以提升其数据管理的成熟度。图3类别表2数据管理过程域序号类别过程域描述1数据管理战略数据管理战略定义数据管理计划的愿景、目标和目的，确保所有相关的干系人在优先事项以及计划的实施和管理上保

15、持一致。2沟通确保政策、标准、过程、进度公告和其他数据管理沟通得以制定、发布并根据反馈进行调整。3数据管理功能为数据管理领导和员工提供指导，以确保数据作为公司资产得以管理。执行监督对于建立和维护数据管理原则、促进采用以及确保整个组织机构范围内的一致性而言至关重要。4业务案例提供确定应为哪些数据管理项目提供资金的理由，并通过基于财务因素和组织利益做出决策来确保数据管理的可持续性。5项目资助确保提供充足且持续的资金支持数据管理项目。6数据治理治理管理开发所需的所有权、管理权和运营结构，以确保将企业数据作为关键资产进行管理，并得以持续有效地实施。7业务词汇表支持对所有利益相关方支持业务过程的结构化及非结构化数据相关术语和定义的共同理解。8元数据管理建立过程和基础架构，用于指定和扩展管理信息，保证结构化和非结构化数据资产信息清晰有条理，促进和支持数据共享，确保合规使用数据，提高对业务变更的响应能力，以及降低数据相关风险。9数据质量数据质量战略定义组织范围的整体战略，以实现并维持支持业务目标所需的