数据治理理论篇1：CMMI DMM 数据管理能力成熟度模型【解读】（内附模型下载）

一、国外的研究成果

国外对于数据管理成熟度的研究起步比较早，在数据管理、数据治理、主数据管理等都方面都形成了一些优秀的研究成果，可以作为企业评估数据管理能力成熟度的重要参考。国外关于数据管理能力成熟度的评估模型有：

• CMMI DMM 数据管理能力成熟度模型

• EDM DMM 数据管理能力成熟度模型

• MD3M 主数据管理成熟度模型

• DataFlux 主数据管理成熟度模型

• Oracle MDM主数据管理能力成熟度模型

• DCAM 数据管理能力成熟度模型

• IBM 数据治理能力成熟度模型

• Microsoft IT微软数据管理能力成熟度

• DSCMM 数据安全能力成熟度模型

• 美国联邦政府FGDMM数据成熟度模型

• 斯坦福数据治理成熟度模型

二、国内研究成果

2014年，全国信息技术标准化技术委员牵头，御数坊、清华大学、建设银行、光大银行等单位组成工作组进行《数据能力成熟度评价模型》的制定工作。在制定的过程中充分吸取了国内先进行业的发展经验，结合了国际上DAMA（国际数据管理协会）《数据管理知识体系指南DMBOK》中的内容。数据能力成熟度评价模型（Data Capability Maturity Model 简称 DCMM）已形成国内关于数据能力成熟度模型的一项国家标准。

三、浅析 DMM数据管理能力成熟度模型

如上文，我们看到国内外关于数据管理能力成熟度模型有好多，为什么我首选解读的是DMM？是DMM知名度高？发布的早？应用的广泛？或许以上原因都有。但对笔者来说，选择DMM还有一个更直接的原因，那就是这个标准是CMMI组织发布的，其中原则、结构和方法都是参照的SW-CMMI。笔者曾经深度参与过公司CMMI L3和L5评估，所以对CMMI比较熟悉，一看到这个标准是CMMI发布的，就决定选择该模型入手进行数据管理能力成熟度的学习和解读。

比较遗憾的是，网上关于DMM的资料非常少，而且大多数是英文版的，笔者英文水平有限，解读过程如果有所偏误，还请斧正。

（1）DMM的由来

DMM（Data Management Maturity）模型是由卡耐基-梅隆大学旗下机构CMMI研究所以能力成熟度模型(CMMI)的各项基础原则为基础开发的。

DMM模型是基础数据管理学科的一个独特的综合参考模型。它为企业提供了一套标准的最佳实践，以评估能力、加强数据管理，并为符合业务目标的改进定制适合企业的数据管理实施路线图。

DMM有50多位业内专家参与编写，从300多个项目实践和经验中进行提炼总结，经过70多名的同行评审，历经了3.5年，最终2014年8月7日正式发布，是企业基础数据管理能力的参考模型框架，用于组织评估能力成熟度、识别差距和纳入改进指南的度量工具。

注：CMMI DMM说明提供下载，详见文章末尾

（2）DMM内容及面向对象

数据管理成熟度（DMM）模型提供了帮助组织建立、改进和衡量其企业数据管理能力，允许及时、准确以及整个组织中的可访问数据。DMM的编制主要参考了大量金融行业数据管理案例，在这些案例的基础之上进行了提炼和总结，并参照CMMI成熟度模型，为数据管理定义出25个过程域，5个能力等级。

DMM适用于想要对自身数据管理能力进行自评，对自身的数据管理能力不足有一个清晰了了解，并找到改进方案的企业或组织。所涉及的行业范围比较广泛，包括：金融行业、电信行业、能源行业、制造行业、IT行业和服务业等。各组织可以根据自身所处的行业特点和企业现状对DMM过程进行适当裁剪，以满足自身企业需要。

（3）DMM 数据管理能力成熟度等级

1. Performed（已执行级）

主要特点：数据作为项目实施的需求进行管理。

解读分析：这个阶段，企业和组织的数据管理过程是临时性的，主要在项目级别执行。没有形成跨业务领域数据管理流程，数据管理过程是被动的，例如，对于数据质量的修复。关于数据管理的基本改进可能存在，但改进尚未在企业或组织范围内进行明确、宣贯和推广。

2. Managed（可管理级）

主要特点：企业意识到数据作为企业关键资产的重要性，局部实现了常态化管理。

解读分析：这个阶段，数据资产化的观念被企业或组织所认可，企业尝试并开展了数据管理的相关工作。按照企业的目标制定了相关政策和执行过程，雇佣有专业知识的数据管理人员来对数据进行管理，使得核心数据能够受控输出；数据管理在企业局部范围开展，涉及部分业务部门或利益相关者；部分数据开始进行数据的监控、控制和过程审查，估过程是否符合其数据管理的要求。

3. Defined （可定义级）

主要特点：数据在组织级被视为关键生产要素。

解读分析：随着时间的推移，数据已经被企业视为除了人员、资金和物资的第四种生产要素。企业内部已经建立和改进了一些数据管理的流程，改进了数据质量。根据企业的数据战略和指导方针，从一组标准的数据管理过程中能够定制满足企业特定需求的数据管理方法，并赋以执行。

4. Measured （可度量级）

主要特点：数据被视为竞争优势的来源分析。

解读分析：这个阶段，企业已基本建立起可预测和度量数据的指标体系，以提升数据质量。对不不同类别的数据启动有差异的管理流程，企业使用了元数据管理、数据质量管理、主数据管理等应用，对数据的业务含义、业务规则、质量规则进行了统一的描述，在公司范围内形成一致性的理解，并在整个数据的生命周期中进行管理。

5. Optimized（优化管理级）

主要特点：在一个充满活力和竞争的市场中，数据被视为生存的关键，持续提升和优化。

解读分析：通过创新性的改进，企业数据管理能力不断提高。通过数据管理能力的增强反馈用于推动业务增长和决策能力的提升，企业的数据管理能力已经发展成为行业的标杆，可以在整个行业内进行先进经验的分享。

（4）DMM 架构和过程域

DMM模型提供了数据管理的最佳实践路线图，帮助组企业构建、改进和衡量其企业数据管理能力。该模型围绕着数据管理成熟度（DMM）模型展开，该模型是一个综合的数据管理实践框架，分为六个关键类别，帮助组织对其能力进行基准评测，找出优势和差距，并利用其数据资产提高业务绩效。

DMM模型包括25个过程域，由20个数据管理过程域和5个支持过程域组成，按管控维度不同分为：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个类型，如下图所示：

模型解读：

DMM模型用25个过程域对数据管理给出了标准化的描述和定义，这25个过程域是传达模型主题、目标、实践和示例工作产品的主要手段。企业在进行数据管理规划和设计的时候，可以根据企业所处的行业特点并结合自身的需求对25个过程进行裁剪。同时，虽然DMM定义了有效数据管理的需求和活动，但它并没有告诉企业应该如何实现这些能力。DMM模型能够为企业提供评估其当前数据管理能力状态的一个工具，根据评价结果，为企业定制一个数据管理的实施路线图，来提高企业数据管理能力。

DMM模型帮助企业构建一个通用术语，并在组织范围内对对数据资产的定义及范围有一个共同的理解。DMM给出的五个连续的能力级别为25个过程领域的改进提供了一条清晰的路径，反映了数据管理的所有基本原则。通过提供结构化和标准的实践框架，企业可以利用DMM构建自己的数据管理成熟度路线图。

（5）数据模型的使用

DMM可以帮助企业更加熟练地管理关键数据资产，增强对数据战略和数据管理战术的支持，并提供一致和可比较的基准，以衡量一段时间内的进展。DMM是一个强大的工具，可以创建一个共享的远景和术语，明确所有利益相关者的角色，增加业务参与度，并加强数据治理。但是DMM并不是一个万能的，毕竟没有一个框架或标准能够完全满足企业的所有需求。DMM能够对企业的数据管理水平给出基本的度量，但是并没有给出明确的改进或提升的方法，企业在进行数据管理应当认识到这一点。

在DMM评估之后，企业会清楚知道数据管理方面的长处和不足在哪里。那么它必须选择优先顺序-范围和内容-更有效地管理数据。我们看到项目，例如：数据分析、面向服务的体系结构（SOA）、数据挖掘、主数据管理（MDM）等项目，做着做着，要么达不到预期的效果，要么就超出了它们的计划和预算。这里其实很大一分部分原因是因为这些项目启动时没有合适的管理流程。例如，企业要上一个以产品主数据为主的主数据管理项目，这对多条业务线（设计、生产、库存、订单、发货、客户关系管理等）都至关重要。对此，可以选择一组DMM的过程域，以针对该需求制定最重要的主数据管理实践。参照DMM过程，建立起包括：业务术语表、主数据治理、元数据管理、体系结构标准、数据质量策略、数据质量评估、数据分析、数据集成，以及一些与该目标相关的内容。

四、DMM模型总结与思考

企业要增强其数据管理的能力，需要将数据作为企业的一项资产或一项基础设施来看待。而数据管理对于企业来说是一个复杂的问题。很多企业认为数据管理是的一项必要成本，而不是获得效率、降低成本和获得竞争优势的手段。这种看法主要是由于缺乏共同的理解和正确的方法，归根到底，笔者认为：数据管理问题是一个“意识”的问题。

首先，企业应意识到数据是企业的一项重要资产，对数据管理的重视应上升到战略的高度上去认识和重视才行。

其次，企业应意识到数据管理不是某一个部门的事，需要企业全员参与。全面进行数据管理或数据治理，离不开各级领导的重视和支持，只有领导重视，才是做好数据管理和深入分析的关键。同时，企业所有人员，都应该把好各自工作环节的数据管理，不制造垃圾数据、错误数据，发现问题及时解决，追根求源，争取将错误数据、垃圾数据剔除干净，确保数据的正确完整。

第三，企业应意识到信息技术只是实现手段，而业务规范才是提升数据质量的根本。数据管理不仅涉及信息化技术的选择和应用，同时还涉及到企业业务流程的规范和统一，并且直接影响企业数据质量的好坏，从而影响业务的效率和决策的水平。

最后，企业应意识到数据管理要抓好，还应健全数据管理的保障体制。建立数据管理的组织体系，明确岗位分工和工作职责，制定数据管理办法，启用完善的数据管理流程，做好数据管理运营策略和运维保障，只有科学的管理，才能保证数据的准确、完整。

获取DMM模型的方法：

1、微信扫描上图左侧的二维码关注本公众号（谈数据）。

2、将该文章转发到您的朋友圈，帮助更多的人获得此模型。

3、后台回复【CMMI DMM】即可下载。

获取自评工具方法：

1、微信扫描上图的右侧二维码，添加作者微信

2、添加时请备注：谈数据

注：评估工具是笔者个人研究成果，目前还不成熟，所以没有给大家公开下载，加我好友，我们一同研究完善。