数据治理（管理）能力评估 -数据治理与数据管理能力成熟度评估模型

数据治理（管理）能力评估数据治理与数据管理能力成熟度评估模型01组织评价模型02人才评价模型组织评价模型——DCMM数据管理能力成熟度评估模型——组织数据能力的成熟度等评估模型主要包括：DCMM、DSMM、DCAM、DAMA等。最新版《DMBOK2.1》中，对于数据成熟度评估模型的选择给出了应考虑的标准：1.可访问性：实践以非技术术语陈述，传达活动的功能要义。2.全面性：框架涵盖广泛的数据管理活动范围，包括业务参与，而不仅仅是IT流程。3.可扩展性和灵活性：模型结构化以便增强行业特定或额外学科，并可根据组织的需求整体或部分使用。4.内置未来进展路径：尽管具体优先事项因组织而异，但DMM框架在描述的每个功能内概述了一个逻辑的前进方式。5.行业无关或行业特定：一些组织将受益于行业特定方法，其他组织将受益于更通用的框架。任何DMM框架还应遵循跨行业的数据管理最佳实践。6.抽象或详细程度：实践和评估标准以足够详细的水平表达，以确保它们与组织及其执行的工作相关联。7.非规范化：框架描述需要执行的内容，而不是如何执行。8.按主题组织：框架将数据管理活动放置在适当的背景中，使每个活动可以单独评估，同时识别依赖关系。9.可重复：框架可以一致地解释，支持可重复的结果，以便将组织与同行业其他组织进行比较，并随着时间跟踪进展。10.由中立、独立的组织支持：该模型应该是厂商中立的，以避免利益冲突，并且应该是广泛可用的，以确保广泛代表最佳实践。11.技术中立：该模型的重点应该是实践，而不是工具。12.包含培训支持：该模型受到全面培训的支持，以使专业人士掌握框架并优化其使用。未启动概念型发展型增强型国家标准号：GB/T36073-2018标准名称：数据管理能力成熟度评估模型（DCMM）范围和主要内容：该标准把组织内部数据能力划分为八个重要组成部分，描述了每个组成部分的定义、功能、目标和标准。本标准适用于信息系统的建设单位，应用单位等进行数据管理时候的规划、设计和评估。也可以作为针对信息系统建设状况的指导、监督和检查的依据。探索期（EDW）中国数据管理领域于2003-2010年前后在银行与通信业经历了早期实践探索。2004年，中国建设银行启动企业探索期（EDW）数据治理领域进入了一个加速发展的阶段，在理论与标准层面不断推陈出新。如DCMM、DSMM、阿里数据中数据管理被进一步纳入电力等大型央企的信息化规划和信息化建设，也因互联网巨头的业务领域数据规模快速国家层面陆续发布《中共中央国务院关于构建更加完善的要素市场化配置体制机制的意见》、《关于加快推进国有企业数字化转型工作的通知》等《数据管理能力成熟度评估模型》（简称：DCMM），2013-2018：制定阶段，2019-至今：推广阶段。20132013201820181.《GB/T36073-2018数据管理能力成熟度评估模型》由中国国家标准化管理委员会于3.DCMM是一个针对组织数据管理、应用能力的评估框架，通过数据能力成熟度模型，组织可以清楚的定义数据当前所处的发展阶段和②充分考虑国内数据管理的实际情况及需求能力项数据生存数据生存数据战略周期组织数据应用流程数据质量数据标准数据安全数据架构数据治理能力域DCMM数据管理成熟度评估：共分5个等级，分别是初始级、受管理级、稳健级、量化管理级、优化 5级：优化级级。组织可以清楚的定义数据当前所处的发展阶段存和发展的基础，相争优势的重要资源，优化，能够在行业内以及和未来发展方向。4级：量化管理级存和发展的基础，相争优势的重要资源，优化，能够在行业内 46+107=1533级：稳健级数据被认为是获取竞关管理流程能够实时 462级：受管理级数据已经被当作实现数据管理效率能够进进行最佳实践分享资产，根据管理策略定了系列的标准化管 1级：初始级组织已经意识到数据资产，在组织层面制46+107+166+77+49资产，根据管理策略定了系列的标准化管规范性引用文件、术语和定义、缩略语、和综述（能力域和能力项、）；1.《GB/T36073-2018数据管理能力成熟度评估模型》的第6章《数据战略》中第6.1节《数据战略规划》的结构如下图：2.数据管理能力成熟度评估模型：datamanagementcapabilitymaturityassessment6.数据架构：dataarchitecture，通过组织级数据模型定义数据需求，指导对数据资产的分8.元数据：metadata，关于数据或数据元素的数据（可能包括其数据描述），以及关于数1.DCMM：数据管理能力成熟度评估模型（DatamanagementCapabilityMaturity4）明确数据治理岗位在新建项目中的管理4）业务人员能落实、执行各自相关的数据管理GB/T42129-2022《数据管理能力成熟度评估方法》依据GB/T36073-2018《数据管理能力成熟度评估模型》规定了数据管理能力成熟度评估的评估原则、评估过程以及成熟度等级判定方法。本方法适用于数据管理能力成熟度评估活动。术语/缩略语：1.评估原则（assessmentcriteria用于与评估证据进行比较的一组方针、程序或要求。2.评估发现（assessmentfindings）：将收集的评估证据对照评估准则进行评估的结果。3.被评估方（organizationsubjecttotheappraisal）：申请数据管理能力成熟度评估的组织个体。4.评估机构（assessedorganization具备官方授权资质开展评估工作的组织个体。5.评估管理机构（assessmentauthority）：统筹管理数据管理能力成熟度评估工作的组织个体。6.DCMM：数据管理能力成熟度评估模型（DataManagementCapabilityMaturityAssessment数据管理能力成熟度评估依据DCMM规定的成熟度等级要求开展，评估工作应遵循以下原则。1.客观性：被评估方应如实提供DCMM评估要求的各项文件，确保文件的真实性、准确性；评估机构的评估人员应客观、准确地对被评估方的数据管理能力进行评估，对各项文件、相关资料进行评审、分析，真实、准确地报告评估发现与数据管理能力成熟度等级。2.独立性：评估机构应独立于被评估方，与被评估方没有相关业务、经济利益上的联系和冲突。3.可追溯性：评估过程要有完整的文档记录，评估机构的评估人员应对支撑评估结果的文件进行归档，并在评估机构备案，确保相关结果可追溯。评估管理机构可按相关评估管理规定，对评估文档进行监督检查。4.安全性：评估机构、被评估方应严格按照保密协议要求，对评估过程中涉及的相关材料进行保管，确保相关材料的安全性。涉及敏感的信息或必需的证据，被评估方应脱敏后提交评估机构。数据管理能力成熟度评估过程可划分为评估准备、正式评估和结果确认三个阶段，如下图，数据管理能力成熟度评估流程所示。02.数据解决方案提供方（乙方）2.数据解决方案提供方（乙方）1.数据拥有方（甲方）BABA1.基本条件：申请DCMM甲方各等级评估需满足以下基本条件，并提供营业执照、上年度财务审计报告、最近3个月社保缴纳记录、数据量声明等文件作为证明材料。5）申请单位至少具有数据治理、数据质量、数据安提供工具的软件著作权证书或产品采购合同作为证8）各能力域评审点详见《数据拥有方（甲方）各能力域评议点参考》。2.数据战略满足组织业务战略、经营管理需求以及外部管理需求；3.建立组织级数据治理组织及岗位；5.开展组织级的数据质量、数据安全管理活1.组织层面建立可量化的评估指标体系(量化评价指标至少覆盖2.数据管理工具应能提供量化指标监测功能；4.参与国家或行业标准制定;参与过工信部百项团标2.主营业务在同行业具有领先地位；3.主导国家、行业标准制定。1.基本条件：申请DCMM乙方各等级评估需满足以下基本条件，并提供营业执照、上年度财务审计报告、最近3个月社保缴纳记录等文件作为证明材料。无无无2）申请单位可以选择五个能力域作为重点能力域，其他三个域作为辅助能力域。重点能力域的权重为0.158，辅助能力域权重为3）申请单位为客户提供产品等技术服务时，合同应以申请单位5）重点能力域的证明材料以申请单位提供的项目资料（该项目需提供合同证明）为主，辅助能力域的证明材料可以选择用6）申请单位参与的大数据相关的团体标准、行业标准、国家标准、获得的软件著作权、专利以及国家级实验室出具的检7）申请单位至少具有数据治理、数据质量、数据安全、数据标准、数据提供工具的软件著作权证书或产品采购合同作为证8）申请单位为委托运营管理方时，需要提供上级或者甲方9）乙方DCMM三四级评审点详见《信息技术服务方（乙方）各能力域评议点参考》。10）乙方合同证明材料提交要求见下表。3.交付物封面、主要内容页（对应相关域）。11）DCMM乙方评估中的加分项如下：a.CS资质证书可替换数据生存周期能力域的评分。能够提供CS证书的，数据生存周期域的评估报告可不提供。CS等级与数据生存周期分数的对应关系如下：1.信息系统建设和服务能力评估体系（InformationSystemConstructionandServiceCapabilityAssessmentSystem，简称CS标准由2.CS信息系统建设和服务能力资质分为五个等级，从低到高分别为CS1级、CS2级、CS3级、CS4级、CS5级，并依次定义为：初始级、基本级、良好级、b.相关产品质量能够满足国家大数据系统质量监督检验检测中心测试要求的，每提供一项加0.01分，最高加0.03分。c.能够提供数据领域发明专利的，每提供一份专利加0.01分，最高加0.03分。d.能够提供DCMM数据管理师证书的，每提供一份证书加0.005分，最高加0.03分。12）申请乙方贯标需满足的数据管理准入要求见下表。2.拥有自主知识产权的数据管理工具。2.帮助甲方建立组织层面可量化的评估指标体系；4.参与国家、行业标准制定；参与过工信部百项团标2.主导国家、行业标准制定。人才评价模型——建设数据人才库——组织数据能力的根本（基础）是人员数据能力。工信通科技：数据要素高研院马卫东（院长、主任）【益海公益行动】发起人全数联人才测评（北京）中心赵瑞（主任）【星云计划】发起人——新质生产力市场是数字人才的摇篮，也2023年3月17日，人瑞人才和德勤中国发布人瑞人才和德勤中国通过估算发现，当前数字人才总体缺口在2500万至3000万左右，且缺口仍在持续扩大。2024年4月17日，人力资源社会保障——用3年左右时间，扎实开展数字人才育、引、留、用等专项行动，增加数字人才有效供给，形成数字人才集聚效应。——6个重点项目部署：数字技术工程师培育项目、数字技能提升行动、数字人才国际交流活动、数字人才创新创业行动、数字人才赋能产业发展行动、数字职业技术技能竞赛活动。——6个方面政策支持：优化培养政策、健全评价体系、完善分配制度、提高投入水平、畅通流动渠道、强化激励引导。【星云计划】：数据要素高层次人才高级研究院与全——旨在高效、快速、免费培育一批数据治理优秀人才，为了“快速封堵数字人才缺口”，改善当前数字人才匮乏的局面。——并陆续展开“星云计划+”行动，用数据专业知识赋能各传统领域专业人才，比如项目管理、产品管理、财务和法律等。成本/更高收益）——线上直播、