《DAMA-DMBOK2》读书笔记-第15章 数据管理成熟度评估

1 文章结构脑图

第15章 数据管理成熟度评估 6%.png

2 基本概念

2.1 评价等级及特点

CMM通常定义5~6个成熟度级别。 P418

==【角色和职责。 工具。活动。标准，可预测性。自动化程度。数据流动。】== 见下图15-2

0 级:无能力。无组织状态。为了定义才被设定的。 P418

1 级:初始/临时。==有限工具集==进行通用的数据管理。很少或根本没有治理活动。数据处理==高度依赖于少数专家==，角色和责任在各部门中分开定义。管理数据的方案有限。==质量问题普遍存在==。 基础设施支持处于业务单位级别。
评估标准: 对任意一个流程进行控制，如记录数据质量问题。 P418

2 级:可重复。有==一致的工具和角色定义==来支持流程执行。使用集中化的工具，有更多的监控手段。角色定义和流程==并不完全依赖特定专家== 。对质量问题有认识。开始认识到主数据和参考数据的概念。
评估标准: 组织中正式角色定义。 P418

3 级:已定义:新兴数据管理能力。数据管理==流程制度化==。将数据管理视为组织促成因素。数据==复制受到控制==。总体数据质量提高。有协调一致的政策定义和管理。==流程少人工干预==，结果更可预测。
评估标准: 制定数据管理政策、可扩展过程的使用、数据模型和系统控制的一致性。 P419

4 级:已管理。在 1-3 级经验能使组织在开展新项目任务时==可预测结果==。开始==管理风险==。有==绩效指标==。==工具标准化==。结构良好的集中规划和治理功能。
评估标准:与项目成功的指标、系统的操作指标、数据质量指标。 P419

5 级:优化。流程自动化和技术变更管理，==高度可预测==。==关注持续改进==。工具==支持跨流程==查看数据。防止不必要的复制。更易于理解的指标来管理和度量数据质量和过程。
评估标准:变更管理组件、流程改进。 P419

2.2 评估标准

每个能力级别都有与正在评估的流程有关的具体评估标准。 P419

在任何级别上,评估标准都将按照一个尺度进行评估,如1—未开始、2—正在进行、3—能使用、4—有效。 P419

当使用可映射到DAMA-DMBOK数据管理知识领域的模型进行评估时,可以根据语境关系图中的类别制定标准：活动、 工具、标准、人员和资源。 P419

2.3 现有DMMA框架

许多供应商都开发了自己的模型,在选择供应商或开发自己的框架之前,组织应该先评估如下几个模型。 P420

1. CMMI数据管理成熟度模型(DMM) P420
   CMMI(能力成熟度模型研究所)开发了CMMI-DMM(数据管理成熟度模型),该模型为以下数据管理领域提供了评估标准:
   1)数据管理策略。
   2)数据治理。
   3)数据质量。
   4)平台与架构。
   5)数据操作。
   6)支持流程。

2. EDM委员会DCAM P421
   企业数据管理委员会(Enterprise Data Management Council)是总部设在美国的金融服务行业宣传组织,它开发了数据管理能力评估模型(Data management Capability Assessment Model,DCAM)。
   DCAM是成员们努力在数据管理最佳实践上达成共识的结果,描述了与可持续数据管理项目开发相关的37项能力和115个子能力。评估重点关注利益相关方的参与程度、流程的形式及展示能力的组件。

3. IBM数据治理委员会成熟度模型 P421
   该模型的目的是通过经验证的业务技术、协作方法和最佳实践,帮助组织构建治理中的一致性和质量控制。
   该模型围绕4个关键类别组成:
   1)结果。数据风险管理和合规、价值创造。
   2)使能因素。组织结构和认知、政策、管理。
   3)核心内容。数据质量管理、信息生命周期管理、信息安全和隐私。
   4)支持内容。数据架构、分类和元数据、审计信息、日志记录和报告。

4. 斯坦福数据治理成熟度模型 P421
   该模型关注的是数据治理,而不是数据管理,但它为全面评估数据管理奠定了基础。
   该模型区分基础部分(意识、形式化、元数据)和项目部分(数据管理、数据质量、主数据)。
   在每部分,该模型都清楚地说明了人员、政策和能力的驱动因素,而且阐明了每个成熟度级别的特征,并为每个级别提供了定性和定量的测量。

5. Gartner的企业信息管理成熟度模型 P421
   Gartner发布了一个企业信息管理成熟度模型,该模型建立了评估愿景、战略、度量、治理、角色和责任、生命周期和基础架构的标准。

3 语境关系图

3.1 定义

能力成熟度评估(Capability Maturity Assessment,CMA)是一种基于能力成熟度模型(Capability Maturity Model,CMM)框架的能力提升方案,描述了数据管理能力初始状态发展到最优化的过程。 P415
CMA概念源于美国国防部为评估软件承包商而建立的标准。20世纪80年代中期,卡内基梅隆大学软件工程研究所发布了软件能力成熟度模型。 P415

成熟度模型通过描述各阶段能力特点来定义成熟度的级别。能力水平有既定顺序,不能跳过任何等级。这些级别通常包括： P415
1)0级。无能力级。
2)1级。初始级或临时级:成功取决于个人的能力。
3)2级。可重复级:制定了最初级的流程规则。
4)3级。已定义级:已建立标准并使用。
5)4级。已管理级:能力可以被量化和控制。
6)5级。优化级:能力提升的目标是可量化的。

基于评估结果,组织可以制定路线图以实现以下目标: P415
1)与过程、方法、资源和自动化相关的高价值改进机会。
2)符合业务战略的能力。
3)为定期基于模型评估组织能力开展治理项目。

数据管理成熟度评估(Data Management Maturity Assessment, DMMA)可用于全面评估数据管理,也可用于聚焦单个知识领域甚至单个过程。无论其焦点是什么,DMMA都可以帮助弥合业务部门和IT部门在数据管理实践的健康状况和有效性方面的观念冲突。DMMA提供了一种用于描述数据管理知识领域进展情况的通用语言,也提供了一种可以根据组织的战略优先事项进行调整的基于阶段的改进路径。 P416

3.2 目标

数据管理能力评估的主要目标 是评估关键数据管理活动的当前状态,以便制订计划进行改进。评估通过分析具体的优势和弱点,将组织置于成熟度水平量尺上,从而帮助组织认知、确定优先次序和实施改进机会。 P416

3.3 业务驱动因素

业务驱动因素: P416

1. 监管。监管对数据管理提出了最低成熟度水平要求。
2. 数据治理。出于规划 与合规性目的，数据治理需要进行成熟度评估。
3. 过程改进的组织就绪。组织认识到要改进其 实践过程应从评估其当前状态开始。
4. 组织变更。组织变更(如合并)会带来数据管理挑战。
5. 新技术。组织希望了解采用新技术带来成功的可能性。
6. 数据管理问题。当需要解决数据质量问题或应对其他数据管理挑战时,组织希望对其当前状态进行评估,以便更好地决定如何实施变更。

在实现其主要目标时,DMMA可以对文化产生积极影响。它有助于: P417

1. 向利益相关方介绍数据管理概念、原则和实践。
2. 厘清利益相关方在组织数据方面的角色和责任。
3. 强调将数据作为关键资产进行管理的必要性。
4. 扩大对整个组织内数据管理活动的认识。
5. 有助于改进有效数据治理所需的协作。

3.4 输入

3.5 活动

评估的目的是揭露当前的优势和改进的机会,而不是解决问题。 P422
评估是通过向业务、数据管理和信息技术参与者征求意见来进行的,目的是在证据的支持下就当前的状态能力达成共识。 P422

【活动1】规划评估活动

评估本身包括收集和评估输入、沟通结果、建议和行动计划。 P422

1. 定义目标。这些驱动因素必须以目标的形式进行阐明,描述评估的影响范围和重点。管理人员和业务部门必须清楚地了解评估的目标,以确保其与组织的战略方向保持一致。
2. 选择框架。选对框架做对事。
3. 定义组织范围。对整个企业范围实施不切实际 。第一次评估要范围可控。参与人要可影响关键业务流程的人。1)局部评估。2)企业评估。可由多个局部评估组成，也可是独立任务。
4. 定义交互方法。信息收集活动可能包括研讨会、访谈、调查和组件评审。
5. 计划沟通。在评估开始之前，应告知利益相关方对评估的期望。沟通应描述:1)数据管 理成熟度评估的目的。2)评估应如何进行。3)他们参与的是什么部分。4)评估活动的时间表。

【活动 2】执行成熟度评估

1. 收集信息 P423
   下一步的工作是根据交互模型为评估活动收集适当的输入。收集的信息至少包括评估标准的正式评级,还可以包括访谈和焦点小组的成果、系统分析和设计文档、数据调查、电子邮件字符串、程序手册、标准、策略、文件存储库、批准工作流、各种工作产品、元数据存储库、数据和集成参考架构、模板和表单。

2. 执行评估 P424
   总体评级任务和解释通常是多阶段的。参与者可能会对同一个评估主题产生不同的评级意见,需要通过讨论达成一致意见。
   改进需要遵循如下过程：
   1)审查评级方法,并为每个工作产品或活动给定初步评级。
   2)记录支持证据。
   3)与参与者一起讨论,就每个领域的最终评分达成共识。在合适的情况下,根据每个标准的重要性使用不同权重。
   4)记录关于模型标准的声明和评审员的解释,作为评级的说明。
   5)开发可视化工具,展示说明评估结果。

【活动 3】解释结果及建议

1. 报告评估结果 P424
   评估报告应包括:
   1)评估的业务驱动因素。
   2)评估的总体结果。
   3)按主题分类有差距的评级。
   4)弥补差距的建议方法。
   5)所观察到的组织的优势。
   6)进展的风险。
   7)投资和成果选项。
   8)衡量进展的治理和指标。
   9)资源分析与未来潜在效用。
   10)可在组织内使用或重复使用的组件。

2. 制定管理层简报 P425
   管理层使用这些结果作为制定有关目标、计划和时间表的决策的输入。

【活动 4】制订有针对性的改进计划

路线图或参考计划应包括: P425

1. 对特定数据管理功能进行改进的系列活动。
2. 实施改进活动的时间表。
3. 一旦活动实施,DMMA评级的预期改善情况。
4. 监督活动,包括在时间线上逐渐成熟的监督。

【活动 5】重新评估成熟度

应定期进行重新评估,它们是循环往复持续改进的一部分: P426

1. 通过第一次评估建立基线评级。
2. 定义重新评估参数,包括组织范围。
3. 根据需要,在公布的时间表上重复DMM评估。
4. 跟踪相对于初始基线的趋势。
5. 根据重新评估结果制定建议。

3.6 交付成果

3.7 技术驱动因素

3.8 方法

【方法 1】选择 DMM 框架的标准

在选择DMM框架时,应考虑以下标准: P426

1. 易用性。实践活动是以非技术性术语来描述的,它传达了活动的功能本质。
2. 全面性。该框架涉及广泛的数据管理活动,包括业务参与,而不仅仅是IT过程。
3. 可扩展性和灵活性。框架的结构能够支持增强行业特定或附加的规程,并且可以根据组织的需要全部或部分使用。
4. 内置的未来演进路径。虽然不同组织确定的优先级不同,但DMM框架描述了每个功能逻辑前进的方式。
5. 行业不可知论与行业特定论。某些组织受益于行业特定的方法,但其他组织受益于更通用的框架。所有的DMM框架都应该遵循跨垂直领域的数据管理最佳实践。
6. 抽象或详细程度。实践和评估标准表达详细,可以确保它们指导相关执行工作。
7. 非规定性。框架描述了需要执行的内容,而不是必须如何执行。
8. 按主题组织。框架将数据管理活动放置在适当的情景中,使每个活动都能够单独评估,同时又可识别依赖关系。
9. 可重复。该框架可以得到一致的解释,支持可重复的结果,以便将一个组织与其行业中的其他组织进行比较,并跟踪一段时间内的进展情况。
10. 由中立的独立组织支持。为了避免利益冲突,该模型应由保持中立的供应商广泛提供,以确保最佳实践的广泛代表性。
11. 技术中立。模型的重点应该放在实践上,而不是放在工具上。
12. 培训支持。该模型有全面的培训支持,使专业人员能够掌握框架并优化其使用方法。

【方法 2】DAMA-DMBOK 框架使用

DAMA-DMBOK可用于为DMMA准备工作或建立标准。 P427

这种快速的检查表方法可用于确定需要更深入分析、表示差距或指出修复热点的领域。 P427

DMBOK作为评估规划工具提供了额外的优势:有大量的专业知识人员使用DMBOK作为跨行业的指南,围绕DMBOK的使用创建了一个实践社区。 P427

3.9 工具

1. 数据管理成熟度框架。DMM 本身。
2. 沟通计划。
3. 协作工具。协作工具允许共享评估结果。
4. 知识管理和元数据存储库。
   P426

3.10 度量指标

1. DMMA 评级。
2. 资源利用率。
3. 风险敞口。对风险情景做出反应的能力。
4. 支出管理。1数据管理可持续性。2实现主动性的目标和目的。3沟通的有效性。4教育和培 训的有效性。5变更采用的速度。6数据管理价值。7对业务目标的贡献。8降低风险。9提高 运营效率。
5. DMMA 的输入。
6. 变革速度。指一个组织提高自身能力的速度。
   P429

4 实施指南

就绪评估/风险评估。 见下图 15-4. P428

5 关键架构图

1. 图15-1 数据管理成熟度语境关系图

   
   
   图15-1 数据管理成熟度语境关系图

2. 图15-2 数据管理成熟度模型示例

   
   
   图15-2 数据管理成熟度模型示例

3. 图15-3 数据管理成熟度评估可视化示例

   
   
   图15-3 数据管理成熟度评估可视化示例

4. 图15-4 DMMA的典型风险及其缓解措施

   
   
   图15-4 DMMA的典型风险及其缓解措施