数据治理-数据管理成熟度评估

是什么？

        能力成熟度评估是一种基于能力成熟度模型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。

历史发展

        能力成熟度评估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。虽然能力成熟度模型首先应用在软件开发，但现在已被广泛应用于其他一系列领域，包括数据管理。

成熟度模型的概念

        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。当一个组织满足某阶段能力特征时，就可以评估其成熟度等级，并制订一个提高能力的计划。这些级别通常包括：

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。

业务驱动因素

        各组织进行能力成熟度评估有以下几个原因：

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，处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时间过程应从评估其当前状态开始；
4. 组织变更。组织变更会带来数据管理挑战；
5. 新技术，技术的进度提供了管理和使用数的新方法；
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，以便更好的决定如何实施变更。

目标和原则

        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。

        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：

1. 向利益相关方介绍数据管理概念、原则核和实践；
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。

        数据管理成熟度包括对每个知识领域内的子类别标准的详细评估，如战略、政策、标准、角色定义等；

1. 0级，无能力。管理活动或正式企业流程处于无组织的状态；
2. 2级，初始/临时，使用有限的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。每个数据所有者自主接收、生成和发送数据空间（如果有的话）的应用不一致。管理数据的解决方案是有限的，数据质量问题普遍存在，但无法得到解决，基础设施支持处于业务单元级别；评估标准可能包括对任意一个流程进行控制，如记录数据质量问题；
3. 2级可重复，有一致的工具和角色定义来支持流程执行。在2级中，组织开始使用集中化的工具，并为数据管理提供更多的监控手段，角色的定义和流程并不完全依赖于特定专家。组织对数据质量问题和概念有认识，开始认识到主数据和参考数据的概念。评估标准可能包括组件中的正式角色定义，如职位描述、流程文档以及利用工具集的能力；
4. 3级已定义，新兴数据管理能力，第3级将引入可扩展的数据管理流程将其制度化，并将数据管理视为一种组织促成因素，其特点包括在组织中的数据复制受到控制，总体数据质量普遍提高，有协调一致的政策定义和管理。越正式的流程定义越能显著减少人工干预，这样伴随着集中化的设计流程，意味着流程的结果更加可预测。评估标准可能包括制定数据管理政策、可扩展过程的使用以及数据模型和系统控制的一致性。
5. 4级已管理，从1-3级增长中获得的经验积累，使组织在即将开展新项目和任务时预测结果，并开始管理与数据相关的风险，数据管理包括一些绩效指标，4级的特点包括从桌面到基础设施的数据管理工具标准化，以及结构良好的集中规划和治理功能，此级别的机构在数据管理和安全祖师数据管理能力等方面有显著提高；评估标准可能包括与项目成功相关的指标、系统的操作指标和数据质量指标；
6. 5级优化，当数据管理实践得到优化时，由于流程自动化和技术变更管理，它们是高度预测的，这个成熟度级别的组织会更关注于持续改进，在第5级，工具支持跨流程查看数。控制数据的扩散防止不必要的复制，使用容易理解的指标来管理和度量数据质量和过程。评估标准可能包括变更管理组件和流程改进的一些度量指标。

评估标准

        如果正在评估数据建模功能的成熟度，那么1级可能会问到是否有数据建模实践以及多少个系统；2级可能会要求定义企业数据建模方法；3级将考察该方法的实施推广程度；4级将查看建模标准是否得到了有效的执行；5级将要求有适当的方式来改进建模实践。

        在任何级别上，评估标准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，以此显示该级别的进展情况，并向下一个级别迈进。

        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：

1. 活动；
2. 工具；
3. 标准；
4. 人员和资源。

现有的DMMA框架

        在选择供应商或开发自己的框架之前，组织应先评估如下几个模型：

1. CMMI数据管理成熟度模型（DMM）
   1. 数据管理策略
   2. 数据治理
   3. 数据质量
   4. 平台和架构
   5. 数据操作
   6. 支持流程
2. EDM委员会DCAM
   1. 企业数据管理委员会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，它的成员们努力在数据管理最佳实践上达成共识的结果，描述了可持续数据管理项目开发的37项能力和115个自能力。评估重点关注利益相关方的参与程度、流程的形式以及展示能力的组件；
   2. IBM数据治理委员会成熟度模型
      1. IBM数据管理委员会成熟度模型基于55个组织委员会组成。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。
      2. IBM模型既是一个成熟度框架，也是为了成熟度分级而构造出的一组有答案的评估问题；
   3. 斯坦福数据治理成熟度模型
      1. 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；
   4. Gartner的企业信息管理成熟度模型
      1. 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。