DMM数据管理能力成熟度模型简介

一、DMM的简介

企业数据管理能力成熟度模型Data Management Maturity（DMM）是由CMMI研究院于2014年发布的。它可以帮助组织构建、改进和度量其企业数据管理能力，在整个组织中提供及时、准确、易访问的数据，可以用来评估和提升组织的数据管理水平，帮助组织利用数据提高业务绩效。DMM模型沿用了软件能力成熟度集成模型（CMMI）的一些基本原则、结构和证明方法。

CMMI研究院对DMM的定位是：“DMM将是CDO的好朋友。驱动保持竞争优势的战略性洞察，业务必须最大努力和尽可能巧妙地使用今天海量的数据。要达到这个目标，组织需要应用一个协作的方法来优化他们的数据资产”。DMM正是出于这个目标为业界提供了这样一个方法和工具。

DMM是一个用于最新实践过程改进的综合性参考模型。DMM定义了数据管理的基本业务过程以及构成成熟度渐进路径的关键能力。它是一个数据管理实践综合框架，不仅可以帮助组织对其功能进行基准评估，确定优势和差距，还可以促进组织建立它们自己的数据管理成熟度路线图，帮助组织更为熟练地管理它们关键数据资产，推动主动的战术和战略支持，提供一个一致性以及可对比的基准用来测量长时间的进展，并利用其数据资产提高业务绩效。

由于CMMI在软件过程成熟度(SW-CMM)评估过程中取得了巨大的成功， DMM模型一经发布就引起了各方的关注，当前已经在国际上培训了一批评估师，包括中国、巴西、美国等，并且在房地美(美国联邦住宅贷款抵押公司)、微软等公司进行了模型验证。

二、DMM的结构

DMM模型包括20个数据管理过程域以及5个支持过程域。分为6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、实践和工作产品示例的主要手段。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。

 

DMM的过程域：

数据管理战略

• 数据管理战略

• 沟通

• 数据管理职责

• 业务案例

• 提供资金

数据治理

• 治理管理

• 业务术语表

• 元数据管理

数据质量

• 数据质量战略

• 数据轮廓

• 数据质量评估

• 数据清洗

数据操作

• 数据需求定义

• 数据生命周期管理

• 数据提供管理

平台与架构

• 架构方法

• 架构标准

• 数据管理平台

• 数据集成

• 历史数据归档和保留

支持流程

• 度量与分析

• 流程管理

• 流程质量保证

• 风险管理

• 配置管理

三、DMM的5个等级

与CMMI类似，DMM也根据企业的数据管理能力提出五个层次，不同过程域等级意味着最佳实践的过程改进取得的成果也随之提高。

 

等级1 执行

数据管理仅处于项目实施需求层面。过程的执行具有临时性，主要体现在项目级层面。过程通常无法在跨业务领域中适用。过程原则主要是被动式的。例如，数据质量过程注重修复而非预防。可能存在基本的改进，但这种改进未能扩展至整个组织，往往也无法维持。

等级2 管理

组织意识到将数据作为关键基础设施资产进行管理的重要性。组织根据管理策略规划并执行过程；雇佣有技能的员工并辅以足够的资源，以保证可控的输出结果；让相关的利益相关方参与；监控、控制和评估过程以符合相关的过程定义。

等级3 定义

从组织层面将数据视为实现目标绩效的关键要素。采用并始终遵循一组标准过程。根据组织的指导方针，将一组标准过程进行调整，以获得适用满足组织特别需求的过程。

等级4 度量

将数据视为组织竞争优势的来源之一。定义了过程指标，并将其用于数据管理。这包括使用统计与其他量化技术对差异、预测和分析进行管理。过程绩效管理贯穿于整个过程生命周期之中。

等级5 优化

将数据视为组织在动态竞争性市场中生存的关键要素。通过应用等级4分析改进机会的目标识别以优化过程绩效。与同行乃至在行业内分享最佳实践。

四、DMM面向的对象

该模型面向于每一个想要高效管理自身数据资产的组织。已经使用DMM模型的公司，所涉及的行业范围非常广泛，包括IT、航空、金融和政府等。

DMM可以裁剪以适应任何组织的需求，它可以应用于整个组织、一个业务线条，或者一个多利益相关者的主要项目。

五、实施DMM的收益

1、帮助和指导企业获得当前数据管理现状，识别与行业最佳实践差距，找准关键问题，提出数据管理改进建议和方向。

2、开展人员培训，提升企业数据管理人员技能，提高企业数据管理能力成熟度。

3、能够帮助企业建立数据管理方面的持续改进，提高数据的质量。

4、能够提升企业的数据管理水平，帮助组织跨越业务与IT之间的鸿沟。

5、帮助企业建立数据管理方面相关的最佳实践。