DCMM 数据管理能力成熟度评估

DCMM 数据管理能力成熟度评估

DCMM(数据管理能力成熟度评估模型)是我国首个数据管理领域国家标准,定义了数据战略、数据治理、数据架构、数据应用、数据安全、数据质量、数据标准和数据生存周期八个核心能力域及28个能力项,并以组织、制度、流程和技术作为八个核心域评价维度。
在线咨询

产品介绍

一、DCMM数据管理能力成熟度介绍

       DCMM(数据管理能力成熟度评估模型)是我国首个数据管理领域国家标准,定义了数据战略、数据治理、数据架构、数据应用、数据安全、数据质量、数据标准和数据生存周期八个核心能力域及28个能力项,并以组织、制度、流程和技术作为八个核心域评价维度。


二、DCMM数据管理能力成熟度评估标准适用范围

       DCMM标准适用于组织和机构对数据管理能力成熟度进行评估。


三、DCMM数据管理能力成熟度评估等级划分

初始级

数据需求的管理主要是在项目级体现,没有统一的管理流程,主要是被动式管理,具体特征如下:

       1.组织在制定战略决策时,未获得充分的数据支持;

       2.没有正式的数据规划、数据架构设计、数据管理组织和流程等;

       3.业务系统各自管理自己的数据,各业务系统之间的数据存在不一致现象,组织未意识到数据管理或数据质量的重要性;

       4.数据管理仅根据项目实施的周期进行,无法核算数据维护、管理的成本。

受管理级

组织已意识到数据是资产,根据管理策略的要求制定了管理流程,指定了相关人员进行初步管理,具体特征如下:

       1.意识到数据的重要性,并制定部分数据管理规范,设置了相关岗位;

       2.意识到数据质量和数据孤岛是一个重要的管理问题,但目前没有解决问题的办法;

       3.组织进行了初步的数据集成工作,尝试整合各业务系统的数据,设计了相关数据模型和管理岗位;

       4.开始进行了一些重要数据的文档工作,对重要数据的安全、风险等方面设计相关管理措施。

稳健级

数据已被当做实现组织绩效目标的重要资产,在组织层面制定了系列的标准化管理流程,促进数据管理的规范化,具体特征如下:

       1.意识到数据的价值,在组织内部建立了数据管理的规章和制度;

       2.数据的管理以及应用能结合组织的业务战略、经营管理需求以及外部监管需求;

       3.建立了相关数据管理组织、管理流程,能推动组织内各部门按流程开展工作;

       4.组织在日常的决策、业务开展过程中能获取数据支持,明显提升工作效率;

       5.参与行业数据管理相关培训,具备数据管理人员。

量化管理级

数据被认为是获取竞争优势的重要资源,数据管理的效率能量化分析和监控,具体特征如下:

       1.组织层面认识到数据是组织的战略资产,了解数据在流程优化、绩效提升等方面的重要作用,在制定组织业务战略的时候可获得相关数据的支持;

       2.在组织层面建立了可量化的评估指标体系,可准确测量数据管理流程的效率并及时优化;

       3.参与国家、行业等相关标准的制定工作;

       4.组织内部定期开展数据管理、应用相关的培训工作;

       5.在数据管理、应用的过程中充分借鉴了行业最佳案例以及国家标准、行业标准等外部资源,促进组织本身的数据管理、应用的提升。

优化级

数据被认为是组织生存和发展的基础,相关管理流程能实时优化,能在行业内进行最佳实践分享,具体特征如下:

       1.组织将数据作为核心竞争力,利用数据创造更多的价值和提升改善组织的效率;

       2.能主导国家、行业等相关标准的制定工作;

       3.能将组织自身数据管理能力建设的经验作为行业最佳案例进行推广。


四、DCMM数据管理能力成熟度评估的作用

  1.    1.数据管理能力改进提升:

        帮助和知道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.    2.展现数据管理能力:

        以第三方客观评估结果为依据,对外展示企业数据管理能力,满足监管要求,传递信任。

  3.    3.政府重视与补贴:

        政府会给通过DCMM评估的企业给与一定资金的补贴。

  4.    4.试点项目申报机会:

        认证通过后,可申报工信部大数据产业发展试点示范项目,设立专题支持依据DCMM建立数据管理的企业。

  5.    5.入选优秀案例机会:

        有机会入选中国电子信息行业联合会DCMM应用优秀案例集,优先参加数字经济大会数据管理相关成果展,参加重要会议案例宣讲。



办理流程

  • 准备资料

    准备基础资料
    充分了解需求

  • 咨询指导

    咨询师上门讲解
    解答认证疑惑

  • 整理申报

    咨询师编写材料
    讲解审核要点

  • 全程陪审

    专家陪审指导
    不符合项纠正

  • 出证无忧

    出证寄送督促
    专家认证规划

必要条件

一、DCMM数据管理能力成熟度评估的条件:

      1、DCMM的基础条件: 

           DCMM2级成立满1年以上,年营业额100万以上,从业人员50人以上;

           DCMM3级成立满2年以上,年营业额500万以上,从业人员100人以上;

           DCMM4级成立满3年以上,年营业额1000万以上,从业人员1000人以上;

           DCMM5级成立满5年以上,年营业额1000万以上,从业人员5000人以上;

微信图片_20220227122632

二、DCMM数据管理能力成熟度评估过程:

       1、全面的调研与摸底(预评估)

            a.组织构架与岗位调研;b.管理制度调研;c.管理过程文档调研;d.数据管理平台与工具调研。  

       2、材料补充与完善:

            a.基于调研结果,收集数据管理领域的材料;b.基于调研结果,补充相关的数据管理材料;c.按28个能力项对材料进行归档。

       3、现场评估:

            a.全面检查材料; b.提供评估报告所需要的材料、文档或系统截图等;c.接受评估访谈,描述工作机制或系统流程等。

       4、专家评审与公示:

            a.提交评估报告与评估记录材料; b.准备答辩PPT; c.现场答辩

微信图片_20220311092120



常见问题

  • 企业某些业务没有开展,评估模型不适用?
    DCMM数据管理能力成熟度模型定义了数据战略、数据治理、数据架构、数据应用、数据安全、数据质量、数据标准和数据生存周期8个能力域,每个能力域又分为几个能力项,共28个能力项,有些企业在数据管理方面只是做了其中某一部分,觉得此模型不适应企业的实际需求,其实在实际执行过程中,是可以基于企业实际进行调整的。 根据DCMM评估标准要求,在开展数据管理能力成熟度评估时,根据受评单位的实际情况,可以选择重点评估的范围。比如在评分时可以选择其中5个域作为重点评估域,设置较高的权重,对剩余3个域,设置较低的权重。 建议企业在自评估时,除了按能力域外,还可以按能力项进行选择评估范围,比如在数据标准方面,可以只选择主数据、及业务术语进行评估,不对数据元及指标数据进行评估。在实际工作中,可根据企业自身需要选择评估范围,不用严格覆盖DCMM所有能力项。
  • 一次性的评估工作,一年只能开展一次
    DCMM数据管理能力成熟度评估证书的有效期是3年,如果只是为了获取DCMM认证可以是2到3年开展一次评估。但我们开展数据管理能力成熟度评估除了获取证书以外,更重要的是了解自身的数据管理能力现状,识别出数据管理能力存在的不足,明确后续数据管理能力提升方向。因此数据管理能力成熟度评估的频率根据企业的实际情况,建议每年可以做一次全面评估,每月或每季度可以做一次局部自评估。 全面评估:建议每年在做下一年的规划前,由信息部门牵头组织一次全面自评估,覆盖所有的数据管理能力域及公司所有业务,全面评估了解公司数据管理能力现状及存在问题,并以全面评估的结果作为下一年规划的输入。 局部自评估:每个月(或每个季度)开展一次局部的自评估,由各数据管理小组或项目团队组织开展,评估的范围可根据实际情况只选择其中几个评估域,比如只评估数据安全、数据质量等,评估的目的是了解各数据管理团队当前工作完成情况,与总体计划之间的差距,根据评估情况及时调整计划,保障数据管理工作有序推进。
  • 只能是定性评估,无法定量评估
    目前DCMM数据管理能力成熟度评估模型提供的评估标准大部分都是定性评估,在实践中我们可以根据需要对某些评估标准进行优化,量化相应的评估指标。比如在数据治理沟通方面,“定期开展相关的培训工作,定期发布数据质报告”可以优化为“每个月开展一次数据管理培训,每周发布数据质量报告”。比如在元数据管理方面,“建立了组织级集中的元数据存储库,统一管理了多个业务领域及其应用系统的元数据”可以优化为“建立了组织级集中的元数据存储库,统一管理了5个应用系统的元数据,且每个系统元数据准确率达90%以上”。同时还可以在DCMM评估标准的基础上进行扩充,增加量化评估指标,甚至可以将工作中制定的KPI、ORK指标作为自评估的参考指标。
  • DCMM与其他模型有什么不同?
    DCMM与国外的数据管理能力成熟度模型相比,DCMM是具有中国特色的数据管理模型。
Copyright © 2020-2025 All Rights Reserved 浙江赛普特信息科技有限公司 版权所有  备案号:浙ICP备2021002490号-2 

浙公网安备 33010802012201号