数据管理成熟度（DMM）简介

数据管理成熟度(Data Management Maturity, DMM)模型是由卡内基梅隆大学软件工程研究所(SEI)，基于CMMI (Capability Maturity Model Integration)相关实践成果，结合大量金融行业数据管理实践案例，于2014年8月正式推出。DMM模型是实现业务部门利益与IT相互匹配的强大加速器，可以帮助组织跨越业务与IT之间的鸿沟。通过提供最佳实践标准，以此来评估、加强其企业数据管理能力，促进公司组织建立数据管理战略与单个商业目标相一致的数据管理实施路线图，从而确保能良好地管理并更好地运用关键数据资产来实现商业目标，提升组织的数据资产管理水平。
DMM模型将数据管理定义为25个过程域，5个能力等级。它适用于任何一个想要对自身数据管理能力进行自评，清晰了解自身数据管理能力的不足，并找到改进方案的企业或组织。目前该模型已在多个行业被广泛应用，包括：金融行业、电信行业、能源行业、制造行业、IT行业和服务业等。
(1)DMM数据管理能力成熟度等级
DMM数据管理能力成熟度模型分为5个成熟度等级，不同过程域等级表示最佳实践的过程改进所取得的成果会随之提高。每个等级的概要描述和观点详见表1。

表1 DMM数据管理能力成熟度模型等级定义

等级	名称	描述	观点
1	初始	流程是临时执行的，主要是在项目级别，没有跨业务领域应用的流程域；过程规则主要是被动的；基本的改进可能存在，改进尚未延伸到组织或维护中。	数据管理是作为项目实施过程的需求进行的。
2	管理	流程是计划好的，并按照规则进行执行；雇用技术人获取资源员生产受控产出；参与的相关者被监控、控制和评审；并对其过程描述进行评估。	意识到管理数据作为关键基础设施资产的重要性。
3	定义	标准过程集已建立，并随着时间的推移进行改进，提供一种可预测的一致性度量。	数据在组织层面被视为任务绩效成功的关键。
4	定量管理	管理和测量的过程度量已建立；有正式的变量管理过程；质量和过程性能在数据中体现，并贯穿于整个过程的生命周期。	数据被视为一种竞争优势资源。
5	优化	流程性能通过增量和创新不断得到改进；反馈用于驱动过程增强和业务增长；最佳的表现与同行和行业共享。	数据被视为在一个充满活力和竞争的市场中生存的关键。

(2) DMM过程域评估
DMM模型是一个综合的数据管理实践框架，首先将数据管理划分为数据管理战略、数据质量、数据操作、数据平台和架构、数据治理和支持过程等6个关键职能域，指出各职能域之间的相互关系。随后根据每个职能域的特征，将其细分为25个过程域，并给出具体的评估要求，包括目标、核心问题、能力评价标准定义和要求产出的成果，由此进行成熟度评估和能力评估。数据战略中的数据管理目标过程域的具体评估标准详见表2。

表2过程域评估标准

过程域	数据管理目标
目标	业务线清晰地定义所有数据管理组件中的角色。
定义（示例）	等级1 : Performed可执行 数据管理目标是在特定项目的非正式基础上定义的。 对数据管理的非正式策略是在项目基础上进行的，并对其进行松散的监控。
典型成果	成文的数据管理的目标。 成文的数据管理政策。 项目文档（显示对数据管理策略的遵从）。

通过对每个职能域的目标过程域进行评估，可通过雷达图非常形象地获得组织的数据管理能力成熟度现状，帮助组织对其能力进行基准评测，找出优势和差距，并利用其数据资产提高业务绩效，相关图例详见图1。

以上是数据管理成熟度的介绍，想要了解更多，请联系在线客服。