数据管理能力成熟度评估

周润松

我很荣幸有这个机会在这次大会上和大家探讨关于数据管理成熟度评估的事情，大家讨论了很多大数据方面的内容，我也看到了很多企业目前正致力于研究各种各样的数据管理工具，尝试着去探索数据管理和数据治理相关的一些内容。

数据是一种资产，这是大部分人都能达成的一个共识，还有人说数据像水，需要我们去做相应的治理防护。

有很多企业的人员都在从事数据方面的一些工作，也有数据团队在从事数据应用方面的研究，国家也在数据共享治理方面推出了很多政策，地方政府也在尝试着开展政务数据管理相应的工作。

实际上，大家对于数据管理和数据治理方面的内容还是比较迷茫的，都是在通过不断地实践来检验自己的成果。最近在工业和信息化部的统一指导下，我们建造了数据管理能力成熟度评估的模型，这个模型已经在2018年作为一个国家推荐标准进行发布。

我们在工业和信息化部的指导下，配合标准化研究院等一些部署的单位，全力推进数据管理能力成熟度评估这项工作。

评估标准主要从组织、制度、流程、技术等维度设定。

对企业或者组织来说，他们的数据管理能力应该以什么样的标准被评定？这是一个需要重视的问题。我们建立评估模型，分为五级，优化级、量化管理级、稳健级、受管理级、初始级。在数据管理方面做得好的企业或组织就是优化级，是行业内的最佳实践分享案例。

我想要强调的是，从企业角度来说，数据管理工作相当于一把手工程，应该得到领导和各级部门负责人在战略上的重视和推动。

现今，我们有很多关于数据治理方面的工具，可以帮助我们有效开展数据治理工作，这也是新的大数据时代赋予我们的一种能力。

我们认为可以将数据管理分为八个维度，分别是数据战略、数据治理、数据架构、数据标准、业务数据、参考数据、数据源标准、指标的数据标准。其中数据战略、数据治理、数据架构、数据标准这四个是企业在实践过程中就会去推动的重要工作，而业务数据、参考数据、数据源标准和指标的数据标准，是我们在很多的实践中会去应用和推行的有效标准。

另外，我认为在数据应用和数据质量方面要加强过程管理，数据安全也应该得到同样的重视，在很多系统中，安全一直都是一个重要话题。

我们目前推动的数据管理能力成熟度评估工作的主要工作任务的目的是帮助企业完善数据管理体系，推动企业数据管理过程的规范化，使管理效率得到极大的提升。我相信很多企业在实践中已经体会到我们这项工作所带来的实际好处了。

我们也可以开展一些保障企业数据安全的项目工作，优化人工智能环境，为企业活动的开展提供一些有力的支持。可以确认的是，通过数据管理评估工作，我们能够逐步强化数据管理和人才培养，最终一定能够把大数据产业做大做强。

我们也在建议地方政府开展推动数据管理评估的工作，这个工作对政府部门的数字化发展也是有利的。现在很多地方政府通过政策扶持的方式来支持这个数据管理评估项目。近日，在一个城市就召开了一个关于数字管理评估的宣贯会，会上也相应地发布了一些对这个项目的地方补贴政策，支持企业推动DCMM的评估工作。对于地方政府来说，他们可以通过评估，了解地方的区域发展情况，也可以通过评估工作准确地定位目前普遍存在的问题，可以就一些共性问题来推动解决方案的形成。

通过DCMM评估，我们也可以筛选出地方标杆型企业，这也是目前很多地方政府把这项评估工作作为一个抓手地原因，同时，需要强调的是，该项工作有利于推動地方政府数据管理能力的提升，有利于推动人员培养工作，为地方政府建立丰富的数据方面人才储备。

对于企业来说，评估工作可以总结为以下几点。首先是能够帮助企业总结和提炼一些问题，帮助企业认识到自己的数据管理处于哪个层次上。其次，企业可以在后续数据管理方面，有针对性地做出优化方案。同时，企业还可以对优秀的案例进行总结分析，开展优秀的案例实践项目，提炼出所在行业的亮点和机遇。

目前，大数据行业内的一些企业或组织已经在开展DCMM评估工作，行业内的针对性梳理对我们的这个项目已经起到了一个很好的推进效果。

我们正在商讨制定的DCMM评估流程，与现有的一些资质评审是相类似的，前期都有一个准备阶段，给予企业一些时间，让他们对自身的数据管理能力有一个自我评价，形成一些相应自我评估材料。

关于后续的评估，我们会有一个相应的实施流程，在企业自评基础上，我们所启动的评估工作会包括材料的鉴定、模型的解读，以及现场评估，最后形成相应的评估报告，后续还有证书的颁发。

（根据演讲内容整理，未经本人审核）