讲师介绍
王少锋,御数坊咨询总监,数据标准化及治理领域专家。拥有IT行业10余年、数据标准化及治理领域9年从业经验;国家大数据标准工作组成员,ITSS数据治理标准工作组成员。已获得数据管理专业认证(CDMP),并参与《数据管理能力成熟度评估模型》《数据治理规范》等国家标准的讨论完善和应用推广工作;先后负责或参与国家开发银行、中国农业银行、中国民生银行、南方电网(云南、贵州、广东)、国家电网(江苏、天津、山东、河南、湖南)等大型企业的数据治理、数据标准化、成熟度评估及提升、数据安全相关领域的规划与实施,对DCMM评估工作积累了丰富的理论和实践经验。
以下内容为少锋老师分享内容整理而成
一、DCMM背景及简介
1. DCMM模型概述
DCMM(Data Management Capability Maturity Assessment Model,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,由中国国家标准化管理委员会于2018年3月15日发布,于2018年10月1日起实施。
将组织内部数据能力划分为数据战略,数据治理,数据架构,数据标准,数据质量,数据安全,数据应用,以及数据生存周期八个重要组成部分,描述了每个组成部分的定义、功能、目标和标准。
该标准适用于信息系统的建设单位,应用单位等进行数据管理时的规划,设计和评估,也可以作为针对信息系统建设状况的指导、监督和检查的依据。旨在帮助企业利用先进的数据管理理念和方法,建立和评价自身数据管理能力,持续完善数据管理组织、程序和制度,充分发挥数据在促进企业向信息化、数字化、智能化发展方面的价值。
2. DCMM数据管理成熟度模型的特点?
- 充分考虑国内数据管理实际情况及需求:比如元数据管理这个内容在Gartner研究机构是非常重要的,但在标准试运行的时发现用户感知很陌生,因此降级到数据架构作为二级能力项进行评估;数据标准在DAMA体系中没有专门管理域,但国内金融行业强调数据标准先行,开展数据质量管理等应用拓展;
- 充分借鉴国际权威理论、方法;
- 围绕模型的开发建立完善的配套评估体系。
3. 业界有哪些成熟度评估模型?
从国际上看数据管理工作开展比较早期,2004年起已开始了数据管理方面的探讨工作,目前国外已有DGI机构的DGF(Data Governance Framework)、IBM机构的DGM(IBM Data Governance Maturity)、CMMI机构的DMM(Data Management Maturity Model)、DAMA机构的DMBOK(Data Management Body of Knowledge)、EDM Council机构的DCAM(Data Management Capability Assessment Model)共5个较为成熟的数据管理模型。
4. 国内DCMM产生背景与阶段?
可以划分为4个阶段:
早期探索阶段(2003-2010):中国数据管理领域前后在银行与通信业等数据衍生企业经历了早期实践探索,企业切入侧重点会有差异,有些从数据标准开始,有些从元数据开始,但已经小范围的开展。2004年,中国建设银行启动企业级数据仓库建设,整合全行数据资源,厘清数据源头。
广泛关注阶段(2010-2015):数据管理被进一步纳入电力等大型央企的信息化规划和信息化建设, 也因互联网巨头的业务域数据规模快速增长而被关注。
加速发展阶段(2015-2020):数据治理领域进入了一个加速发展的阶段,在理论与标准层面不断推陈出新。如DCMM、 DSMM、 阿里中台、华为实践案例等;在行业不断发酵,能源行业、制造业等开始着力发展;国家政策层面进行倾斜。
大力推广阶段(2020年至今):