企业数据治理（2）之参考框架

        企业数据治理的参考框架从国内外主流的数据治理框架入手，详细介绍了DAMA、DMM、DCMM和ITSS的由来、背景和框架体系，力图使读者在相互参照的前提下，找到适合自己企业数据治理的框架，在此基础上入手结合理论指导，进行企业数据治理工作。

​​​​​

 

1. 企业数据治理框架概述

企业数据治理不是一蹴而就的事情，需要有长远的考虑和符合企业实际情况的顶层规划。数据治理要从源头抓起，要坚持标准先行原则。提起数据治理的标准就不得不提到国内外的数据治理框架，国际上比较有名的体系框架包括DAMA（Data ManagementAssociation 国际数据管理协会）的数据治理体系框架和CMMI（Capability Maturity ModelIntegration 软件能力成熟度模型集成）研究所推出的DMM（Data Management Maturity，数据管理成熟度模型）；国内的主流标准包括DCMM（Data management Capability Maturity Model）《数据管理能力成熟度评估模型》（GB/T 36073-2018）国家标准和国家标准化管理委员会发布的《信息技术服务—治理第5部分：数据治理规范》（GB/T 34960.5-2018）。

        2.DAMA

DAMA 国际是一个全球性数据管理和业务专业志愿人士组成的非营利协会，致力于数据管理的研究和实践。国际数据管理协会（DAMA国际）作为一个国际性的专业机构，最为人所知的应该是以下两项贡献：一个是数据管理知识体系（Data Management Body of Knowledge，DMBOK），另一个是数据管理专业人士认证（Certified Data Management Professional，CDMP）。DAMA从数据治理、数据架构、数据质量、数据安全、主数据管理、参考数据管理、元数据管理、商务智能和数据参考管理、数据建模设计、数据存储和操作、数据集成和互操作、文档和内容管理、大数据、数据管理人员的道德要求等方面介绍了数据管理的知识体系。DMBOK中经典的数据管理框架（DAMA车轮图）如下图所示：

 DAMA车轮图

• 数据治理：通过建立一个能够满足企业需求的数据决策体系，为数据管理提供指导和监督；
• 数据架构：定义了与组织战略协调的管理数据资产蓝图，以建立战略性数据需求及满足需求的总体设计；
• 数据建模和设计：以数据模型（Data Model）的精确形式，进行发现、分析、展示和沟通数据需求；
• 数据存储和操作：以数据价值最大化为目标，包括存储数据的设计、实现和支持活动以及在整个数据生命周期中，从计划到销毁的各种操作活动；
• 数据安全：确保数据隐私和机密性得到维护，数据不被破坏，数据被适当访问；
• 数据集成和互操作：包括与数据存储、应用程序和组织之间的数据移动和整合相关的过程；
• 文件和内容管理：用于管理非结构化媒体数据和信息的生命周期过程，包括计划、实施和控制活动，尤其是指支持法律法规遵从性要求所需的文档；
• 参考数据和主数据：包括核心共享数据的持续协调和维护，使关键业务实体的真实信息以准确、及时和相关联的方式在各系统间得到一致使用；
• 数据仓库和商务智能：包括计划、实施和控制流程来管理决策支持数据，并使知识工作者通过分析报告从数据中获得价值；
• 元数据：包含规划、实施和控制活动，以便能够访问高质量的集成元数据，包括定义、模型、数据流和其他至关重要的信息（对理解数据及其创建、维护和访问系统有帮助）；
• 数据质量：包括规划和实施质量管理技术，以测量、评估和提高数据在组织内的适用性。

        3.DMM

        企业数据管理能力成熟度模型Data Management Maturity（DMM）是由CMMI协会于2014年发布的。它可以用来评估和提升组织的数据管理水平，帮助组织跨越业务与IT之间的鸿沟。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。

DMM 模型帮助组织建立一个关于它们数据资产应该如何管理的通用术语和共识。它的五个连续的能力层面提供一个清晰路径，提升25个过程域，反映到所有数据管理的基本科目中。

与CMMI类似，DMM也根据企业的数据管理能力提出五个层次：

 

DMM结构包括数据管理战略、数据治理、数据质量、数据操作、平台与架构和支持流程。DMM结构如下图所示：

 

• 数据管理战略

1. 数据管理战略
2. 沟通
3. 数据管理职责
4. 业务案例
5. 提供资金

• 数据治理

1. 治理管理
2. 业务术语表
3. 元数据管理

• 数据质量

1. 数据质量战略
2. 数据轮廓
3. 数据质量评估
4. 数据清洗

• 数据操作

1. 数据需求定义
2. 数据生命周期管理
3. 数据提供管理

• 平台与架构

1. 架构方法
2. 架构标准
3. 数据管理平台
4. 数据集成
5. 历史数据归档和保留

• 支持流程

1. 量度与分析
2. 流程管理
3. 流程质量保证
4. 风险管理
5. 配置管理

        4.DCMM

DCMM是《数据管理能力成熟度评估模型》GB/T 36073-2018国家标准，英文简称：（Data management Capability Maturity Model）。是我国首个数据管理领域正式发布的国家标准。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。

DCMM数据管理能力成熟度评估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个核心能力域，细分为28个过程域和445条能力等级标准。

 

DCMM将数据管理能力成熟度划分为五个等级，自低向高依次为初始级（1级）、受管理级（2级）、稳健级（3级）、量化管理级（4级）和优化级（5级），不同等级代表企业数据管理和应用的成熟度水平不同。

 

        5.ITSS

《信息技术服务—治理第5部分：数据治理规范》（GB/T 34960.5-2018）是2019年1月1日实施的一项中华人民共和国国家标准，此标准提出了数据治理的总则和框架，规定了数据治理的顶层设计、数据治理环境、数据治理域及数据治理过程的要求。该标准适用于、数据治理现状自我评估，数据治理体系的建立；数据治理域和过程的明确，数据治理实施落地的指导；数据治理相关的软件或解决方案的研发、选择和评价；数据治理能力和绩效的内部、外部和第三方评价。

 

• 顶层设计包含数据相关的战略规划、组织构建和架构设计，是数据治理实施的基础；
• 数据治理环境包含内外部环境及促成因素，是数据治理实施的保障；
• 数据治理域包含数据管理体系和数据价值体系，是数据治理实施的对象；
• 数据治理过程包含统筹和规划、构建和运行、监控和评价以及改进和优化，是数据治理实施的方法。