DAMA数据管理知识体系-数据管理成熟度评估

DAMA数据管理知识体系

前言

该章节主要是针对DAMA数据管理知识体系的学习笔记中数据管理成熟度评估，思维导图如下(考题6分)

---

数据管理成熟度评估

1. 定义

• 数据管理成熟度评估（Data Management Maturity Assessment， DMMA）可用于全面评估数据管理，也可用于聚焦单个知识领域甚至 单个过程。

2. 业务驱动因素

• 监管
• 数据治理
• 过程改进的组织就绪
• 组织变更
• 新技术
• 数据管理问题

3. 目标

• 评估关键数据管理活动的当前状态，以便制订计划进行改进

4. 交付成果

• 等级和排名
• 成熟度基线
• 准备评估
• 风险评估
• 人员配置能力
• 投资和成果选择
• 建议
• 路线图
• 执行简报

5. 评价等级及特点

• 0级：无能力
  • 这个级别在成熟度模型中是为了定义才被设定的
• 1级初始/临时
  • 数据处理高度依赖于少数专家，角色和责任在各部门中分开定义。每个数据所有者自主接收、生成和发送数据控件（如果有的话）的应用不一致。管理数据的解决方案是有限的。数据质量问 题普遍存在，但无法得到解决，基础设施支持处于业务单元级别
• 2级可重复
  • 组织对数据质量问题和概念有认识，开始认识到主数据和参考数据的概念。
• 3级已定义：新兴数据管理能力
  • 在组织中的数据复制受到控制，总体数据质量普遍提高，有协调一致的政策定义和管理
• 4级已管理
  • 开始管理与数据相关的风险，数据管理包括一些绩效指标
  • 从桌面到基础设施的数据管理工具标准化，以及结构良好的集中规划和治理功能
• 5级优化
  • 是高度可预测的，这个成熟度级别的组织会更关注于持续改进
  • 工具支持跨流程查看数据。控制数据的扩散防止不必要的复制，使用容易理解的指标来管理和度量数据质量和过程

6. 评估标准

• 活动
• 工具
• 标准
• 人员和资源

7. 现有DMMA框架

• CMMI数据管理成熟度模型(DMM)
• EDM委员会DCAM
• IBM数据治理委员会成熟度模型
  • 结果
  • 使能因素
  • 核心内容
  • 支持内容
• 斯坦福数据治理成熟度模型
• Gartner的企业信息管理成熟度模型

8. 活动

• 规划评估活动
• 执行成熟度评估
• 解释结果及建议
• 制订有针对性的改进计划
• 重新评估成熟度

9. 工具

• 数据管理成熟度框架
• 沟通计划
• 协作工具
• 知识管理和元数据存储库

10. 实施指南

• 就绪评估/风险评估

  DMMA的典型风险及缓解措施

11. 度量指标

• DMMA评级
• 资源利用率
• 风险敞口
• 支出管理
• DMMA的输入
• 变革速度