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)
文章目录
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