DAMA数据管理知识体系(第15章 数据管理成熟度评估)

• 课本内容
  • 15.1 引言
    • 概要
      • 能力成熟度评估（Capability Maturity Assessment，CMA）是一种基于能力成熟度模型（Capability Maturity Model，CMM）框架的能力提升方案，描述了数据管理能力初始状态发展到最优化的过程。
      • 成熟度模型
        • 0级
          • 无能力级。
            • 在数据管理中，管理活动或正式企业流程处于无组织的状态。很少有组织处在0级阶段，这个级别在成熟度模型中是为了定义才被设定的
        • 1级
          • 初始级或临时级，成功取决于个人的能力
            • 使用有限的工具集进行通用的数据管理，很少或根本没有治理活动。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。
            • 评估标准可能包括对任意一个流程进行控制，如记录数据质量问题。
        • 2级
          • 可重复级：制定了最初级的流程规则。
            • 有一致的工具和角色定义来支持流程执行。在2级中，组织开始使用集中化的工具，并为数据管理提供更多的监控手段。角色的定义和流程并不全依赖于特定专家。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。
            • 评估标准可能包括组件中的正式角色定义，如职位描述、流程文档以及利用工具集的能力。
        • 3级
          • 已定义级：已建立标准并使用。
            • 第3级将引入可扩展的数据管理流程将其制度化，并将数据管理视为一种组织促成因素。其特点包括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。越正式的流程定义越能显著减少人工干预，这样伴随着集中化的设计流程，意味着流程的结果更加可预测。
            • 评估标准可能包括制定数据管理政策、可扩展过程的使用以及数据模型和系统控制的一致性。
        • 4级
          • 已管理级：能力可以被量化和控制。
            • 从1～3级增长中获得的经验积累使组织能够在即将开展新项目和任务时预测结果，并开始管理与数据相关的风险，数据管理包括一些绩效指标。4级的特点包括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。此级别的机构在数据质量和全组织数据管理能力（如端到端的数据审核）等方面有显著性提高。
            • 评估标准可能包括与项目成功相关的指标、系统的操作指标和数据质量指标。
        • 5级
          • 优化级：能力提升的目标是可量化的。
            • 当数据管理实践得到优化时，由于流程自动化和技术变更管理，它们是高度可预测的，这个成熟度级别的组织会更关注于持续改进。在第5级，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。
            • 评估标准可能包括变更管理组件和流程改进的一些度量指标
      • 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。
    • 业务驱动因素
      • 监管
        • 监管对数据管理提出了最低成熟度水平要求
      • 数据治理
        • 出于规划与合规性目的，数据治理需要进行成熟度评估。
      • 过程改进的组织就绪
        • 组织认识到要改进其实践过程应从评估其当前状态开始。
      • 组织变更
        • 组织变更（如合并）会带来数据管理挑战。
      • 新技术
        • 技术的进步提供了管理和使用数据的新方法。组织希望了解成功采用的可性。
      • 数据管理问题
        • 当需要解决数据质量问题或应对其他数据管理挑战时，组织希望对其当前状态进行评估，以便更好地决定如何实施变更。
    • 语境图
      • 数据管理成熟度评估
        • 图15-1 语境关系图：数据管理成熟度评估
    • 目标和原则
      • 目标
        • 数据管理能力评估的主要目标是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。
    • 基本概念
      • 评价等级及特点
        • CMM通常定义5～6个成熟度级别，每个级别有各自的特性，从初始级到优化级
        • 图15-2 数据管理成熟度模型示例
          • 具体内容参照概要成熟度模型
      • 评估标准
        • 如果正在评估数据建模功能的成熟度，那么1级可能会问到是否有数据建模实践以及多少个系统；2级可能会要求定义企业数据建模方法；3级将考察该方法的实施推广程度；4级将查看建模标准是否得到了有效的执行；5级将要求有适当的方式来改进建模实践
        • 图15-3 数据管理成熟度评估可视化示例
      • 现有DMMA框架
        • CMMI数据管理成熟度模型（DMM）
          • CMMI（能力成熟度模型研究所）开发了CMMI-DMM（数据管理成熟度模型），该模型为以下数据管理领域提供了评估标准
            • 1）数据管理策略2）数据治理3）数据质量 4）平台与架构 5）数据操作6）支持流程
        • EDM委员会DCAM
          • 企业数据管理委员会（Enterprise Data Management Council）是总部设在美国的金融服务行业宣传组织，它开发了数据管理能力评估模型（Data management Capability Assessment Model，DCAM）。
            • 描述了与可持续数据管理项目开发相关的37项能力和115个子能力
        • IBM数据治理委员会成熟度模型
          • IBM数据管理委员会成熟度模型基于55个组织委员会组成。委员会成员合作定义了一组通用的可观察和期望的行为，组织可以通过这些行为评估和设计自己的数据治理项目。
            • 该模型围绕4个关键类别组成
              • 1）结果。数据风险管理和合规、价值创造。2）使能因素。组织结构和认知、政策、管理。3）核心内容。数据质量管理、信息生命周期管理、信息安全和隐私。4）支持内容。数据架构、分类和元数据、审计信息、日志记录和报告。
        • 斯坦福数据治理成熟度模型
          • 该模型关注的是数据治理，而不是数据管理，但它为全面评估数据管理奠定了基础。该模型区分基础部分（意识、形式化、元数据）和项目部分（数据管理、数据质量、主数据）。
        • Gartner的企业信息管理成熟度模型
          • Gartner发布了一个企业信息管理成熟度模型，该模型建立了评估愿景、战略、度量、治理、角色和责任、生命周期和基础架构的标准。
  • 15.2 活动
    • 概要
      • 评估应在规定的短时间内进行。评估的目的是揭露当前的优势和改进的机会，而不是解决问题。
    • 规划评估活动
      • 概要
        • 评估计划包括确定总体方法，并在评估之前和评估期间与利益相关方进行沟通，确保他们参与评估工作
      • 定义目标
        • 任何组织当其决定进行数据管理成熟度评估时，其实已经是在努力改进
        • 评估目标还需要提供一些标准，包括采用哪种评估模型、哪些业务领域需要优先评估、由谁提供直接的输入
      • 选择框架
        • 评估模型的聚焦领域可以根据组织的侧重或范围进行定制。
      • 定义组织范围
        • 局部评估
          • 可以更深入地了解细节，也可以更快地完成，因为其范围有限。要进行局部评估，应选择受高度监管的职能领域，如上市公司的财务告。
        • 企业评估
          • 侧重于组织中广泛存在的、有时是不连贯的部分。企业评估可以由多个局部评估组成，也可以是一个独立的任务。
      • 定义交互方法
        • 在实施DMMA时，组织应遵循所选模型的建议。信息收集活动可能包括研讨会、访谈、调查和组件评审。
      • 计划沟通
        • 在评估开始之前，应告知利益相关方对评估的期望。沟通应描述：
          • 1）数据管理成熟度评估的目的。2）评估应如何进行。3）他们参与的是什么部分。4）评估活动的时间表。
    • 执行成熟度评估
      • 收集信息
      • 执行评估
    • 解释结果和建议
      • 报告评估结果
      • 制定管理层简报
    • 制定有针对性的改进计划
      • 路线图或参考计划应包括：
        • 1）对特定数据管理功能进行改进的系列活动。2）实施改进活动的时间表。3）一旦活动实施，DMMA评级的预期改善情况。4）监督活动，包括在时间线上逐渐成熟的监督。
    • 重新评估成熟度
      • 应定期进行重新评估，它们是循环往复持续改进的一部分
        • 1）通过第一次评估建立基线评级。2）定义重新评估参数，包括组织范围。3）根据需要，在公布的时间表上重复DMM评估。4）跟踪相对于初始基线的趋势。5）根据重新评估结果制定建议。
  • 15.3 工具
    • 数据管理成熟度框架。
      • 成熟度评估中使用的主要工具是DMM框架本身。
    • 沟通计划
    • 协作工具
    • 知识管理和元数据存储库
  • 15.4 方法
    • 选择DMM框架
      • 在选择DMM框架时，应考虑以下标准：
        • 易用性
        • 全面性
        • 可扩展性和灵活性
        • 内置的未来演进路径
        • 行业不可知论与行业特定论
        • 抽象和详细程度
        • 非规定性
        • 按主题组织
        • 可重复
        • 由中立的独立组织支持
        • 技术中立
        • 培训支持
    • DAMA-DMBOK框架使用
  • 15.5 实施指南
    • 就绪评估/风险评估
      • DMMA的典型风险及其缓解措施
        • 表15-1 DMMA的典型风险及其缓解措施
    • 组织和文化变革
  • 15.6 成熟度管理治理
    • DMMA过程监督
    • 度量指标
      • DMMA评级
        • DMMA评级提供了组织能力级别的快照。
      • 资源利用率
        • 这是一个强大的度量指标，帮助人员以计数的形式表示数据管理的成本。
      • 风险敞口
        • 对风险情景做出反应的能力，反映了组织相对于其DMMA评级的能力。
      • 支出管理
        • 表示如何在整个组织中分配数据管理成本，并确定此成本对可持续性和价值的影响。这些指标与数据治理指标相重叠。
          • ①数据管理可持续性。②实现主动性的目标和目的。③沟通的有效性。④教育和培训的有效性。⑤变更采用的速度。⑥数据管理价值。⑦对业务目标的贡献。⑧降低风险。⑨提高运营效率。
      • DAMA的输入
        • 这对于管理非常重要，因为它们涉及覆盖范围的完整性、调查水平以及与评分结果解释相关的范围的详细信息。
      • 变革速度
        • 指一个组织提高自身能力的速度。通过DMMA建立基线，定期重新评估用于趋势改进。
• 考察分值&知识点
  • 考察分值
    • 6分
  • 考察知识点
    • 引言
      • 数据管理成熟度评价等级及特点
      • 数据管理成熟度模型示例
      • 业务驱动因素
      • 语境关系图
        • 目标
      • CMMI-DMM评估框架的评估标准
    • 活动
      • 制定有针对性的改进计划
      • 解释结果和建议
      • 重新评估成熟度
        • 重新评估内容
        • 重新进行成熟度评估的作用
    • 工具
    • 方法
    • 实施指南
      • DMMA的典型风险及其缓解措施
    • 成熟度管理治理
      • 度量指标