經典數據管理能力成熟度模型比較及戰略管控型集團應用路線建議

韓 懿， 王銀毓， 楊 威

（中遠海運科技股份有限公司，上海200135）

0 引 言

數據管理是組織機構信息化管理最核心的內容之一，而目前國內一些傳統企業往往將大多數資源和關注重點放在信息系統的建設和運維上，沒有對數據管理予以高度重視，對數據管理相關信息化理論、方法和工具的研究不足，對數據管理相關信息系統的建設不夠完備。隨著企業信息化的復雜性逐步提高，特別是在引入商業智能和數據分析之后，經常出現數據質量差、數據共享困難和數據應用不夠深入等情況，企業數據資產所能發揮的價值也極為有限，極大地影響著企業未來的核心競爭力。

由于數據管理涉及的范圍廣、內容多，單純采取某些措施解決數據問題往往效果不佳。目前強化數據管理能力、提升數據資產價值已成為國內企業的共識，但如何開展數據管理能力提升活動還存在理論和方法選擇的問題。特別是在如何合理引入數據管理能力成熟度模型方面，由于沒有國際公認的標準，使得企業或組織對數據管理存在較多的疑慮，尤其是將互聯網和物聯網引入企業生產經營之后，數據管理變得更加復雜和困難。

本文對國際上公認的，具有一定權威性的數據管理能力成熟度模型和國內正在編制的相應標準進行對比分析，并按照特定的工作環境，對多元產業和戰略管控型集團企業應用相關模型給出路線建議。

1 數據管理能力成熟度模型的作用和意義

美國卡內基·梅隆大學軟件工程研究所在20世紀80年代提出能力成熟度模型（Capability Maturity Model，CMM），最初主要在軟件開發過程中應用，側重于對軟件開發過程中的能力和管理進行評估與提高。

CMM采用階段式表示法，將軟件開發過程的能力成熟度依次分為初始級、已管理級、已定義級、定量管理級和優化級等5個等級。5個能力成熟度等級組成一個逐步提升的平臺，每個等級的過程能力直接作為到達下一個等級的基礎，能力成熟度不斷升級的過程也是過程能力逐步積累的過程[1]。

數據管理由管理計劃制訂、數據收集管理、數據描述和歸檔管理、數據處理和分析管理、數據保存管理、數據發現及重用等多種活動組成，具有與軟件開發相似的過程特性[2]。因此，CMM的理論和方法也被其他國際組織、跨國IT服務企業和權威咨詢機構借用或借鑒。例如：美國高德納咨詢公司（Gartner）和國際商業機器公司（IBM）分別在2008年和2010年開發出相應的數據管理能力成熟度模型；2014年8月，卡內基·梅隆大學正式提出自己的數據管理能力成熟度模型DMM（Data Management Maturity）；2015年2月，美國企業數據管理協會（EDM Council）提出數據管理能力評估成熟度模型DCAM（Data Management Capability ASSESSMENT Maturity）。在國外數據管理研究和實踐不斷發展的過程中，中國信息化標準委員會于2003年開始就數據管理能力（Data Capability Management Maturity，DCMM）進行立項研究，目前處于意見征詢、標準宣貫和試驗驗證階段。

2 數據管理能力成熟度模型的比較分析

2.1 經典數據成熟度模型介紹

2.1.1 高德納EIM成熟度模型

2008年，Gartner基于CMMI（Capability Maturity Model Integration）理念創建一個6級的企業信息管理成熟度模型（EIM Maturity Model），分為無認知型、認知型、被動回應型、主動回應型、已管理型和高效型等6個階段（見圖1）[3]。通過對6個級別進行定義和描述，幫助IT管理者識別、確認各自企業的信息管理水平。成熟度模型也給出處在每個級別的企業應開展的工作，從而推進企業的信息管理水平提升一個級別。

圖1 高德納EIM成熟度模型

Gartner的EIM由愿景、戰略、矩陣、治理、組織（人）、過程（生命期）和基礎設施等7個維度組成一個企業數據治理的周期，同時將EIM分為13個領域的功能參考架構并給出規范、規劃、建設和運行等4個過程。

高德納EIM成熟度模型沒有針對每個領域給出評估標準，而是在宏觀上對整個企業組織的數據管理的認知特征進行定義（見圖2），例如將第3階段的被動回應型定義為：“企業把信息作為促進業務效能的必要條件，因此正在從項目級信息管理向企業信息管理過渡。信息支持企業過程優化。”其特征是：

1）高級管理者將跨職能信息共享視為推進企業發展的一種手段。管理者指定高級顧問來協調企業信息管理機構，并溝通愿景。啟動預算、憲章和路線圖，并對企業信息管理項目的目標進行討論。

圖2 高德納EIM構成模型

2）將企業信息架構（Enterprise Information Architecture，EIA）作為企業信息管理計劃的指南，確保信息在機構內交換，以適應企業業務戰略。該級別企業設立針對信息管理技術的標準。

3）構建管控委員會和正式的數據質量計劃，指派數據管理員幫助管理信息資產。重要業務單元應積極參與該項工作。信息系統生命周期包括以數據為中心的路線，以確保正在實施的項目遵循信息架構和信息管理標準。

4）雖然該模型是本地維護數據模型，但其也與企業信息架構關聯。對于分析數據、主數據和非結構化內容，會出現截然不同的信息架構，并在某個邏輯層級統一。該級別企業已規劃一個數據服務層，為新興發展形式提供信息服務。

5）該級別企業為數據歸檔和保存期限制訂指南，并收集和管理元數據，以利于復用。

第3階段數據管理的具體措施為：“正式提出針對企業信息管理的業務案例，并準備一個報告向管理層和干系人說明該業務案例。利用業務單位的工作來識別確認企業信息管理機會。”

2.1.2 IBM數據管理成熟度模型

2010年，IBM發布《數據治理統一流程》，IBM數據治理委員會根據5級分類提出一種成熟度模型：

1）成熟度級別1（初始），流程通常是臨時性的，環境較不穩定，反映組織內的個人能力，而不是成熟流程使用能力。盡管處于級別1的組織會產生有效的產品和服務，但其經常超出預算和項目計劃時間。

2）成熟度級別2（管理），成功是可重復的，但流程可能無法在組織內所有的項目中重復實踐。基本項目管理對跟蹤成本和時間表很有幫助，而流程有助于確保現有的實踐活動正常開展。當這些實踐活動準備就緒之后，項目會依據其備案的計劃進行執行和管理，但仍存在超出預算和計劃時間的風險。

3）成熟度級別3（定義），組織標準流程集中于在整個組織內建立一致性。對組織標準流程項目標準、流程描述和規程進行調整，以適合特定的項目或組織部門。

4）成熟度級別4（定量管理），組織設置流程和維護的數量質量目標。所選子流程對整體流程的性能具有重大突出貢獻，采用統計技術和其他量化技術來控制。

5）成熟度級別5（優化），量化流程改進目標被明確地建立并繼續修訂，以反映不斷變化的業務目標和用作改進管理流程的條件[4]。

同時，IBM將數據管理劃分為11領域，分別為：風險管理和合規、數據價值創建、組織機構和感知、數據照管、策略、數據質量管理、數據生命周期管理、數據安全和隱私管理、數據架構、分類與元數據管理、審計信息日志和報告。

根據成熟度模型的定義，可就一個企業的數據管理現狀和期望給出這11領域的成熟度評估和能力建設需要，本文給出的示例見圖3。

2.1.3 DCAM成熟度模型

DCAM是由EDM Council主導，組織金融行業的企業參與編制和驗證，基于眾多實際案例的經驗總結編寫的。DCAM首先定義數據能力成熟度評估涉及的能力范圍和評估準則，然后從戰略、組織、技術和操作的最佳實踐等方面描述如何成功地進行數據管理，最后結合數據的業務價值和數據操作的實際情況定義數據管理的原則。DCAM成熟度模型分級定義見表1[5]。

圖3 IBM數據管理成熟度模型評估示例

表1 DCAM成熟度模型分級定義

DCAM的數據管理能力成熟度評估模型主要分為數據管理策略、數據管理業務案例、數據管理程序、數據治理、數據架構、技術架構、數據質量和數據操作等8個職能域（見圖4）。針對每個職能域，DCAM都設置相關的問題和評價標準，共包括37個能力域和115個子能力域；針對每個子能力域，根據成文的、企業內部批準發現的文件進行成熟度評估，EDM針對其會員提供相應的算法模型。

2.1.4 DMM成熟度模型

卡內基·梅隆大學的DMM成熟度模型整體上分為5級[5]，總的定義見表2。

具體到成熟度評估，DMM首先將數據管理劃分為數據管理戰略、數據質量管理、數據操作、數據平臺和機構、數據治理和支撐流程等6個職能域，并指出各職能域的相關關系。隨后根據每個職能域的特征，將其細分為25個過程域，并給出具體的評估要求，包括目標、核心問題、能力評價標準定義和要求產出的成果，由此進行成熟度評估和能力評估。數據戰略中的數據管理目標過程域的具體評估標準（如等級1）見表3。

由此，通過對每個職能域的目標過程域進行評估，可通過雷達圖非常形象地獲得企業或組織的數據管理能力成熟度現狀和需彌補的差距點。圖5為DMM成熟度模型評價總結示例。

圖4 DCAM數據職能領域構成

表3 DMM數據戰略中的數據管理目標過程域的具體評估標準

2.1.5 DCMM模型

我國的DCMM在DMM和DCAM的基礎上充分考慮國內各行業數據管理發展的現狀，并引入相關金融行業的實踐經驗，保證模型的創造性、全面性和可操作性[6]。模型分為5級，定位如下。

1）等級1：初始級。組織沒有意識到數據的重要性，數據需求的管理主要由項目級來體現；沒有統一的數據管理流程，存在大量的數據孤島，經常因數據問題導致客戶服務質量差、人工維護工作繁重等。

2）等級2：受管理級。組織已意識到數據是資產，根據管理策略的要求制訂管理流程，指定相關人員進行初步管理，并識別與數據管理、應用相關的人員。

3）等級3：穩健級。數據已被當作實現組織績效目標的重要資產，在組織層面制訂系列標準化管理流程以促進數據管理的規范化，數據的管理者可快速滿足跨多個業務系統、準確、一致的數據要求，有詳細的數據需求響應處理規范和流程。

4）等級4：量化管理級。數據被認為是獲取競爭優勢的重要資源，組織認識到數據在流程優化和工作效率提升等方面的作用，針對數據管理方面的流程進行全面優化，針對數據管理的崗位進行關鍵績效指標考核，規范和加強與數據相關的管理工作，并通過過程監控和分析對整體的數據管理制度和流程進行優化。

圖5 DMM成熟度模型評價總結示例

5）等級5：優化級。數據被認為是組織生存的基礎，相關管理流程能實時優化，能在行業內對最佳實踐進行分享。

DCMM定義數據能力成熟度評價的8個職能域為數據戰略、數據治理、數據架構、數據標準、數據質量、數據安全、數據應用和數據生命周期管理，這8個職能域又包括29個能力項。該模型與其他模型最大的區別是增加數據標準和數據安全2個職能域，但沒有進一步對每個領域的成熟度進行定義。表4為我國DCMM數據管理職能域和能力項構成。

2.2 經典數據成熟度模型比較分析

Gartner的成熟度模型最為簡單和宏觀，也很容易理解，但與其EIM模型的配合度很低，公開度也很差。因此，企業只有依靠Gartner咨詢專家的配合才能得到數據管理能力提升的解決方案。

與Gartner相比，IBM對成熟度模型的顆粒度進行細化，并在《數據治理統一流程》中對如何進行成熟度評估和如何結合IBM的軟件產品提升數據治理能力進行較為完備的介紹。但是，模型并沒有對每個領域如何評估進行介紹，需IBM的專家與用戶共同商定，公開度較低，可操作性較差。

DCAM由于是EDM面向金融機構的評估模型，內容相比IBM和Gartner更為細化和豐富，評估更為客觀，可操作性較強，但只有成為其協會的正式會員才能得到EDM的支撐，公開度一般。

與上述模型相比，DMM公開的資料略多，但同樣采用會員制，最大的特點與DCAM相似，也是對每個過程子域都進行定義，要求所有領域只有達到或超過某個級別時才代表該企業的數據管理能力達到相應級別的認定。由于CMMI推廣過程中的實際操作經驗比較豐富，因此DMM對每個過程域的評估都具有很強的可操作性，只需按照評估模型規定的操作步驟即可進行快速評估。但是，在數據管理職能域劃分過程中也存在一些與國內實際情況不一致的情況，例如沒有參考數據和主數據部分的管理等。

表4 我國DCMM數據管理職能域、能力項構成

從目前公布的文檔來看，DCMM沒有同DMM和DCAM一樣對每個領域進行細化評估；從目前的征求意見稿來看，評估的宏觀性強，客觀的可操作性稍弱，但增加了數據安全和數據標準這2個在數據管理中同樣非常重要的領域，對我國企業目前的數據管理能力而言可能適用性更好。

此外，上述模型評估都強調模型與數據管理范疇和內容定義的關系，即成熟度評估不能獨立于數據管理的其他活動之外單獨開展。表5為經典數據成熟度模型比較分析。

表5 經典數據成熟度模型比較分析

3 戰略管理型集團型企業的應用選擇建議

產業多元、戰略管控型集團企業開展數據管理的難度較大，這是因為其產業多樣，總部對下屬不直接進行管控，而是在差異化原則的基礎上重視引領、服務和監督。因此，該類型企業在開展數據治理、數據規劃活動時，特別是在進行數據管理現狀和能力成熟度評估時，很難把握活動的范疇和內容。該類活動往往由總部統一部署，并需投入大量資金和人力資源等，若不能把握好數據管理領域和模型的選擇，可能會造成資源的極大浪費。

在該類企業中，對于產業較為分散、結合度不高的企業，建議尋找總部戰略管理主題和根源數據，從打通上下級數據信息流的角度進行分析，初步判讀數據管理存在的問題，選擇數據管理范疇和評估方法。對于產業鏈結合度較高的企業（第1類），建議用業務價值鏈對串聯業務的數據流程進行梳理，同樣初步判讀數據管理存在的問題，選擇數據管理范疇和評估方法；對于產業鏈結合度適中的企業（第2類），應將這2種模式相結合，即先區分主業和輔業及戰略管控的核心主題和非核心主題，再初步判讀數據管理存在的問題，選擇適用的數據管理范疇和評估方法。

以某第2類企業為例，隨著業務的發展，其戰略愿景改變為業務均衡發展，要求具備抗周期能力，并明確總部的職責為戰略管控，其信息化建設的職能和職責改變為“統一規劃、統一標準”，由項目控制轉換為戰略引導，并強調協同和監管，因此若總部牽頭以數據成熟度模型評估為核心，開展數據管理和數據治理的相關活動，則建議采用圖6所示的方式，總體為：

圖6 戰略管理型集團型企業數據管理成熟度模型建議應用過程示意

1）根據業務價值鏈，梳理主業間的業務關系和數據流向關系；

2）根據總部戰略管控需求，梳理核心管控領域上下級業務關系和數據流向關系；

3）對于核心價值鏈、核心管控領域，特別是需大量業務協同方面的數據的領域，建議采用DMM的數據成熟度評估方法，力求對每個過程域進行現狀和能力需求評估；

4）對于其他領域，建議采用簡化后的DMM方法或參考IBM方法自行評估；

5）對于核心領域，結合成熟度評估，開展數據治理、數據管理相關優化活動；

6）對于數據安全、數據標準領域，參考我國DCMM進行評估和優化；

7）參考Gartner設計行動路線藍圖。

4 結 語

數據管理越來越被大型企業所重視，但如何選擇合適的數據管理領域定義和成熟度模型還沒有得到一致的意見，國內的相關研究也不多。因此，本文對國際上比較重要的數據成熟度模型和國內正在制定的數據成熟度模型標準等進行分析和比較，并對產業多元、戰略管控型企業如何選擇給出原則上的建議，對該類型企業的發展有一定幫助。