【数据治理】要点整理-《数据管理能力成熟度评估模型》国家标准（GB/T 36073—2018）
导读：《数据管理能力成熟度评估模型》（Data Management Capability Maturity Assessment Model，简称DCMM）是我国数据管理领域的首个国家标准，于2018年3月15日发布，同年10月1日正式实施。该标准由全国信息技术标准化技术委员会归口管理，中国电子技术标准化研究院等机构联合起草，旨在帮助企业和组织系统性评估、改进数据管理能力，推动数据要素价值释放，支撑数字经济高质量发展。
目录
1、范围
2、术语和定义
3、综述
5、数据治理
6、数据架构
7、数据应用
1、范围
2、术语和定义
3、综述
DCMM包含28个过程域、445项评估指标，覆盖组织、制度、流程与技术四个维度。评估过程分为制度审查、平台工具观察与人员访谈三个层面，确保评估结果全面、客观。
八大核心能力域
DCMM将数据管理能力划分为八大能力域，涵盖数据全生命周期管理的关键环节：
- 数据战略：制定数据管理愿景、目标及实施路线图，确保数据管理与企业战略一致。
- 数据治理：建立数据管理组织架构、制度流程，保障数据管理的决策与监督机制。
- 数据架构：设计企业级数据模型、数据分布、集成与共享机制，以及元数据管理规范。
- 数据应用：通过数据分析、开放共享与服务，实现数据价值变现，支持业务创新。
- 数据安全：构建数据安全策略、管理与审计体系，保障数据机密性、完整性与可用性。
- 数据质量：建立数据质量需求、检查、分析与提升机制，确保数据准确性、一致性。
- 数据标准：规范业务术语、主数据、数据元与指标数据，支撑数据集成与共享。
- 数据生存周期：管理数据从需求、设计、开发到运维、退役的全过程，确保数据资产全生命周期可控。
能力等级划分
DCMM将数据管理能力成熟度分为五个等级，自低向高依次为：
- 初始级（1级）：数据管理以项目级被动管理为主，缺乏统一流程。
- 受管理级（2级）：组织意识到数据是资产，制定初步管理流程。
- 稳健级（3级）：数据管理纳入组织级标准化流程，支持业务管理需求。
- 量化管理级（4级）：数据管理效率可量化分析与监控，成为竞争优势资源。
- 优化级（5级）：数据管理流程实时优化，成为行业标杆并分享最佳实践。
示例：
4、数据战略
5、数据治理
6、数据架构
7、数据应用
