1. 数据管理成熟度评估
1. 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
- 数据管理问题
2. 能力成熟度模型
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。CMM 一般分为 5-6 个成熟度级别：
- 0级：无能力
- 1级：初始/临时级：有限工具集进行通用的数据管理，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。
- 评估标准：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，并不完全依赖于特定专家。
- 评估标准：组织中正式角色定义
- 3级：已定义级：已建立标准并使用。数据管理流程制度化，数据复制受到控制。
- 评估标准：制定数据管理政策、 可扩展过程的使用、 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。开始管理风险，有绩效指标，工具标准化。
- 评估标准：与项目成功的指标、系统的操作指标、数据质量指标
- 5级：优化级：能力提升的目标是可量化的。高度可预测，关注持续改进。
- 评估标准：变更管理组件、流程改进。
3. 现有 DMMA 框架
- CMMI 数据管理成熟度模型（DMM）：评估标准：
- 数据管理策略
- 数据治理
- 数据质量
- 平台与架构
- 数据操作
- 支持流程
- EDM 委员会 DCAM
- IBM 数据治理委员会成熟度模型：4个关键类别组成：
- 结果：数据风险管理和合规、价值创造
- 使能因素：组织结构和认知、政策、管理
- 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
- 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
- Gartner 的企业信息管理成熟度模型
