DAMA-CDGA数据治理工程师-15.数据管理成熟度评估

能力成熟度评估是一种基于能力成熟度模型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。当一个组织满足某阶段能力特征时，就可以评估其成熟度等级，并制定一个提高能力的计划。

15.数据管理成熟度评估

• 引言
  • 能力成熟度评估是一种基于能力成熟度模型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
  • 当一个组织满足某阶段能力特征时，就可以评估其成熟度等级，并制定一个提高能力的计划
  • 当能力呈现出与等级不符的特征时，等级会得到提升，但能力水平有既定顺序，不能跳过任何等级
  • 包括
    • 0级
      • 无能力级
    • 1级
      • 初始级或临时级
        • 成功取决于个人的能力
    • 2级
      • 可重复级
        • 制定了最初级的流程规则
    • 3级
      • 已定义级
        • 已建立标准并使用
    • 4级
      • 已管理级
        • 能力可以被量化和控制
    • 5级
      • 优化级
        • 能力提升的目标是可量化的
  • 业务驱动因素
    • 监管
      • 监管对数据治理提出了最低成熟度水平要求
    • 数据治理
      • 出于规划和合规性目的，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
      • 针对要解决的问题，组织希望对其当前的状态进行评估，以更好的决定实施
  • 目标和原则
    • 数据管理能力评估的主要目标是评估数据管理活动当前状态，以便制订计划进行改进
    • 评估通过分析具体的优势和弱点，将组织置于成熟度水平量尺上，从而帮组织认知、确定优先次序和实施改进机会
    • 向利益相关方介绍数据管理概念、原则和实践
    • 厘清利益相关方在组织数据方面的角色和职责
    • 强调将数据作为关键资产进行管理的必要
    • 扩大对整个组织内数据管理活动的认识
    • 有助于改进有效数据治理所需要的协作
  • 基本概念
    • 评价等级及特点
      • 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式为了定义才被设定的
      • 1级
        • 初始级或临时级
          • 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
          • 数据处理高度依赖少数专家，角色和责任在各部门中分开定义
          • 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
        • 可重复级
          • 有一致的工具和角色定义来支持流程执行
          • 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完全依赖于特定专家
          • 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
      • 3级
        • 已定义级
          • 第3级将引入可扩展的数据管理流程并将其制度化，并将数据管理视为组织促成的因素
          • 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订数据管理政策、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
          • 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
      • 5级
        • 优化级
          • 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的和过程
    • 评估标准
      • 每个能力级别都有与正在评估的流程有关的具体评估标准
      • 在任何级别上，评估标准都将按照一个尺度进行评估，如1-未开始、2-正在进行、3-能使用、4-有效，以此显示该级别的进展情况，并向下一个级别迈进
    • 现有DAMA框架
      • CMMI数据管理成熟度模型
      • EDM委员会DCAM
      • IBM数据治理委员会成熟度模型
      • 斯坦福数据治理成熟度模型
      • Cartner的企业信息管理成熟度模型
• 活动
  • 数据管理成熟度评估需要计划
  • 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
    • 定义目标
    • 选择框架
    • 定义组织范围
    • 定义交互方式
    • 计划沟通
  • 执行成熟度评估
    • 收集信息
    • 执行评估
  • 解释结果及建议
    • 对结果的解释包括明确提升机会与组织战略保持一致，并建议利用这些机会实施行动
    • 报告评估结果
      • 评估的业务驱动因素
      • 评估的总体结果
      • 按主题分类有差距的评级
      • 弥补差距的建议方法
      • 所观察到的组织优势
      • 进展的风险
      • 投资和成果选项
      • 衡量进展的治理和指标
      • 资源分析与未来潜在效用
    • 制定管理层简报
      • 评估管对应准备管理层简报来总结调查结果（包括优势、差距、建议）管理层使用这些结果作为制定有关目标、计划、时间表的决策的输入
  • 制定有针对性的改进计划
  • 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
      • 通过第一次评估建立基线评级
      • 定义重新评估参数，包括组织范围
      • 根据需要，在公布的时间表上重复DMM评估
      • 跟踪相对于初始基线的趋势
      • 根据重新评估结果制定建议
    • 重新评估也可以重振或重新集中精力
    • 可衡量的进展有助于保持整个组织的认同和热情
    • 监管框架的变动、内外部政策、可治理方法和战略创新的变化是定期重新评估的其他原因
• 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
• 方法
  • 选择DMM框架
    • 标准
      • 易用性
      • 全面性
      • 可扩展性和灵活性
      • 内置额未来演进路径
      • 行业不可知论域行业特定论
      • 抽象或详细程度
      • 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
• 实施指南
  • 就绪评估/风险评估
  • 组织和文化变革
• 成熟度管理治理
  • DAMA过程监督
  • 度量指标
    • DMMA评级
    • 资源利用率
    • 风险敞口
    • 支出管理
    • DMMA输入
    • 变革速度