DAMA数据管理知识体系指南 第十五章 数据管理成熟度评估

这是一篇关于DAMA数据管理知识体系指南 第十五章 数据管理成熟度评估的思维导图，主要内容有能力成熟度评估、成熟度模型级别、能力成熟度评估业务驱动因素、数据成熟度评估语境关系图等。

DAMA数据管理 第十五章 数据管理成熟度评估

• 能力成熟度评估
  • 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。
  • A概念源于美国国防部为评估软件承包商而建立的标准。 20世纪80年代中期，卡内基梅隆大学软件工程研究所发布 了软件能力成熟度模型。虽然CMM首先应用于软件开发， 但现在已被广泛用于其他一系列领域，包括数据管理。
• 成熟度模型级别
  • 1）0级
    • • 无能力级
  • 2）1级
    • • 初始级或临时级：成功取决于个人的能力。
  • 3）2级
    • • 可重复级：制定了最初级的流程规则。
  • 4）3级
    • • 已定义级：已建立标准并使用。
  • 5）4级
    • • 已管理级：能力可以被量化和控制。
  • 6）5级
    • • 优化级：能力提升的目标是可量化的。
• 能力成熟度评估 业务驱动因素
  • 1）监管
    • • 监管对数据管理提出了最低成熟度水平要求。
  • 2）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。
  • 3）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。例如，它承诺管理主数据，并需要评估其部署主数据管理流程和工具 的准备情况。
  • 4）组织变更
    • • 组织变更（如合并）会带来数据管理挑战。DMMA为应对这些挑战制订了规划。
  • 5）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能性。
  • 6）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
• 数据成熟度评估 语境关系图
• 数据管理成熟度模型
  • CMM评价等级及特点
  • 数据管理成熟度评估可视化示例
  • CMMI数据管理成熟度模型（DMM）
    • 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
    • 示例
      • CMMI process work item types and workflow in Azure Boards
    • Plan and track work with CMMI
    • CMMI workflow states
  • IBM数据治理委员会成熟度模型
    • 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。
  • 数据管理能力评估模型（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）。 DCAM是成员们努力在数据管理最佳实践上达成共识的结果，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。评估重 点关注利益相关方的参与程度、流程的形式及展示能力的组件。
  • 斯坦福和Gartner成熟度模型
    • 1. 斯坦福大学的数据治理成熟度模型是为该大学开发的。它并不是一个行 业标准，但即便如此，它仍然是提供指导和测量标准模型的一个好例子。 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）。
    • 2. 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。
      • Gartner Magic Quadrant
• 模型选择与风险评估
  • 就绪评估/风险评估
• 成熟度管理治理 度量指标
  • 1）DMMA评级
    • DMMA评级提供了组织能力级别的快照。评级会附带一个描述，也许是针对评估或特定主题领域的评级的自定义加权，以及推荐的目标 状态。
  • 2）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。例如，组织中的每个资源都花费10%的时间手动聚合数据。
  • 3）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。例如，某组织想要开始一项需要高度自动化的新业务，但其当前 的操作模式基于手动数据管理（1级），那么他们将有无法交付的风险。
  • 4）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。
  • 5）DMMA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。核心输入可以包括以下 内容：计数、覆盖范围、可用性、系统数量、数据量、涉及的团队等。
  • 6）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。