DCMM是《数据管理能力成熟度评估模型》GB/T 36073-2018国家标准，英文简称：（Data management Capability Maturity Model）。是我国首个数据管理领域正式发布的国家标准。旨在帮助企业利用先进的数据管理理念和方法，建立和评价自身数据管理能力，持续完善数据管理组织、程序和制度，充分发挥数据在促进企业向信息化、数字化、智能化发展方面的价值。

截至目前，已有千余家单位被授予数据管理能力成熟度贯标等级，覆盖了能源、通信、金融、IT、制造业等行业。

DCMM数据管理能力成熟度评估模型定义了数据战略、数据治理、数据架构、数据应用、数据安全、数据质量、数据标准和数据生存周期8个核心能力域，细分为28个过程域和445条能力等级标准。

一、数据管理能力成熟度评估流程

数据管理能力成熟度评估划分为四个阶段，分别是：准备阶段、实施阶段、制定报告和评审发布。

1、准备阶段

通过收集、分析客户资料充分理解被评组织的背景，共同确定评估范围，成立联合评估小组，明确项目团队及各方职责。

2、实施阶段

召开DCMM启动会，明确工作目标及工作内容，开展DCMM模型培训宣贯，解读评估内容及评估方法，通过问卷调查、现场访谈等形式，获得客户DCMM的基本现状。

3、制定报告

结合客户DCMM现状，依据DCMM评估模型及成熟度等级标准，形成DCMM成熟度评估结果，揭示关键发现，提出关键建议，总结形成DCMM评估报告。

4、评审发布

提交DCMM评估报告至电子联合会，通过专家组评审，获得DCMM成熟度等级证书（有效期三年）。

二、数据管理能力成熟度评估等级

DCMM将数据管理能力成熟度划分为五个等级，自低向高依次为初始级（1级）、受管理级（2级）、稳健级（3级）、量化管理级（4级）和优化级（5级），不同等级代表企业数据管理和应用的成熟度水平不同。

1、初始级

数据需求的管理主要是在项目级体现，没有统一的管理流程，主要是被动式管理，具体特征如下：

• 组织在制定战略决策时，未获得充分的数据支持；
• 没有正式的数据规划、数据架构设计、数据管理组织和流程等；
• 业务系统各自管理自己的数据，各业务系统之间的数据存在不一致现象，组织未意识到数据管理或数据质量的重要性；
• 数据管理仅根据项目实施的周期进行，无法核算数据维护、管理的成本。

总结初始级的特点就是：企业针对数据的管理在项目级应用，且比较依赖某一个人的经验和能力。

2、受管理级

组织已意识到数据是资产，根据管理策略的要求制定了管理流程，指定了相关人员进行初步管理，具体特征如下：

• 意识到数据的重要性，并制定部分数据管理规范，设置了相关岗位；
• 意识到数据质量和数据孤岛是一个重要的管理问题，但目前没有解决问题的办法；
• 组织进行了初步的数据集成工作，尝试整合各业务系统的数据，设计了相关数据模型和管理岗位；
• 开始进行了一些重要数据的文档工作，对重要数据的安全、风险等方面设计相关管理措施。

总结受管理级的特点就是：企业针对数据的管理在企业中的某一个部门制定了相关的政策和管理流程，但没有在全公司实行。和初始级相比，不再依赖某一个人的经验和能力。

3、稳健级

数据已被当做实现组织绩效目标的重要资产，在组织层面制定了系列的标准化管理流程，促进数据管理的规范化，具体特征如下：

• 意识到数据的价值，在组织内部建立了数据管理的规章和制度；
• 数据的管理以及应用能结合组织的业务战略、经营管理需求以及外部监管需求；
• 建立了相关数据管理组织、管理流程，能推动组织内各部门按流程开展工作；
• 组织在日常的决策、业务开展过程中能获取数据支持、明显提升工作效率；
• 参与行业数据管理相关培训，具备数据管理人员。

总结稳健级的特点就是：在整个企业内部建立了数据管理相关的政策和流程，以及依据相关的政策和流程开展数据管理工作，而不仅仅是某一个部门内部。

4、量化管理级

数据被认为是获取竞争优势的重要资源，数据管理的效率能量化分析和监控，具体特征如下：

• 组织层面认识到数据是组织的战略资产，了解数据在流程优化、绩效提升等方面的重要作用，在制定组织业务战略的时候可获得相关数据的支持；
• 在组织层面建立了可量化的评估指标体系，可准确测量数据管理流程的效率并及时优化；
• 参与国家、行业等相关标准的制定工作；
• 组织内部定期开展数据管理、应用相关的培训工作；
• 在数据管理、应用的过程中充分借鉴了行业最佳案例以及国家标准、行业标准等外部资源，促进组织本身的数据管理、应用的提升。

总结量化管理级的特点就是：企业数据管理的工作可量化，有相关数据指标的对比。

5、优化级

数据被认为是组织生存和发展的基础，相关管理流程能实时优化，能在行业内进行最佳实践分享，具体特殊如下：

• 组织将数据作为核心竞争力，利用数据创造更多的价值和提升改善组织的效率；
• 能主导国家、行业等相关标准的制定工作；
• 能将组织自身数据管理能力建设的经验作为行业最佳案例进行推广。

总结优化级的特点就是：企业已经是国家或所属行业内的标杆，是其它同行学习的榜样。