第15章 数据管理成熟度评估知识点梳理（附带页码）
◼ 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。【神仙，也是有段位的】CMA 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。P415
◼ 成熟度模型通过描述各阶段能力特点来定义成熟度的级别。能力水平有既定顺序，不能跳过任何等级。这些级别通常包括：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。P415
◼ 组织可以制定路线图以实现以下目标：1）与过程、方法、资源和自动化相关的高价值改进机会。2）符合业务战略的能力。3）为定期基于模型评估组织能力开展治理项目。【能力等级不是越高越好，符合业务战略，合适就完。】P415
◼ 数据管理成熟度评估（Data Management Maturity Assessment，DMMA）可用于全面评估数据管理，也可用于聚焦单个知识领域甚至单个过程。DMMA 帮助弥合业务部门和 IT 部门在数据管理实践的健康状况和有效性方面的观念冲突。P416
◼ 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。4）组织变更。组织变更（如合并）会带来数据管理挑战。5）新技术。组织希望了解采用新技术带来成功的可能性。6）数据管理问题。P416
◼ 目标：数据管理能力评估的主要目标是评估关键数据管理活动的当前状态，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，从而帮助组织认知、确定优先次序和实施改进机会。对文化的影响：1）向利益相关方介绍数据管理概念、原则和实践。2）厘清利益相关方在组织数据方面的角色和责任。3）强调将数据作为关键资产进行管理的必要性。4）扩大对整个组织内数据管理活动的认识。5）有助于改进有效数据治理所需的协作。【介绍概念。厘清责任。必要性。扩大认识。改进协作。】P416-417
◼ 活动：1.规划评估活动。（1）确定范围和方法。（2）计划沟通。2.执行成熟度评估。（1）收集信息。（2）进行评估。（3）解释结果。3.解释结果及建议。4.制订有针对性的改进计划。5.重新评估成熟度。P417 图 15-1
◼ 评价等级及特点。CMM 一般分为 5-6 个成熟度级别。（P418-419 建议读原文）
【角色和职责。工具。活动。标准，可预测性。自动化程度。数据流动。】
◼ 0 级：无能力。无组织状态。为了定义才被设定的。
◼ 1 级：初始/临时。有限工具集进行通用的数据管理。很少或根本没有治理活动。数据处理高度依赖于少数专家，角色和责任在各部门中分开定义。管理数据的方案有限。质量问题普遍存在。基础设施支持处于业务单位级别。评估标准：对任意一个流程进行控制，如记录数据质量问题。P418
◼ 2 级：可重复。有一致的工具和角色定义来支持流程执行。使用集中化的工具，有更多的监控手段。角色定义和流程并不完全依赖于特定专家。对质量问题有认识。开始认识到主数据和参考数据的概念。评估标准：组织中正式角色定义。P418
◼ 3 级：已定义：新兴数据管理能力。数据管理流程制度化。将数据管理视为组织促成因素。数据复制受到控制。总体数据质量提高。有协调一致的政策定义和管理。流程少人工干预，结果更可预测。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。P419
◼ 4 级：已管理。在 1-3 级经验能使组织在开展新项目任务时可预测结果。开始管理风险。有绩效指标。工具标准化。结构良好的集中规划和治理功能。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。流程自动化和技术变更管理，高度可预测。关注持续改进。工具支持跨流程查看数据。防止不必要的复制。更易于理解的指标来管理和度量数据质量和过程。评估标准：变更管理组件、流程改进。
◼ 评估标准：按一个尺度进行，每级有评估标准。如使用 DAMA-DMBOK 进行，则可关注活动、工具、标准、人员和资源。P419
◼ CMMI 数据管理成熟度模型 DMM。评估标准：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。P420
◼ EDM 委员会 DCAM：数据管理能力评估模型（Data management Capability Assessment Model，DCAM）。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。P421
◼ IBM 数据治理委员会成熟度模型：通过经验证的业务技术、协作方法和最佳实践，帮助组织构建治理中的一致性和质量控制。4 个关键类别组成：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。P421
◼ 斯坦福数据治理成熟度模型：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）。在每部分都说明人员、政策和能力的驱动因素，阐明每个成熟度级别的特征且有定性定量测量。P421
◼ Gartner 的企业信息管理成熟度模型：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。P421
◼ 【活动 1】规划评估活动。1.定义目标。要确定驱动因素并变成目标，相关人必须 了解目标并保持与战略方向一致。2.选择框架。选对框架做对事。3.定义组织范围。对整个企业范围实施不切实际 。第一次评估要范围可控。参与人要可影响关键业务流程的人。1）局部评估。2）企业评估。可由多个局部评估组成，也可是独立任务。4.定义交互方法。研讨会、访谈、调查、组件评审。5.计划沟通。在评估开始之前，应告知利益相关方对评估的期望。沟通应描述：1）数据管理成熟度评估的目的。2）评估应如何进行。3）他们参与的是什么部分。4）评估活动的时间表。【目的、手段、参与、时间】P422-423
◼ 【活动 2】执行成熟度评估。P423-424
◼ 【活动 2-1】收集信息。根据交互模型为评估活动收集适当的输入。收集的信息至少包括评估标准的正式评级，还可以包括访谈和焦点小组的成果、系统分析和设计文档、数据调查、电子邮件字符串、程序手册、标准、策略、文件存储库、批准工作流、各种工作产品、元数据存储库、数据和集成参考架构、模板和表单。
◼ 【活动 2-2】执行评估。总体评级任务和解释是多阶段的。讨论达成一致意见。改进需要遵循如下过程：1）审查评级方法。2）记录支持证据。3）与参与者一起讨论，就每个领域的最终评分达成共识。在合适的情况下，根据每个标准的重要性使用不同权重。4）记录关于模型标准的声明和评审员的解释，作为评级的说明。5）开发可视化工具，展示说明评估结果。
◼ 【活动 3】解释结果及建议。P424-425
◼ 【活动 3-1】报告评估结果。评估报告应包括：1）评估的业务驱动因素。2）评估的总体结果。3）按主题分类有差距的评级。4）弥补差距的建议方法。5）所观察到的组织的优势。6）进展的风险。7）投资和成果选项。8）衡量进展的治理和指标。9）资源分析与未来潜在效用。10）可在组织内使用或重复使用的组件。
◼ 【活动 3-2】制定管理层简报。为管理层制定目标、计划和时间表提供决策支持。
◼ 【活动 4】制订有针对性的改进计划。路线图或参考计划应包括：1）对特定数据管理功能进行改进。2）实施改进活动的时间表。3）一旦活动实施，DMMA 评级的预期改善情况。4）监督活动，包括在时间线上逐渐成熟的监督。【手段、时间表、预期结果、监督】P425
◼ 【活动 5】重新评估成熟度。1）通过第一次评估建立基线评级。2）定义重新评估参数，包括组织范围。3）根据需要，在公布的时间表上重复 DMM 评估。4）跟踪相对于初始基线的趋势。5）根据重新评估结果制定建议。P426
◼ 工具：1）数据管理成熟度框架。DMM 本身。2）沟通计划。3）协作工具。协作工具允许共享评估结果。4）知识管理和元数据存储库。P426
◼ 【方法 1】选择 DMM 框架的标准：1）易用性。2）全面性。包括业务参与，而不仅仅是 IT 过程。3）可扩展性和灵活性。4）内置的未来演进路径。5）行业不可知论与行业特定论。都应该遵循跨垂直领域的数据管理最佳实践。6）抽象或详细程度。7）非规定性。可执行而不是必须执行。8）按主题组织。情景化，独立进行且可识别依赖。9）可重复。10）由中立的独立组织支持。11）技术中立。模型的重点应该放在实践上，而不是放在工具上。12）培训支持。P427
◼ 【方法 2】DAMA-DMBOK 框架使用。为 DMMA 准备工作或建立标准。检查表方法可用于确定需要更深入分析、表示差距或指出修复热点的领域。优势：有大量的专业知识人员使用 DMBOK作为跨行业的指南，有社区。P427文章来源：https://www.toymoban.com/news/detail-852312.html
◼ 实施指南-就绪评估/风险评估。下图。P428。
◼ 度量指标：1）DMMA 评级。2）资源利用率。3）风险敞口。对风险情景做出反应的能力。4）支出管理。①数据管理可持续性。②实现主动性的目标和目的。③沟通的有效性。④教育和培训的有效性。⑤变更采用的速度。⑥数据管理价值。⑦对业务目标的贡献。⑧降低风险。⑨提高运营效率。5）DMMA 的输入。6）变革速度。指一个组织提高自身能力的速度。P429-430文章来源地址https://www.toymoban.com/news/detail-852312.html
到了这里，关于第15章 数据管理成熟度评估知识点梳理的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
