数据资产管理能力成熟度评估

数据资产管理能力成熟度评估

数据管理能力成熟度评估是为实现数据、信息和知识资产的有效治理的预期目标而必须采取的一项重要举措。成熟度模型提供了一种方法来查看“我们要进入什么领域？”更高层次的成熟度呈现出一个组织所追求的愿景或未来状态，它不仅与成熟的数据治理规范相对应，而且还描述了一个成熟的企业架构规范。

当前信息管理的问题始于系统的开发方式。各个应用程序研发团队单独工作，项目团队在工期和成本的重力下，在没有适当考虑企业长期价值和成本的情况下，立即交付了阶段成果。有时候，由于资金限制，组织不得不被迫采取“孤立”的解决方案，实施“烟囱”式的信息程序。现在，组织是时候建立长期价值、提供可共享数据资源、提高数据应用效率了。

IBM数据管理委员会对数据和数据治理进行了大量预测，证明了正确管理信息和知识资产的日益重要。

IBM数据管理委员会预测：

>>>数据治理将成为监管要求必选工作事项。

>>>信息资产将被视为资产并包含在资产负债表中。

>>>风险控制将变得更加普遍和自动化。

>>>首席信息官的职责包括对数据质量负责。

>>>员工将被要求负责治理。

更好的数据会带来更好的信息，从而使决策者更加知情。更好的决策必然会为客户提供更好的服务。适当的数据治理导组织在为客户服务的活动中变得不那么被动和更具预测性。适当的数据治理让数据管理部门扮演“一个组织”的角色，而不是一个独立机构。对数据、信息和知识资产的适当管理可带来经济收益，并符合安全和隐私要求。数据管理成熟度模型是国组织在提高数据和信息质量方面能够用来绘制和评估其进展的一个重要工具。

有许多数据管理成熟度模型可以帮助组织规划和实现数据治理。每一个都有优势，都可以带来一些有价值的观点，并为后续规划数据治理奠定基础。随着行业、组织和社会继续“学习”如何管理和利用数据、信息和知识，数据管理成熟度模型也将更加“成熟”。

当组织开始将数据、信息和知识视为最关键的企业资产之一时，成熟度模型提供了一种方法来评估组织现状以及上升到所需的最终状态需要做的工作。成熟度模型也有助于规划近期可行的方案，尤其是组织面临严重的资金压力时，即使在资金紧张时期，组织也必须取得进展，以便能够在短期内更好地管理有限的资源，并从这些时期中脱颖而出，做好前进的准备。

EIM（企业信息管理）的一个关键驱动因素是克服数十年来以应用程序为中心的“烟囱式”开发。期初每个系统都只维护自己的数据版本和流程规则，以满足本业务领域需求，这导致了公司内部数据的冗余和缺乏灵活性。

国内外很多机构已经提出了许多成熟度模型，包括EWSolution数据管理成熟度模型、Gartner EIM成熟度模型、IBM数据管理委员会成熟度模型、CMMI数据管理成熟度模型、MDM研究所数据治理成熟度模型、Oracle数据管理成熟度模型等。通过研究这些模型，组织能够了解数据治理的复杂性，并开始探索成功的数据治理工作需要什么。管理人员和技术人员将对启动数据治理计划所需的组成部分、范围和深度以及工作水平有所了解，并且需要时间来实现更高的成熟度，组织可以从各种思想中适应自己的成熟模式和框架。

我在借鉴前人先进经验的基础上，结合最新的数据资产管理的理念和企业实际，发明出了一套数据资产管理能力成熟度模型，如下图所示。

数据资产管理能力成熟度评估

数据治理是数据管理框架的核心职能，是对数据资产管理行使权利和控制的活动集合，数据治理涉及到数据管理的组织等多个方面。

数据架构是用于定义数据需求、指导对数据资产的整合和控制、使数据投资与业务战略相匹配的一套整体构件规范。

数据质量是指数据的适用性,描述数据对业务和管理的满足度。

数据安全是指组织中的数据受到保护，没有受到破坏、更改、泄露和非法的访问。

数据生命周期是指数据从设计、开发、应用、存档以及退出的整个过程。

数据价值挖掘指通过对组织数据进行统一的管理、加工和应用，对内支持业务运营、流程优化、营销推广、风险管理、渠道整合等活动。

数据资产运营包括对外支持数据开放共享、数据服务等活动，从而提升数据在组织运营管理过程中的支撑辅助作用，同时实现数据价值的变现。

支撑平台是数据资产管理的IT技术支撑工具，包括数据资产管理平台、数据治理工具以及大数据平台，构建强大的技术平台可以提高数据资产管理的效率、效果，避免线上线下“两张皮”。

成熟度等级

数据资产管理能力成熟度评估

1 初始阶段：数据尚未发挥价值

1.1业务能力

基本的报表

手工作业、依赖于特殊查询

信息超载

未能反映真实情况

事后被动发现问题

1.2系统能力

数据：结构化的内容、静态的

集成：无连结、孤立、非集成的解决方案

应用系统：孤立模块、依赖特定应用系统

基础架构：复杂、关系混乱、特定平台的

2 基本管理：数据支持业务基本工作

2.1业务能力

基本的探索、查询、报表和分析

部分的自动化

完全不同的工作环境

有限制的企业可视度

多种版本的真实情况

2.2系统能力

数据：结构化的内容、有组织的

集成：有部分的集成、孤立的情况依然存在

应用系统：基于组件的应用系统

基础架构：层级式的架构、特定平台的

3主动管理：数据基本能满足业务管理要求

3.1业务能力

有脉络的、基于职责的工作环境的导入

自动化已提升到一定层级

既有的流程和应用系统的增强

整合的业务绩效管理

唯一版本的真实情况

经由分析的、实时性的洞察力

3.2系统能力

数据：基于标准的、结构化的、以及部分非结构化的

集成：孤立系统的集成、信息的虚拟化

应用系统：基于服务的

基础架构：组件式的、SOA逐步浮现、特定平台的

4量化管理：数据完全满足业务需求

4.1业务能力

贯通企业内外的有弹性、具适应力的业务环境

战略业务创新的促进能力

企业绩效和运营的优化

战略洞察力

4.2系统能力

数据：无缝连结并且共享的、信息和流程分离、结构化和非结构化信息完全整合

集成：信息作为一种随时可用的服务

应用系统：流程透过各式服务而集成；有序的业务应用系统

基础架构：有随时恢复能力的SOA、不限于特定技术的

5持续优化：数据成为企业核心竞争力

5.1业务能力

基于角色的日常工作环境

全然融入工作流、流程、和系统的能力

信息激发的流程创新增强的业务流程和运营管理

前瞻性的视野、具预测性的分析

5.2系统能力

数据：所有相关的内部及外部信息无缝连结并且共享的、新增的信息很容易加入

集成：虚拟化的信息服务

应用系统：动态的应用系统组合

基础架构：动态的、可重新配置的、侦测和回应

经过数据资产管理能力成熟度评估，在由低级别向更高成熟度级别提升的过程中，组织所带来的变化可以描述为以下内容：

>>>从被动到主动的管理。

>>>从点解决方案到综合型解决方案。

>>>从“孤立”数据到同步数据（即一致、高质量数据）。

>>>从数据分类和安全级别不一致的本地化系统到一致的数据分类和基于标准的安全管理。

>>>从短视的传统数据管理到企业范围的数据资产全景图。

数据治理的基本原理是获得战略和战术上应对业务挑战的能力、在紧急情况下立即做出响应并确保通过信息共享协调组织响应。如果没有企业数据治理，组织就无法应对机遇和挑战，各部门分别的应对将是不一致和无效的。

没有组织领导的支持，数据治理就不会发生。首席信息官（CIO）在组织上和技术上处于发起和支持数据治理的最佳位置。

在此，呼吁CIO和组织应立即采取如下行动：

1、确定数据治理的范围

确定数据治理计划的机会领域。范围管理至关重要——必须仔细选择有针对性的计划。开始确定实施有效、持续努力所必需的战略伙伴关系。

2、确保数据治理具有来自业务利益相关者（即信息的真正所有者）的适当表示

数据和信息只有在能够使组织内的业务单位及其合作伙伴发挥作用的情况下才具有价值。任何开发有效数据治理的努力都必须涉及业务部门合作伙伴与IT部门之间的密切协作，以确认与组织中各种角色相关的决策权。

3、在现有的企业和数据体系结构实践中实施数据治理

数据治理不是单独的活动。相反，它是在企业体系结构范围内管理企业数据资产的重要机制。

数据资产管理能力成熟度评估