第15章 数据管理成熟度评估
一、引言
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。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。它还可以帮助组织在等级评估的指导下进行改进，与竞争对手或合作伙伴进行比较。
评估有助于搞清楚哪些方面的工作做得很好，哪些方面的工作做得不好，以及组织在哪些方面存在差距。基于评估结果，组织科制定路线图以实现以下目标：
- 与过程、方法、资源和自动化相关的高价值改进机会。
- 符合业务战略的能力。
- 为定期基于模型评估组织能力开展治理项目。
1.1 业务驱动因素
各组织进行能力成熟度评估有以下几个原因：
- 监管。监管对数据管理提出了最低成熟度水平要求。
- 数据治理。处于规划与合规性目的，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。DMMA为应对这些挑战制订了规划。
- 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。
- 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。
1.2 目标和原则
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，以便定制计划进行改进。在实现其主要目标时，DMMA可以对文化产生积极影响，它有助于：
- 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责任。
- 强调将数据作为关键资产进行管理的必要性。
- 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的协作。
1.3 基本概念
1.3.1 评价等级及特点
| 0级 | 无能力 | 管理活动或正式企业流程处于无组织的状态 |
| 1级 | 初始/临时级 |
|
| 2级 | 可重复级 |
|
| 3级 | 已定义级 |
|
| 4级 | 已管理级 |
|
| 5级 | 优化级 |
|
1.3.2 现有DAMA框架
（1）CMMI数据管理成熟度模型（DMM）
CMMI开发了CMMI-DMM（数据管理成熟度模型），该模型为以下数据管理领域提供了评估标准：
- 数据管理策略
- 数据治理
- 数据质量
- 平台与架构
- 数据操作
- 支持流程
（2）EDM委员会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。
（3）IBM数据治理委员会成熟度模型
该模型的目的是通过经验验证有可无技术、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。该模型围绕4个关键类别组成：
- 结果。数据风险管理和合规、价值创造。
- 使能因素。组织结构和认知、政策、管理。
- 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。
- 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。
（4）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。该模型分为基础部分（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，该模型都清楚地说明了人员、政策和能力的驱动因素，而且阐明了每个成熟度级别的特征，并为每个级别提供了定性和定量的测量。
（5）Gartner的企业信息管理成熟度模型
Gartner发布了一个企业信息管理成熟度模型，该模型建立了评估远景、战略、度量、治理、角色和责任、生命周期和基础架构的标准
二、活动
评估是通过向业务、数据管理和信息技术参与者征求意见来进行的，目的是在证据的支持下就当前的状态能力达成共识。评估可以扩展以满足组织需求，但修改时须小心谨慎。如果裁剪或修改模型，模型可能会失去原始的严谨性或可追溯性。自定义模型时，应保持模型的完整性不变。
2.1 规划评估活动
评估计划包括确定总体方法，并在评估之前和评估期间与利益相关方进行沟通，确保他们参与评估工作。评估本身包括收集和评估输入、沟通结果、建议和行动计划。
2.1.1 定义目标
驱动因素必须以目标的形式进行阐明，描述评估的影响范围和重点。管理人员和业务部门必须清楚地了解评估的目标，以确保其与组织的战略方向保持一致。评估目标还需提供一些标准，包括采用哪种评估模型、哪些业务领域需要优先评估、由谁提供直接的输入等。
2.1.2 选择框架
根据当前状态和评估目标的假设审查框架，以便选择一个对组织有帮助意义的框架。框架的选择影响评估的进行方式，因此响应的工作小组必须具备模型和相应方法论方面的知识。
2.1.3 定义组织范围
- 局部评估。可更深入地了解细节，也可更快地完成，因为范围有限。
- 企业评估。侧重于组织中广泛存在的、有时是不连贯的部分。企业评估可以由多个局部评估组成，也可以是一个独立的任务。
2.1.4 定义交互方式
信息收集活动可能包括研讨会、访谈、调查和组件评审。采用一个能在组织文化中运作良好的方法，可以尽量减少参与者的时间投入，以便在参与者对评估过程还有清洗认识的情况下定义评估行动，并使评估能够快速完成。
2.1.5 计划沟通
在评估开始前，应告知利益相关方对评估的期望。沟通应描述：
- 数据管理成熟度评估的目的
- 评估应如何进行
- 他们参与的是什么部分
- 评估活动的时间表
在任何评估活动期间，确保有明确的议程，包括解决待办事项问题的计划。不断提醒参与者活动的目标和目的，对参与者的持续参与表达感激并向其描述下一步计划。
2.2 执行成熟度评估
2.2.1 收集信息
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。
2.2.2 执行评估
总体评价任务和解释通常是多阶段的。参与者可能会对同一个评估主题产生不同的评级意见，需要通过讨论达成一致意见。输入由各位参与者提供，然后通过组件评审或评估团队的检查进行改进。改进需要进行如下过程：
- 审查评级方法，并为每个工作产品或活动给定初步评级
- 记录支持证据。
- 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。
- 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。
- 开发可视化工具，展示说明评估结果。
2.3 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。
2.3.1 报告评估结果
评估报告应包括：
- 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
- 所观察到的组织的优势
- 进展的风险
- 投资和成果选项
- 衡量进展的治理和标准
- 资源分析与未来潜在效用
- 可在组织内使用或重复使用的组件
2.3.2 制定管理层简报
评估团队应准备管理层简报来总结调查结果（包括优势、差距和建议），管理层使用这些结果作为制定有关目标、计划和时间表的决策的输入。团队必须提炼这些信息，以明确每个执行组可能产生的影响和利益。
2.4 制定有针对性的改进计划
DMM评估结果应满足够详细和全面，能支撑多年的数据管理改进计划，包括该组织建立数据管理能力所做的最佳实践举措。由于变革主要通过项目在组织中发生，所以新项目必须采用更好的实践措施。路线图或参考计划应包括：
- 对特定数据管理功能进行改进的系列活动。
- 实施改进活动的时间表
- 一旦活动实施，DMMA评级的预期改善情况。
- 监督活动，包括在时间线上逐渐成熟的监督。
2.5 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
- 根据相对于初始基线的趋势
- 根据重新评估结果制定建议。
三、工具
- 数据管理成熟度框架。成熟度评估中使用的主要工具是DMM框架本身。
- 沟通计划。沟通计划包括利益相关方的参与模式、要共享的信息类型和时间表等。
- 协作工具。协作工具允许共享评估结果。数据管理实践的证据可在电子邮件、完整的模板和评审文档中找到，评审文档是通过协作设计、操作、事件跟踪、审查和批准的标准流程产生的。
- 知识管理和元数据存储库。可在这些存储库中管理数据标准、策略、方法、议程、会议记录或决策，以及用作实践证明的业务和技术组件。
四、方法
4.1 选择DMM框架
在选择DMM框架时，应考虑以下标准：
- 易用性。实践活动是以非技术性属于来描述的，它传达了活动的功能本质。
- 全面性。该框架涉及广泛的数据管理活动，包括业务参与，而不仅仅是IT过程。
- 可扩展性和灵活性。框架的结构能够支持增强行业特定或附加的规程，并且可以根据组织的需要全部或部分使用。
- 内置的未来演进路径。虽然不同组织确定的优先级不通，但DMM框架描述了每个功能逻辑前进的方式。
- 行业不可知论与行业特定论。DMM框架都应该遵循垂直领域的数据管理最佳实践。
- 抽象或详细程度。实践和评估标准表达详细，可确保它们指导相关执行工作。
- 非规定性。框架描述了需要执行的内容，而不是必须如何执行。
- 按主题组织。框架将数据管理活动放置在适当的情景中，使每个活动都能够单独评估，同时又可识别依赖关系。
- 可重复。该框架可得到一致的解释，支持可重复的结果，以便将一个组织与其他行业中的其他组织进行比较，并跟踪一段时间内的进展情况。
- 由中立的独立组织支持。为了避免利益冲突，该模型应由保持中立的供应商广泛提供，以确保最佳实践的广泛代表性。
- 技术中立。模型的重点应放在实践上，而不是放在工具上。
- 培训支持。该模型有全面的培训支持，使专业人员能够掌握框架并优化其使用方法。
4.2 DAMA-DMBOK框架使用
DAMA-DMBOK可用于为DAMA准备工作或建立标准。执行人将看到各分段智能和相应任务之间的直接联系，DMBOK知识领域、活动和可交付陈国可根据测量的领域、其支持的活动、相关性和可用时间配置特定的DMM框架。这种快速的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。
五、成熟度管理治理
5.1 DMMA过程监督
对DMMA过程的监督工作属于数据治理团队，监督的广度和深度取决于DMMA的范围。流程中涉及的每个功能在执行、方法、结构和总体评估的路线图中都有发言权。每个涉及的数据管理区域和组织都能将有一个独立的视图，将通过DMM框架拥有共同语言。
5.2 度量指标
度量指标除了作为改进策略的核心组成部分之外，也是关键的沟通工具。初始DMMA指标是表示当前数据管理状态的评级，可以定期对这些进行重新评估，以显示改进趋势。每个组织都应该根据其目标状态路线图开发指标。指标示例可能包括：
- DMMA评级。DMMA评级提供了组织能力级别的快照。
- 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。
- 风险敞口。对风险情景做出反应的能力，反映了组织相对其DMMA评级的能力。
- 支出管理。表示如何在整个组织中分配数据个历成本，并确定此成本对可持续性和价值的影响。这些指标与数据治理指标相重叠。数据管理可持续性、实现主动性的目标和目的、沟通的有效性、教育和培训的有效性、变更采用的速度、数据管理价值、对业务目标的贡献、降低风险、提高运营效率。
- DMMA的输入。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。
- 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。