# 数据管理成熟度评估

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。CMA概念源于美国国防部为评估软件承包商而建立的标准。

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。在每一个新等级，能力评估会变得更加一致、更可预测、更可靠。当能力呈现出与等级不符的特征时，等级会得到提升，但能力水平有既定顺序，不能跳过任何等级。这些级别包括：

0级。无能力。
1级。初始级或临时级：工作依赖个人能力完成。
2级。受管理级：制定了粗略的流程规划。
3级。已定义级：已建立数据标准并使用。
4级。量化管理级：能力可以被量化和控制。
5级。优化级：能力提升的目标是可量化的。

在每个级别中，判定标准是通过展现的能力特征来描述的。例如，成熟度模型可能包括与流程如何落地执行有关的标准，包括这些执行过程的自动化程度等。它可能侧重于策略、控制及过程细节。

这样评估有助于搞清楚哪方面的工作做得好，哪些工作还有提升空间，以及组织在哪些方面与行业标准存在差距。基于评估结果，组织可以制定线路图以实现以下目标：

与过程、方法、资源和自动化相关的高价值改进机会。
符合业务战略能力。
为定期基于模型评估组织能力开展有针对性的治理项目。

# 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，以便制定计划进行改进。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，从而帮助组织认识、确定优先级和实施改进机会。在实施的过程中，他有助于：

向相关干系人介绍数据管理概念、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。

根据评估结果，组织可以丰富数据管理大纲，从而支撑组织的运营和战略方向。通常，数据管理的计划存在组织孤岛问题，我们需要从企业视图审视数据。

# 评价等级及特点

以下是对数据成熟度宏观状态的一般总结，包括每个知识领域内的子类别标准的详细评估，如战略、政策、标准、角色定义等。

0级：无能力。在数据管理中，管理活动或正式企业流程处于无组织状态。
1级。使用有限的工具集进行通用数据管理，很少或根本没有治理活动。数据处理高度依赖少数专家，角色和责任在各部门中分开定义。每个数据所有者自主接收、生成和发送数据的应用不一致。管理数据的解决方案有限，数据质量问题普遍存在，但无法得到解决，基础设施支持处于业务单元级别。
2级。有一致的工具和角色定义来支持流程执行。组织开始使用集中化的工具，为数据管理提供更多的监控手段。角色的定义和流程并不完全依赖特定专家。组织对数据质量问题和概念有认识，开始认识到主数据和参考数据等概念。
3级。有新兴数据管理能力，引入了可扩展的数据管理流程并将其制度化，并将数据管理视为一种组织促成因素。其特点包括在组织中的数据收到控制，总体数据质量普遍提高。有协调一致的政策定义和管理。越正式的流程定义越能显著减少人工干预，这样伴随着集中化的设计流程，意味着流程和结果更加可预测。
4级。从1~3级增长中获得的经验积累使组织能够在即将开展新项目和任务时预测结果，并开始管理与数据相关的风险，数据管理包括一些绩效指标。此时，企业已经完成桌面到基础设施的数据管理工具标准化，以及具备了结构良好的集中规划和治理能力。此级别的机构在数据质量和安全组织数据管理能力等方面较以往会有显著性提高。
5级。当数据管理实践得到优化时，由于流程自动化和技术变更管理，它们是高度可预测的，这个成熟度级别的组织会更关注与持续改进。在当前级别，工具支持跨流程查看数据，企业使用容易理解的指标来管理和度量数据质量。

# 评估标准

每个能力级别都有与正在评估的流程和标准。例如，如果正在评估数据建模功能的成熟度，那1级可以会问到是否有数据建模实践以及实践在多少个系统；2级可能会要求定义企业数据建模方法；3级将考察该方法的实施推广程度；4级将查看建模标准是否得到了有效的执行；5级将要求有适当的方式来改进建模实践。

在进行成熟度评估时，可以根据不同的类别制定标准：

活动。是否定义了有效和高效的执行标准？活动的定义和执行情况是达标？是否产生最佳实践输出？
工具。日常活动和行为在多大程度上是由一组通用工具实现自动化和支持的？是否在特定角色和职责范围内提供工具培训？工具是否在需要的地方被正确的使用？它们是否优化配置以提供最有效最高效的结果？长期技术计划应制定到何种程度，才能适应未来的需求？
标准。日常工作是否有一套通用标准提供支持？这些标准是否有统一文件记录？标准是否有治理活动和变更管理活动强制执行和支持？
人员和资源。组织在多大程度上配备人员执行数据相关的工作？执行活动需要具备哪些特定的技能？角色和职责是否有明确的定义？

下方雷达图直观的呈现了数据管理成熟度评估的结果。对于每种能力，图形的外环显示了组织所需的能力等级，内环显示通过评估确定的能力等级，两环之间距离最大的区域代表组织面临最大的风险。

# 几种数据评估框架

# 数据成熟度评估工作路径

评估计划包括确定总体方法，并在评估之前和评估期间与相关干系人进行充分沟通，确保他们参与评估工作。评估本身包括手机和评估输入、沟通结果、建议和行动计划。具体规划工作如下：

定义目标：数据成熟度评估的驱动因素需要以目标的形式进行阐述，同时描述评估的影响范围和重点。管理人员和业务部门需要清楚的了解评估的目标，以确保其与组织的战略方向保持一致。
选择框架：现有框架侧重于数据管理的不同方面，根据当前状况和评估目标的假设审查这些框架，以便选择并裁剪一个对组织有意义的框架。评估模型的聚焦领域可以根据组织的侧重或范围进行定制。
定义组织范围：虽然大部分框架的设计都可以使用于整个企业。但是在整个企业范围实施可能会付出较大成本，数据成熟度评估的前期，最好定义一个可控的范围，如单个业务领域或项目。
定义工作方法：采用一个能在组织文化中运作良好的方法，让参与者对评估过程有清晰认识的情况下定义评估行动。
计划沟通：沟通有助于评估项目的整体成功以及由此产生相应行动的推进，应该在参与者和其他利益相关方之间进行沟通。相应就个人和组织的目的、过程和具体期望进行清楚的沟通，确保参与者了解评估模型以及如何使用评估结果。
收集信息：根据已定义的工作方法收集评估信息。收集的信息至少要包括评估标准的正确评级，还可以包括访谈和焦点小组的成果，系统分析和设计文档、数据调研报告、应用程序手册、标准、策略、文件存储库、标准工作流、元数据存储库、数据和集成参考架构等等。
执行评估：审查和评级方法，并为每个评估事项给定初步评级，同时与参与者进行讨论，就每个领域的最终评分达成共识，利用可视化工具展示并说明评估结果。

← 元数据管理度量指标 →