DG知识点整理-数据管理成熟度评估

2023-02-23 本文已影响0人遥望潇湘

//本系列是基于DMBOK2的学习过程中的知识点整理，方便学习与回顾//

能力成熟度评估(CMA)是一种基于CMM框架的能力提升方案，描述了数据管理能力从初始化状态发展到最优化的过程。数据管理成熟度评估的定义是“对组织内处理数据的实践进行评级的方法，以描述数据管理的当前状态及其对组织的影响”

一、基础概念

1.1 目标

1）全面发现和评估整个组织的关键数据管理活动；

2）向利益相关方介绍数据管理的概念、原则和实践，并在更广泛的背景下确定其作为数据创建者和管理者的角色和职责

3）建立或加强可持续的企业访问数据管理计划，以支持运营和战略目标

1.2 风险

1）缺乏组织认同；

2）缺乏专业知识和沟通计划；

3）组织中缺乏数据文化；

4）用于分析的资产不完整或已过期；

5）关注点太过狭小

6）难以接近的工作人员或系统

7）出现诸如监管变化的意外情况

二、领域知识

2.1 评价等级

1. 第一级-初始/临时级：很少或根本没有治理活动，数据处理高度依赖于少数专家，数据治理问题普遍存在。评估标准是对任一流程进行控制，如记录数据治理问题。

2. 第二级-可重复级：有一致的工具和角色定义来支持流程执行，为数据管理提供了监控手段，开始认识到主数据和参考数据概念。评估标准可以是组件中的正式角色定义。

3.第三级-已定义级：引入可扩展的数据管理流程并将其制度化，流程结果可预测。评估标准是制定数据管理政策，数据模型和系统控制的一致性。

4. 第四级-已管理级：开始管理与数据相关的风险，有绩效指标。有结构良好的集中规划和治理功能。评估标准是与项目陈工相关的指标和数据质量指标

5-第五级-优化级：有流程自动化和技术变更管理，数据管理是高度可预测的，组织更关注持续改进。评估标准可能包括变更管理组件和流程改进的度量指标。

2.2 现有DMMA框架

1. CMMI的数据管理成熟度模型：它覆盖了6个领域，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委员会的DCAM：评估重点关注利益相关方的参与程度、流程的形式和展示能力的组件

3. IBM数据治理委员会成熟度模型：四个关键类别 - 结果，使能因素，核心内容，支持内容

4. 斯坦福数据治理成熟度模型：关注数据治理，而非数据管理

5. Gartner的企业信息管理成熟度模型

三、活动

1. 规划评估活动

1）定义目标； 2）选择框架； 3）定义组织范围；4）定义交互方法(让参与者对评估标准进行评分) ；5）计划和沟通

2. 执行成熟度评估

1）收集信息； 2）执行评估(多阶段；需通过讨论让参会者达成一致意见)

3. 解释结果和建议

对结果的解释包括明确提升机会与组织策略保持一致，并建议利用这些机会实施行动

1）报告评估结果：总体结果，差距，优势，建议，风险，投资，衡量进展的指标......

2) 制定管理层简报：优势，差距和建议

4. 制定有针对性的改进计划

DMMA的建议应该是可行的，应该直接影响数据策略和数据管理程序

DMMA评估结果应该足够详细和全面，能支撑多年的数据管理改进计划

5. 重新评估成熟度

定期重新评估

四、工具与方法

4.1 工具

1）数据管理成熟度框架；

2）沟通计划；

3）协作工具；

4）知识管理和元数据存储库

4.2 方法

1）选择DMM框架

2）使用DAMA-DMBOK建立标准

五、治理

1. DMMA过程监督

监督工作由数据治理团队负责

2. 度量指标

1）DMMA评级； 2）资源利用率； 3）风险敞口； 4）支出管理；5）DMMA的输入； 6）变革速度

参考资料

DAMA-DMBOK2中文版