7
International)于 2009 年发布了数据管理知识体系
1
,并于 2017 年对数据管理模型进行了更新
2
。
此外,Gartner、IBM 等企业纷纷提出了数据管理能力评价模型。我国于 2018 年发布《数据管理
能力成熟度评估模型》(GB/T 36073-3018)国家标准,成为国内数据管理领域的第一个国家标准,
相对全面的定义了数据管理活动框架,包含 8 个能力域、28 个能力项。
整体来看,目前主要的数据管理理论框架之间有很强的相似性,主要从数据管理的技术侧或
管理侧出发,明确数据管理的活动职能和管理手段,并按照一定标准对组织的数据能力进行等级
评定。但是,多数框架未强调数据资产价值性,忽略了数据资产价值实现路径。
2. 数据资产管理发展现状
根据《数据管理能力成熟度评估模型》(以下简称“DCMM”)的评估与调研结果,现阶段
数据资产管理在能力分布、实践模式等方面呈现如下特点:
一是行业间数据资产管理能力差异分布显著。工业和制造业、能源行业、医疗行业、教育行
业等传统行业仍处于初级阶段,数据资产管理的意识和动力不足,数据资产管理的资源投入仍集
中于大数据平台建设,尚未组建相对专业化的数据资产管理团队,尝试性对核心业务开展数据标
准化工作。DCMM 评估结果显示,以上行业评估结果集中于第 2 级。金融行业、互联网行业、通
信行业、零售行业等较早享受到了“数据红利”,持续推进业务线上化,数据资产管理重要性随
之提升,逐步发展数据资产管理部门,加大技术创新与应用,开展数据分析和数据服务。DCMM
评估结果显示,以上行业评估结果集中于第 3 级或以上。
二是企业间数据资产管理实践模式有所不同。对于数据资产管理能力相对薄弱的企业,多以
主数据管理作为数据资产管理的切入点,以数据标准化作为试点期间主要目标(表现为 DCMM
评估数据标准管理能力域得分显著高于其它能力域);对于数据资产管理能力基础较好的企业,
制定数据战略与实施路线,确保数据资产管理与业务发展、IT 发展的一致性,以提高管理效率、
提升数据价值为主要目标(表现为 DCMM 评估数据战略、数据架构、数据应用能力域得分显著
高于平均水平)。
1.【美】DAMA 国际 ,《Data Management Body of Knowledge, DMBOK 2009》.
2.【美】DAMA 国际 ,《DAMA 数据管理知识体系指南》(2017).
CHAPTER -1
数据资产管理概述