基于DCMM模型的数据资产管理体系探讨

基于DCMM模型的数据资产管理体系探讨

陈 武

440509197609144898

摘要：数据是关键资产，加强数据资产管理有利于促进企业发展。相比于其他模型，DCMM符合国内企业的数据治理需求。基于DCMM模型构建数据资产管理体系有利于提高数据资产管理质量，通过优化数据资产管理体系的设计思路，从数据战略、数据治理、数据标准等方面贯彻落实数据资产管理。

关键词：DCMM模型；数据；数据资产管理

前言：

在大数据兴起的过程中，数据成为了企业与国家的关键资源，大多数企业都提高了对数据的重视程度。但部分企业的数据资产管理能力相对较弱，无法分析利用数据的内在价值。可借助数据管理能力成熟度评估模型（DCMM）来全面检查企业的数据管理能力，帮助企业进行数据资产管理。

1.DCMM模型与数据资产管理概述

1.1 DCMM模型概述

    为了促进企业数据管理工作向规范化发展、提高数据管理能力，全国信息技术标准化技术委员开展了《数据管理能力成熟度评估模型》制定工作，并于2018年发布了国家标准【1】。DCMM模型是我国制定的关于数据管理能力成熟度评估的国家标准，包括数据战略等八个能力域，并将数据管理能力成熟度评级分为了五个等级。在企业数据资产管理中应用DCMM模型具有重要意义，不仅可以为数据管理指明方向，也可以促进数据作为生产要素的规范发展。

1.2 数据资产管理概述

数据资产管理即规划、控制数据资产，提高数据资产的价值。数据资产同时具备数据属性及资产属性，因此既要关注数据从形成到保存等环节的管控，同时又应从管理规划、制度规范、技术标准、业务流程建设等方面进行资产属性的管理。在数据资产管理过程中，管理人员应做好元数据管理、数据开发、数据质量管理等方面的工作，提高数据资产管理质量【2】。

2.基于DCMM模型进行数据资产管理的原因

首先DCMM模型是国家标准，推广潜力相对较大；同时，国内咨询公司以DCMM模型为依据，可以为企业数据管理提供指导服务。其次DCMM模型更符合国内数据管理的需求，DCMM模型是根据国内数据管理的情况制定的，参考了国内众多企业的优秀做法。再有DCMM模型借鉴了国际理论与方法，具有较强的先进性与科学性。最后DCMM模型具有完善的评估体系，可以评估企业的数据管理能力，并为企业分析原因、提供建议。

3.在DCMM模型基础上构建数据资产管理体系

目前大多数企业的数据资产管理仍然处于起步阶段，参考DCMM模型构建数据资产管理体系有助于持续提升数据资产管理能力。数据资产管理体系主要包括数据战略、工作机制、专业能力及价值体现这四个层次。其中数据战略层次是促进数据成为核心资产的原始驱动力，主要包括数据战略规划、实施以及评估等内容；工作机制主要是进行数据治理，包括数据治理组织、数据制度建设等内容；专业能力层次具有数据架构管理、数据质量管理等功能；价值体现层次可以实现数据资产的可视化、可用化以及可控化。

3.1 数据资产管理体系的设计思路

    企业需要明确数据资产管理体系的设计思路，提高设计质量。首先，企业需要明确数据战略、数据管理原则、数据管理目标；明确未来几年内数据管理的优先顺序；明确数据管理职能的边界【3】。其次，企业需要完善数据资产管理长效机制，构建完善的数据资产管理队伍，实现数据资产管理过程中对人力资源、财力资源以及物力资源的协调。此外，企业应提高职工的数据资产管理能力，并完善配套技术体系，促进数据资产管理体系的落实。

3.2 数据资产管理体系的建设

参照DCMM模型，企业可从以下八个方面入手建设数据资产管理体系。

第一，数据战略。企业需要根据整体战略目标以及数据管理的需求制定数据战略规划，增强企业业务战略与数据战略关系的清晰性，明确数据资产管理的重点。其次，企业需要通过有效措施增强各级领导与普通员工的重视，并通过绩效考核、培训宣贯等方式调动员工的积极性，让全体员工积极参与到数据资产管理中。

第二，数据治理。为了有效开展数据治理，企业应明确各级领导与各个部门的数据管理职责，明确数据资产管理的归口部门，并通过发布公文等方式增进各级领导与各个部门对数据治理的了解。之后，企业需要完善数据资产管理制度的建设，将数据管理政策、数据管理办法等内容纳入到管理制度当中。最后，企业需要完善数据资产管理人才的培养方案，加强人才引进与人才培训，为数据资产管理工作的开展提供人才支持。

第三，数据架构。企业需要根据数据资产管理需求完善数据架构，应根据需采集的数据构建数据模型，优化数据分布情况并进行元数据管理。数据模型包括主题域模型、概念模型、逻辑模型、物理模型等层次，企业在构建数据模型时应收集数据需求、制定模型规范、开发数据模型、应用数据模型。数据分布即明确数据在系统中的分布关系，明确数据与业务、组织的关系，为相关工作提供参考。此外，元数据指的是关于数据或数据元素的数据以及关于数据拥有权、访问权的数据。企业在进行元数据管理时需要做好元数据的创建、存储、整合以及控制等工作，并根据业务需求、数据管理需求对元数据进行分类、构建元模型标准，同时需要建立元数据应用与服务，充分挖掘元数据的深层含义。

第四，数据标准。只有构建统一的数据标准才能够增强数据资产管理工作的规范性与合理性，为此企业需要明确现有标准以及完善标准之间的差距，构建统一的数据标准体系，为数据资产管理奠定基础。其次，企业需要分析统一数据标准与业务系统数据字典中的差距，并在两者之间构建差异性映射关系【4】。再次，企业需要做好数据平台的构建工作，对数据资产进行统一接收与管理。

第五，数据质量。数据质量管理即根据业务需求与数据要求制定衡量数据质量的准则，企业需制定数据质量管控机制，明确数据质量的管控方法与具体流程，即明确数据质量的管理目标、评价维度、管理范围以及质量规则，做好数据质量的检查、分析以及提升工作。企业也需要完善数据质量管控体系，将事前预防、事中控制以及事后治理等各个环节结合起来，对数据质量进行主动管控。

第六，数据应用。企业需制定完善的数据应用机制，根据不同部门的实际需求选择合适的数据应用方法，充分展现业务数据等各种数据的价值，真正将数据转变为资产。其次，企业需制定数据共享机制，基于网络进行部分数据的共享，体现数据价值。

第七，数据安全。在数据资产管理过程中，企业需做好数据安全维护工作，企业需通过宣传教育等手段增强职工的数据安全意识，做好数据安全分级分类工作。数据安全定级的操作标准是数据定级；数据安全分级分类的核心内容是安全策略。企业需要根据这些内容进行数据资产梳理、数据安全定级，最终依据企业自身实际需求将数据安全划分为多个安全保护级别。之后企业需要根据数据分级分类的结果制定完善的数据安全管控策略，规范相关人员的职责。

第八，数据生命周期。企业需要明确数据需求，做好数据设计与开发工作。在后期也需要做好数据运维以及退役工作，从而加大对数据的全生命周期管理力度。

结语：

DCMM模型具有诸多优势，例如具有完善的评估体系等，可以为数据资产管理体系的构建提供支持。因此，在构建数据资产管理体系时应综合分析DCMM模型，增强数据资产管理体系的科学性与合理性，为管理工作提供更多的依据。

参考文献：

[1]万程.基于三层B/S架构的数据资产全周期管理方法设计[J].自动化技术与应用,2021,40(06):99-103.

[2]宿晓丹,刘太敏,毛军.数据资产管理体系研究及服务平台架构设计探讨[J].信息与电脑(理论版),2018(15):157-159.

[3]孙添资,刘世民,朱继阳.电力企业数据资产管理系统的架构与实现[J].自动化技术与应用,2018,37(03):50-54.

[4]衡星辰,张诗军,陈丰,季胜鹏.基于SOA架构的电网数据资产管理平台[J].计算机系统应用,2016,25(09):67-72.