其间重中之重在于点评模型的树立，今日为咱们供给14个模型作为参阅，须结合本身安排业态作适配性调整，辅以到达完结企业战略方针是要害。

　　本文包括CMM、DMM、DCMM、DCAM、MD3M、DataFlux、IBMMMI、DSMM、IOMM、中新联团标、毕马威&阿里数智化转型结构、普华永道企业数字化老练度点评架构、华为ODMM共14个点评模型。

　　树立了数字化安排，装备了数字化人才，培养了数字化文明，算转型成功吗？即使数字化战略方针没有完结。

　　搭建了数字化根底环境，运用了数字化技能（如云核算、大数据、AI等），算转型成功吗？即使事务决议方案用到了数据。

　　在笔者看来：企业数字化转型不是从0到1，而是从1到100。转型是一个进程，场景从简略到杂乱，运用从部分到广泛，继续优化、逐渐成长。

　　也便是说，虽然欠好界定数字化转型的成功或失利，可是数字化是有成长周期的，是一个从萌发，不断成长，不断老练的进程。而企业数字化老练度的点评，便是协助企业找到数字化究竟坐落何处，还有哪些缺少，应该从哪里改善等问题的答案。

　　说到“老练度点评模型”，不得不提一下才干老练度模型的开山祖师——CMM。可以说，简直全部老练度模型都学习了CMM的思路，根本都是将所触及的才干（例如：

　　软件才干、数据办理才干、数字化才干）区别为多个范畴，每个范畴又可以区别多个子范畴，每个子范畴又可以分为多个点评方针。然后归纳这些评标进行点评，然后得到该范畴的老练度状况。而所谓老练度便是几个可以逐渐进步的等级（CMM示例），如下图所示：

　　解读剖析：这个阶段，企业和安排的数据办理进程是暂时性的，首要在项目等级履行。没有构成跨事务范畴数据办理流程，数据办理进程是被迫的，例如，关于数据质量的批改。关于数据办理的根本改善或许存在，但改善尚未在企业或安排规划内进行明晰、宣贯和推行。

　　解读剖析：这个阶段，数据财物化的观念被企业或安排所认可，企业测验并打开了数据办理的相关作业。依照企业的方针拟定了相关方针和履行进程，雇佣有专业知识的数据办理人员来对数据进行办理，使得中心数据可以受控输出；数据办理在企业部分规划打开，触及部分事务部分或利益相关者；部分数据开端进行数据的监控、操控和进程查看，估进程是否契合其数据办理的要求。

　　解读剖析：跟着时刻的推移，数据现已被企业视为除了人员、资金和物资的第四种出产要素。企业界部现已树立和改善了一些数据办理的流程，改善了数据质量。依据企业的数据战略和辅导方针，从一组规范的数据办理进程中可以定制满意企业特定需求的数据办理办法，并赋以履行。

　　解读剖析：这个阶段，企业已根本树立起可猜测和衡量数据的方针系统，以进步数据质量。对不不同类别的数据发动有差异的办理流程，企业运用了元数据办理、数据质量办理、主数据办理等运用，对数据的事务意义、事务规矩、质量规矩进行了一起的描绘，在公司规划内构成一起性的了解，并在整个数据的生命周期中进行办理。

　　解读剖析：经过立异性的改善，企业数据办理才干不断进步。经过数据办理才干的增强反运用于推动事务增加和决议方案才干的进步，企业的数据办理才干现已展开成为职业的标杆，可以在整个职业界进行先进经历的同享。

　　DMM模型供给了数据办理的最佳实践路途图，协助组企业构建、改善和衡量其企业数据办理才干。该模型环绕着数据办理老练度（DMM）模型打开，该模型是一个归纳的数据办理实践结构，分为六个要害类别，协助安排对其才干进行基准评测，找出优势和距离，并运用其数据财物进步事务绩效。

　　DMM模型包括25个进程域，由20个数据办理进程域和5个支撑进程域组成，按管控维度不同分为：数据战略、数据办理、数据质量、数据运营、途径与架构、支撑流程6个类型，如下图所示：

　　DCMM模型，依照安排、原则、流程、技能对数据办理才干进行了剖析、总结，提炼出安排数据办理的八大进程域，即：数据战略、数据办理、数据架构、数据运用、数据安全、数据质量办理、数据规范、数据生命周期。这八个进程域共包括28个进程项，441项点评方针。

　　与CMMI类似，DCMM模型将安排的数据才干老练度区别为初始级、受办理级、稳健级、量化办理级和优化级共5个展开等级，协助安排进行数据办理才干老练度的点评。

　　假如你的企业要做DCMM点评，可以找国家工业信息安全展开研讨中心，是全国仅有的6家具有DCMM点评资质的单位。

　　数据办理才干点评模型(datamanagement capability assessment model，DCAM)是由EDM主导，安排金融职业企业参加编制和验证，依据许多实践事例的经历总结来进行编写的。DCAM首要界说了数据才干老练度点评触及的才干规划和点评的原则，然后从战略、安排、技能和操作的最佳实践等方面描绘了怎么成功地进行数据办理。终究，又结合数据的事务价值和数据操作的实践状况界说数据办理的原则。

　　如上图所示，在DCAM2.0中，首要着重团队协作（流程）、规范履行和资金支撑，DCAM2.0 分为以下功用域（7大组件）：

　　MD3M老练度模型参阅了COBIT（IT老练度规范）、Oracle、DataFlux等已有模型，将主数据办理的老练度区别为5级，如图：

　　阐明：以下是对MD3M老练度等级的解读，期间为了便于咱们更好的了解，会引证一些实在的“微事例”。“微事例”触及的客户称号已做了相关脱敏，请看到的老板不要对号入座。

　　处于初始级的企业，主数据问题早已存在并且在企业里被提出，可是企业没有认认识到要进行主数据办理，或许不知道该怎么办理主数据。当然也有一部分企业的职工乃至不知道主数据是个啥。

　　企业现已知道到了主数据的重要性，并且开端在项目中进行主数据的办理。可是这种办理仅仅在单个项目中进行，没有推行运用到其他部分或系统中。这种状况在许多企业普遍存在，例如：X企业上了一套CRM，仅仅在CRM中将客户主数据进行了收拾和清洗，并且用必定流程办理起来了，可是CRM的客户数据并没有与财政系统、ERP系统等系统打通。

　　企业充沛知道到了主数据的问题、影响和价值，并对主数据办理榜首次在企业战略层面提出，企业开端活跃的考虑主数据该怎么办理，并引入主数据办理东西，进行主数据的试点运用。笔者触摸了许多主数据的客户，部分客户是现已处于第三级的。笔者发现，处于这个层级的客户有一个一起点，便是关于主数据比较苍茫。正如Y企业CIO吐槽：“咱们都知道到了主数据的重要性，并且主数据系统现已运转了3年，可是主数据的价值如同并没有发挥出来。还有便是咱们主数据途径刚上的时分，主数据质量还行，可是现在去看现已和3年前没太大差别了”

　　企业拟定了一套主数据办理的最佳实践，主数据被企业的中心财物进行办理，关于主数据的请求、批阅、搜集、分发拟定了明晰的流程和规范，关于主数据的数据质量有着明晰的衡量规范和查核原则。这儿，咱们剖析下上述事例Y企业CIO的苍茫，Y企业之所以存在对主数据的困惑，一方面是认知问题，关于主数据重要性仅仅部分认知，比方：领导知道到了、职工没有知道到；IT人员知道到、事务人员没知道到；CIO知道到了，CEO没有知道到……；另一方面，主数据办理并不是上一个系统就能万事大吉的，是需求企业继续的运营才干收效的，配套的规范、流程、原则、查核是必不行少的。

　　该层级称为：继续优化级。主数据办理是一个继续进步的进程，不行一蹴即至。咱们看到主数据做的十分成功的企业，都有两个特色：1）再一开端做主数据的时分，企业对要完结的事务方针和办理的主数据规划就十辨明晰，一般都是选1~2个中心主数据进行试点施行。2）试点施行阶段企业会树立起一整套的主数据施行最近实践（安排的建造、数据规范、办理流程和原则、运维规范、运营及查核），试点成功再将这套最佳实践仿制到企业的其他事务域，完结主数据全域掩盖。主数据的施行进程是企业数据战略落地的进程，肯定不是购买一套东西就能处理的问题，办法、安排、规范、原则、流程、技能与东西样样不行短少。咱们看到，有的企业施行主数据凭借了外部咨询公司的力气，由咨询公司协助规划施行规划、树立原则和流程、拟定施行路途图等，取得了不错的作用。【有需求做数字化咨询的老板请找罗百辉教师】

　　MD3M选用自下而上的办法拟定了主数据办理才干老练度点评的5个要害主题和13要点范畴，见下图：

　　与咱们之前同享的DMM模型不同的是，MD3M更注重于主题，而不是进程。由于不同公司的流程或许不同，假如MD3M过于专心于流程，它将不再是通用的。MD3M模型根本包括了主数据办理的全部方面，适用于办理主数据的全部公司，尤其是大型公司。关于小型企业来说，施行精心规划的MDM办法的所需的本钱或许将被夸张。

　　该模型源自《DataFlux White Paper-MDM-Components-Maturity-Model》，本白皮书探讨了依据供给MDM服务的才干的老练度等级，经过依据MDM相关组件层的老练度来表明它们，企业办理层可以针对所需的MDM老练度等级，规划开发一个主数据办理的施行路途图，用于辅导企业主数据办理的施行和成功落地。DataFlux模型从数据架构、数据办理、数据办理、数据辨认、数据整合、事务流程办理六个层面界说了主数据办理老练度的中心影响要素，如下图所示：

　　要创立主数据时，需求将企业中相关实体存在的各种不同格局和结构的全部数据元素合并到一个可以习惯这些差异的会集资源中，然后反应到这些不同的表明中。这意味着有必要有一个一起的主模型来充任中心存储库。数据模型是MDM作业的杂乱但不行分割的一部分，需求将异构系统间的相关要害元素合并到一个模型中，主数据模型要可以习惯相关异构系统的不同运用需求。引荐的做法是取各个系统主数据元素的交集部分+主数据的天然特色构成主数据模型。

　　贯穿于主数据办理的整个生命周期（创立、改变、拜访、刊出），为主数据供给根底的办理和保护功用，可以针对特定的场景或运用（例如：产品或客户的办理）设置增强性功用。例如，某些特色信息可以在不同的时刻经过不同的运用系统搜集，假如答应不同的运用系统有数据的创立权限，则可以为每个运用系统调整创立服务以获取主数据所需的内容。这触及多源头数据的归集，操作上需求稳重。我一般主张将主数据源头一起，假如实在一起不了，可以经过系统自动提取+人工干预的办法完结主数据特色的整合，构成完好数据视图。

　　异构运用系统运用所需的数据方针服务或许会有必定的差异，所需的数据服务也有进一步的要求，例如同步、序列化拜访操控、集成与整合、数据拜访。经过布置可重用并且与事务流程相关的主数据服务，将事务运用系统分层到数据方针服务层，并对数据服务进行权限的区别。主数据服务架构要害点在于流程驱动、按特色授权。主数据办理本身也是一项事务活动，需求依据相应的事务规矩按次序流通；权限区别是指不同流程节点可以装备不同的数据特色，并且这些特色可以分配给不同的人物/岗位进行办理。

　　DataFlux 以为数据的办理和监督应当作为企业千年展开方针的方针。由于MDM是一项企业建议，因而有必要保证利益相关者将恪守、办理、参加主数据的办理和数据同享。跨不同事务域运用的主数据办理将处理数据办理、全部权、合规性、隐私、数据危险、数据敏感性、元数据办理、主数据办理以及数据安全等问题。这些问题中的每一个都侧重于将数据技能和办理监督结合起来，保证安排恪守界说的原则和方针。

　　对企业数据元的规范化界说，明晰数据语义、取值。点评安排数据元素信息并将这些信息编制成事务元数据，构成了终究驱动和操控主数据方针的模型。有了这些数据元规范化界说，安排就了解了怎么将这些界说解析为主数据的仅有视图。

　　辨认数据元称号、界说和其他相关特色的进程，除了搜集有关潜在可用的很多数据元素的规范技能细节外，企业还需求承认： 每个数据元的事务用处， 哪些数据元界说触及相同的概念， 不同运用程序怎么创立、读取、批改或失效每个数据元，事务流程中的数据质量特征、查看和监控方位，等等这一系列的进程都是元数据办理。主数据办理的各个进程都是环绕元数据模型打开的。

　　事务绩效和运营出产力依托于高质量的数据——在安排层面——成为任何MDM方案的中心才干。MDM的成功依托于数据办理，但办理可以跨不同的事务域运用，为企业规划的布置供给规划经济。办理的各个方面至关重要，由于全部权模型和监督机制保证MDM环境中的参加者认识到信息的质量得到了活跃办理。

　　每一个主数据方针类型都对应与实在国际的一个实体方针，每个实体方针都有一个仅有辨认的身份，这意味着在主数据资源库中，需求为每个主数据方针供给相应的标识信息，用来辨认和标识数据方针的仅有性。

　　主数据系统应具有数据联系办理的才干，例如：客户之间的相相联系，供货商与所供给产品的联系等等。这些联系反映在链接层次结构中，并供给支撑这些衔接办理的服务组件。笔者以为：“联系型主数据将在主数据办理中扮演越来越重要的人物”。

　　与事务运用系统不同，主数据的集成、上线是一个需求过渡的进程。无论是逐渐的过渡仍是彻底的运用新规范、新系统，数据搬迁方案一般都会使旧系统版别与规范化后的版别一起运转一段时刻，以保证对新版别正确地满意事务需求的进步决计。

　　标识解析是指可以将两个或多个数据元素表明可以解析为仅有方针的一个表明，即：经过必定的数据元素的组合进行主数据的仅有性辨认。标识解析是一项重要的主数据办理技能，现在该技能已被成功运用到国家工业互联网的战略布局中，经过将标识解析与互联网相结合，经过为每个机器、产品、零部件设置网络虚拟“身份证”，支撑经过“身份证号”完结物料追溯、产品追寻，然后完结跨地域、跨职业、跨企业的信息同享。

　　在承认了数据的解析标识后，数据的规矩算法就被运用到很多的记载中。 有一些规矩可以被视为自动匹配，这些规矩不只依托于类似性的量化，并且有必要依据运用程序界说，数据规矩用于数据的树立和数据的整合进程。

　　运用标识解析来查看企业数据集，以区别表明仅有实体的记载，然后将其加载到规范表明中。运用数据规矩寻觅类似的数据记载，类似的记载要经过算法来判定每个数据特色中的值的类似度，为主数据的查重和合并进程铺平了路途。

　　主数据的方针不只在于支撑多个运用系统的集成，还可以为数据剖析供给高质量的主数据。MDM系统树立数据服务层的中心主实体为树立一组分层的信息服务供给根底，以支撑事务运用的快速和高效的开发。

　　树立一个MDM系统将主数据一起办理起来，完结单一源头的主数据办理，而不运用这些数据是没有意义的，树立单一数据源的一个驱动要素是树立一个可以在整个企业中同享的高质量数据财物。这个方针需求双向数据流：主数据有必要很简单地进入主数据库，并且企业运用程序也有必要相同简单地拜访这些数据。MDM系统有必要以最小损坏性的办法习惯现有的运用程序根底架构，一起供给一个规范化的途径，进行数据的转化和同步，为运用系统供给数据服务。

　　跟着MDM的深化运用，新的运用程序越来越多地依托主数据方针及其相应功用的来支撑新的事务系统结构规划。规范化的主数据削减了对传统面向数据的问题（例如，数据拜访和操作、安全和拜访操控或战略办理），运用MDM服务层整合运用系统，被越来越多的企业所喜爱，这种办法还将为现有系统的整合和未来系统的规划供给额定的价值。

　　依据事务流程驱动的主数据办理是MDM的首要手法。MDM系统规划中的一个要害要素是保证系统是事务驱动的，虽然MDM是一种技能，但人们普遍以为，在不将主数据办理的功用组件链接到相应的事务流程模型的状况下施行主数据办理是一种无用的活动，进一步着重了“流程驱动”在主数据办理中的重要性。

　　事务流程模型是一种逻辑表明，它以一种办法描绘事务流程，并在恰当的时刻将恰当的细节传达给恰当的人。一般罗列所触及的进程、流程的输入、操控进程等方面、作为进程效果出现的事情以及进程的预期输出。本质上MDM也是一项事务活动，不同的主数据需求在不同的时刻、由不同的人保护和办理不同的数据元素，而这个进程是依托流程模型来驱动的。

　　在任何事务流程模型中，用于履行特定操作的逻辑将主数据方针的值的点评和界说的控件结合在一起。查看这些值以承认要采纳的操作，这些操作将创立新值并触发新控件。

　　在经过事务流程建模和集成组件的界说和需求以及经过依据规矩的系统完结事务规矩的根底上，是事务组件层。在这一层，咱们可以开端创立更杂乱的可重用事务服务，包括数据的映射、转化、同步、拜访等。

　　DataFlux界说老练度模型的意图并不是供给一个基准来衡量全部MDM老练度才干。相反，许多安排现已规划、架构和布置了所描绘功用的相关版别。因而，老练度等级描绘了怎么为主数据的存储和运用已布置的组件或服务。一起，它还指出了促进更杂乱的运用系统对主数据依托所需的功用和组件。

　　解读剖析：在初始级，运用主数据的或许性是有限的，可是有某种程度的知道到某些数据集存在多个副本，并与多个运用系统相相关。部分事务或技能人员预备探究整合数据集以完结某些运用集成或数据剖析的意图。

　　解读剖析：企业对多个异构系统之间的信息孤岛问题、数据不一起问题有了深入的认知，并且这些问题对企业造成了必定的困扰，企业正在测验经过必定的办理或技能手法处理这一问题。企业购买了一些软件和东西，测验进行将不同运用系统间元数据的整合。

　　解读剖析：关于主数据的办理要点或许会集在单个范畴，处理特定的问题，完结了单一事务线条的数据一起。办理级还答应企业对新运用程序和现有运用程序的数据进行整合，整合和同步成为了主数据的重要特色。

　　首要特色：自动化的流程驱动数据办理，运用系统经过服务层与主数据库集成，如标识解析、层次结构办理、映射办理、转化办理。

　　解读剖析：跟着安排树立起相应的主数据模型和数据服务系统结构，在削减单个运用系统对仿制数据的依托方面变得愈加娴熟。自动式办理可以更好地在客户、供货商和供货商等级树立联系，依据汇总和整合数据的完好数据模型作为中心企业资源进行办理，数据办理在整个安排中有用，对事务和办理都起到了必定的支撑作用。

　　首要特色：MDM与面向服务系统架构相结合，为企业运用系统的操作和剖析需求的供给高质量的数据保证。

　　解读剖析：处于该层次的主数据办理结合了先进的技能，与商务智能剖析构成双向互补机制，主数据为商务智能供给牢靠的数据，商务智能的相关剖析效果可以作为主数据方针进行办理，然后为用户供给更有用和一起的猜测剖析，为下降企业本钱、进步企业绩效供给支撑。

　　方针。方针是数据办理方案的预期效果，一般致力于下降危险和价值发明。数据危险办理和规范性是用来承认数据办理与危险办理的相关度及合规性，用来量化、盯梢、防止或搬运危险。价值发明是经过有用的数据办理，完结数据财物化协助安排发明更大的价值。

　　支撑条件。安排机构与认识，数据办理需求树立相应的安排机构（例如：数据办理委员会、数据办理作业组等），并安排的全职的人员打开数据办理作业，一起，需求树立起数据办理的相关原则并且取得高管的注重。办理作业，拟定数据质量操控的规程和原则，用来办理数据以完结数据财物的增值和危险操控。战略，安排应在数据战略层面设置明晰的方针的方向。

　　中心规程。数据质量办理，进步数据质量，保证数据的一起性、准确性和完好性的各种办法。信息生命周期办理，对各种类型数据，如：结构化数据、非结构化数据、半结构化数据全生命周期办理的相关战略、流程和分类。信息安全与隐私，在数据财物包括，减低数据安全危险的各种战略、实践和操控办法。

　　支撑规程。数据架构，指系统系统结构规划，支撑向恰当的用户供给和分配数据。分类与元数据，经过元数据的技能，对安排的事务元数据、技能元数据进行整理，构成数据财物的一起资源目录。审计记载与陈述，指数据合规性、内部操控、数据办理审计相关的一系列办理流程和运用。

　　IBM数据办理才干老练度点评模型学习了，才干老练度模型CMM（Capability Maturity Model），将数据办理的老练度描绘了五个等级的老练度途径：

　　Level 1 初始化：作业一般是暂时的，环境也不安稳，反映安排内个人才干，而不作为老练度办理。该阶段虽然安排内会生成产品和服务，但往往会超出预算和项目时刻；

　　Level 2 已办理：依据项目或单事务功用的有用办理，可以盯梢本钱和时刻表，可以依据项目实践的方案和履行的经历打开复用，但仍缺少安排内全体的办理，依然存在预算超标和实践逾期等危险；

　　Level 3 已界说：安排内构成掩盖整个安排的规范、流程和规程办理，可以习惯安排内事务功用或项目；

　　IBM 数据办理一起流程列出了这 14 个首要的10个必需进程和 4 个可选专题，以及支撑有用的数据办理方案的相关IBM 软件东西和最佳实践。

　　数据办理方案失利的首要原因是：它们无法辨认实践的事务问题。安排亟需环绕一个特定的事务问题，比方失利的审计、数据损坏或出于危险办理用处对改善的数据质量的需求，界说数据办理方案的初始规划。一旦数据办理方案开端处理已辨认的问题 上一篇：企业数字化转型的含义？企业为什么要走数字化转型之路？-广西尚贤科技 下一篇：为什么CIO陈述联络对数字化转型成功至关重要