本文一共提供了CMM、DMM、DCMM、DCAM、MD3M、DataFlux、IBMMMI、DSMM、IOMM、中新聯團標、畢馬威&阿里數智化轉型框架、普華永道企業數字化成熟度評估架構、華為ODMM共13個評估模型。
近兩年數字化轉型非常熱，大家關注的問題都集中在：有哪些數字化轉型的方法和技術？企業如何成功實現數字化轉型？數字化轉型過程如何避免踩坑？數字化轉型有沒有捷徑？數字化轉型到底該從哪里開始？……
說實話，這些問題根本沒有答案。
雖然目前很多企業都已啟動了數字化轉型戰略，但對大多數企業而言，數字化轉型都是“摸著石頭過河”，根本沒有可供借鑒的經驗。即便是具有數據基因的科技互聯網巨頭，他們也在談數字化轉型，也就是說科技公司也不能說自己是數字化企業。而對于那些號稱是成功轉型的企業，其實也只是比其他企業多走了一步。
01如何界定數字化轉型是否成功？
麥肯錫的一份報告指出：企業數字化轉型成功率僅為20％。
也就是說，80%的企業數字化轉型都失敗了。
數字化轉型成功或失敗，不好界定！
如何定義數字化成功？可能不同的人會有不同的理解。
完成了數字化的績效目標，算轉型成功嗎？即使沒有建立數據思維、缺少數字文化。
建立了數字化組織，配置了數字化人才，培育了數字化文化，算轉型成功嗎？即使數字化戰略目標沒有實現。
搭建了數字化基礎環境，使用了數字化技術（如云計算、大數據、AI等），算轉型成功嗎？即便業務決策用到了數據。
數字化成功或失敗，不能從一個維度考量！
在筆者看來：企業數字化轉型不是從0到1，而是從1到100。轉型是一個過程，場景從簡單到復雜，應用從局部到廣泛，持續優化、逐步成長。
也就是說，雖然不好界定數字化轉型的成功或失敗，但是數字化是有成長周期的，是一個從萌芽，不斷生長，不斷成熟的過程。而企業數字化成熟度的評估，就是幫助企業找到數字化到底位于何處，還有哪些不足，應該從哪里改進等問題的答案。
02CMMI成熟度評估模型
提到“成熟度評估模型”，不得不提一下能力成熟度模型的鼻祖——CMM?？梢哉f，幾乎所有成熟度模型都借鑒了CMM的思路，基本都是將所涉及的能力（例如：軟件能力、數據治理能力、數字化能力）劃分為多個領域，每個領域又可以劃分多個子領域，每個子領域又可以分為多個評估指標。然后綜合這些評標進行評估，從而得到該領域的成熟度情況。而所謂成熟度就是幾個可以逐步提升的等級（CMM示例），如下圖所示：
能力成熟度模型集成（CMMI）
03DMM 數據管理能力成熟度等級
1. Performed（已執行級）
主要特點：數據作為項目實施的需求進行管理。
解讀分析：這個階段，企業和組織的數據管理過程是臨時性的，主要在項目級別執行。沒有形成跨業務領域數據管理流程，數據管理過程是被動的，例如，對于數據質量的修復。關于數據管理的基本改進可能存在，但改進尚未在企業或組織范圍內進行明確、宣貫和推廣。
2. Managed（可管理級）
主要特點：企業意識到數據作為企業關鍵資產的重要性，局部實現了常態化管理。
解讀分析：這個階段，數據資產化的觀念被企業或組織所認可，企業嘗試并開展了數據管理的相關工作。按照企業的目標制定了相關政策和執行過程，雇傭有專業知識的數據管理人員來對數據進行管理，使得核心數據能夠受控輸出；數據管理在企業局部范圍開展，涉及部分業務部門或利益相關者；部分數據開始進行數據的監控、控制和過程審查，估過程是否符合其數據管理的要求。
3. Defined （可定義級）
主要特點：數據在組織級被視為關鍵生產要素。
解讀分析：隨著時間的推移，數據已經被企業視為除了人員、資金和物資的第四種生產要素。企業內部已經建立和改進了一些數據管理的流程，改進了數據質量。根據企業的數據戰略和指導方針，從一組標準的數據管理過程中能夠定制滿足企業特定需求的數據管理方法，并賦以執行。
4. Measured （可度量級）
主要特點：數據被視為競爭優勢的來源分析。
解讀分析：這個階段，企業已基本建立起可預測和度量數據的指標體系，以提升數據質量。對不不同類別的數據啟動有差異的管理流程，企業使用了元數據管理、數據質量管理、主數據管理等應用，對數據的業務含義、業務規則、質量規則進行了統一的描述，在公司范圍內形成一致性的理解，并在整個數據的生命周期中進行管理。
5. Optimized（優化管理級）
主要特點：在一個充滿活力和競爭的市場中，數據被視為生存的關鍵，持續提升和優化。
解讀分析：通過創新性的改進，企業數據管理能力不斷提高。通過數據管理能力的增強反饋用于推動業務增長和決策能力的提升，企業的數據管理能力已經發展成為行業的標桿，可以在整個行業內進行先進經驗的分享。
（4）DMM 架構和過程域
DMM模型提供了數據管理的最佳實踐路線圖，幫助組企業構建、改進和衡量其企業數據管理能力。該模型圍繞著數據管理成熟度（DMM）模型展開，該模型是一個綜合的數據管理實踐框架，分為六個關鍵類別，幫助組織對其能力進行基準評測，找出優勢和差距，并利用其數據資產提高業務績效。
DMM模型包括25個過程域，由20個數據管理過程域和5個支持過程域組成，按管控維度不同分為：數據戰略、數據治理、數據質量、數據運營、平臺與架構、支撐流程6個類型，如下圖所示：
04DCMM數據管理能力成熟度評估模型
DCMM模型，按照組織、制度、流程、技術對數據管理能力進行了分析、總結，提煉出組織數據管理的八大過程域，即：數據戰略、數據治理、數據架構、數據應用、數據安全、數據質量管理、數據標準、數據生命周期。這八個過程域共包含28個過程項，441項評價指標。
數據戰略：數據戰略規劃、數據戰略實施、數據戰略評估
數據治理：數據治理組織、數據制度建設、數據治理溝通
數據架構：數據模型、數據分布、數據集成與共享、元數據管理
數據應用：數據分析、數據開放共享、數據服務
數據安全：數據安全策略、數據安全管理、數據安全審計
數據質量：數據質量需求、數據質量檢查、數據質量分析、數據質量提升
數據標準：業務數據、參考數據和主數據、數據元、指標數據
數據生存周期：數據需求、數據設計和開放、數據運維、數據退役
DCMM的能力等級劃分
與CMMI類似，DCMM模型將組織的數據能力成熟度劃分為初始級、受管理級、穩健級、量化管理級和優化級共5個發展等級，幫助組織進行數據管理能力成熟度的評價。
DCMM與國外的數據管理能力成熟度模型相比，DCMM是具有中國特色的數據管理模型。
DCMM建設概念圖
如果你的企業要做DCMM評估，可以找國家工業信息安全發展研究中心，是全國僅有的6家擁有DCMM評估資質的單位。
05DCAM 數據管理能力評價模型
數據管理能力評價模型(datamanagement capability assessment model，DCAM)是由EDM主導，組織金融行業企業參與編制和驗證，基于眾多實際案例的經驗總結來進行編寫的。DCAM首先定義了數據能力成熟度評估涉及的能力范圍和評估的準則，然后從戰略、組織、技術和操作的最佳實踐等方面描述了如何成功地進行數據管理。最后，又結合數據的業務價值和數據操作的實際情況定義數據管理的原則。
在DCAM1.0中，主要將數據管理能力劃分為八個職能域：
-
數據管理策略
-
數據管理業務案例
-
數據管理程序
-
數據治理
-
數據架構
-
技術架構
-
數據質量
-
數據操作
-
DCAM2.0 框架
如上圖所示，在DCAM2.0中，主要強調團隊協作（流程）、標準執行和資金支持，DCAM2.0 分為以下職能域（7大組件）：
-
數據管理戰略與業務案例
-
數據管理流程與資金
-
數據架構
-
技術架構
-
數據質量管理
-
數據治理
-
數據操作
06MD3M 主數據管理能力成熟度模型
MD3M成熟度模型參考了COBIT（IT成熟度標準）、Oracle、DataFlux等已有模型，將主數據管理的成熟度劃分為5級，如圖：
說明：以下是對MD3M成熟度等級的解讀，期間為了便于大家更好的理解，會引用一些真實的“微案例”?！拔咐鄙婕暗目蛻裘Q已做了相關脫敏，請看到的老板不要對號入座。
1、Initial 初始級
處于初始級的企業，主數據問題早已存在并且在企業里被提出，但是企業沒有認意識到要進行主數據管理，或者不知道該如何管理主數據。當然也有一部分企業的員工甚至不知道主數據是個啥。
2、Repeatable 應用級
企業已經認識到了主數據的重要性，并且開始在項目中進行主數據的治理。但是這種管理只是在個別項目中進行，沒有推廣應用到其他部門或系統中。這種情況在很多企業普遍存在，例如：X企業上了一套CRM，只是在CRM中將客戶主數據進行了整理和清洗，并且用一定流程管理起來了，但是CRM的客戶數據并沒有與財務系統、ERP系統等系統打通。
3、defined process 已定義級
企業充分認識到了主數據的問題、影響和價值，并對主數據管理第一次在企業戰略層面提出，企業開始積極的思考主數據該如何管理，并引入主數據管理工具，進行主數據的試點應用。筆者接觸了很多主數據的客戶，部分客戶是已經處于第三級的。筆者發現，處于這個層級的客戶有一個共同點，就是對于主數據比較迷茫。正如Y企業CIO吐槽：“我們都認識到了主數據的重要性，并且主數據系統已經運行了3年，但是主數據的價值好像并沒有發揮出來。還有就是我們主數據平臺剛上的時候，主數據質量還行，但是現在去看已經和3年前沒太大差別了”
4、managed and measurable 管理和度量級
企業制定了一套主數據管理的最佳實踐，主數據被企業的核心資產進行管理，對于主數據的申請、審批、采集、分發制定了明確的流程和規范，對于主數據的數據質量有著明確的度量標準和考核制度。這里，我們分析下上述案例Y企業CIO的迷茫，Y企業之所以存在對主數據的困惑，一方面是認知問題，關于主數據重要性只是局部認知，比如：領導認識到了、員工沒有認識到；IT人員認識到、業務人員沒認識到；CIO認識到了，CEO沒有認識到……；另一方面，主數據管理并不是上一個系統就能萬事大吉的，是需要企業持續的運營才能見效的，配套的標準、流程、制度、考核是必不可少的。
5、optimized 優化級
該層級稱為：持續優化級。主數據管理是一個持續提升的過程，不可一蹴而就。我們看到主數據做的非常成功的企業，都有兩個特點：1）再一開始做主數據的時候，企業對要實現的業務目標和管理的主數據范圍就十分明確，一般都是選1~2個核心主數據進行試點實施。2）試點實施階段企業會建立起一整套的主數據實施最近實踐（組織的建設、數據標準、管理流程和制度、運維規范、運營及考核），試點成功再將這套最佳實踐復制到企業的其他業務域，實現主數據全域覆蓋。主數據的實施過程是企業數據戰略落地的過程，絕對不是購買一套工具就能解決的問題，方法、組織、標準、制度、流程、技術與工具樣樣不可缺少。我們看到，有的企業實施主數據借助了外部咨詢公司的力量，由咨詢公司幫助規劃實施范圍、建立制度和流程、制定實施路線圖等，取得了不錯的效果?！居行枰鰯底只稍兊睦习逭堈伊_百輝老師】
關鍵主題和重點領域
MD3M采用自下而上的方法制定了主數據管理能力成熟度評估的5個關鍵主題和13重點領域，見下圖：
與我們之前分享的DMM模型不同的是，MD3M更關注于主題，而不是過程。因為不同公司的流程可能不同，如果MD3M過于專注于流程，它將不再是通用的。MD3M模型基本涵蓋了主數據管理的所有方面，適用于管理主數據的所有公司，尤其是大型公司。對于小型企業來說，實施精心設計的MDM方法的所需的成本可能將被夸大。
07DataFlux 主數據管理成熟度模型
該模型源自《DataFlux White Paper-MDM-Components-Maturity-Model》，本白皮書探討了基于提供MDM服務的能力的成熟度級別，通過根據MDM相關組件層的成熟度來表示它們，企業管理層可以針對所需的MDM成熟度級別，設計開發一個主數據管理的實施路線圖，用于指導企業主數據管理的實施和成功落地。DataFlux模型從數據架構、數據治理、數據管理、數據識別、數據整合、業務流程管理六個層面定義了主數據管理成熟度的核心影響要素，如下圖所示：
1、體系結構
MDM體系結構包含三層，即：主數據模型、MDM系統架構和MDM服務架構。
（1）主數據模型
要創建主數據時，需要將企業中相關實體存在的各種不同格式和結構的所有數據元素合并到一個能夠適應這些差異的集中資源中，然后反饋到這些不同的表示中。這意味著必須有一個統一的主模型來充當核心存儲庫。數據模型是MDM工作的復雜但不可分割的一部分，需要將異構系統間的相關關鍵元素合并到一個模型中，主數據模型要能夠適應相關異構系統的不同應用需求。推薦的做法是取各個系統主數據元素的交集部分+主數據的自然屬性形成主數據模型。
（2）MDM系統架構
貫穿于主數據管理的整個生命周期（創建、變更、訪問、注銷），為主數據提供基礎的管理和維護功能，可以針對特定的場景或應用（例如：產品或客戶的管理）設置增強性功能。例如，某些屬性信息可以在不同的時間通過不同的應用系統收集，如果允許不同的應用系統有數據的創建權限，則可以為每個應用系統調整創建服務以獲取主數據所需的內容。這涉及多源頭數據的歸集，操作上需要慎重。我一般建議將主數據源頭統一，如果實在統一不了，可以通過系統自動提取+人工干預的方式完成主數據屬性的整合，形成完整數據視圖。
（3）MDM服務架構
異構應用系統使用所需的數據對象服務可能會有一定的差異，所需的數據服務也有進一步的要求，例如同步、序列化訪問控制、集成與整合、數據訪問。通過部署可重用并且與業務流程關聯的主數據服務，將業務應用系統分層到數據對象服務層，并對數據服務進行權限的劃分。主數據服務架構關鍵點在于流程驅動、按屬性授權。主數據管理本身也是一項業務活動，需要根據相應的業務規則按順序流轉；權限劃分是指不同流程節點可以配置不同的數據屬性，并且這些屬性可以分配給不同的角色/崗位進行管理。
2、數據治理
DataFlux 認為數據的治理和監督應當作為企業千年發展目標的政策。由于MDM是一項企業倡議，因此必須保證利益相關者將遵守、管理、參與主數據的治理和數據共享。跨不同業務域應用的主數據管理將解決數據管理、所有權、合規性、隱私、數據風險、數據敏感性、元數據管理、主數據管理以及數據安全等問題。這些問題中的每一個都側重于將數據技術和管理監督結合起來，確保組織遵守定義的制度和政策。
（1）數據標準化
對企業數據元的標準化定義，明確數據語義、取值。評估組織數據元素信息并將這些信息編制成業務元數據，形成了最終驅動和控制主數據對象的模型。有了這些數據元標準化定義，組織就了解了如何將這些定義解析為主數據的唯一視圖。
（2）元數據管理
識別數據元名稱、定義和其他相關屬性的過程，除了收集有關潛在可用的大量數據元素的標準技術細節外，企業還需要確定： 每個數據元的業務用途， 哪些數據元定義涉及相同的概念， 不同應用程序如何創建、讀取、修改或失效每個數據元，業務流程中的數據質量特征、檢查和監控位置，等等這一系列的過程都是元數據管理。主數據管理的各個過程都是圍繞元數據模型開展的。
（3）數據質量
業務績效和運營生產力依賴于高質量的數據——在組織層面——成為任何MDM計劃的核心能力。MDM的成功依賴于數據治理，但治理可以跨不同的業務域應用，為企業范圍的部署提供規模經濟。治理的各個方面至關重要，因為所有權模型和監督機制確保MDM環境中的參與者意識到信息的質量得到了積極管理。
3、數據管理
（1）唯一身份識別
每一個主數據對象類型都對應與真實世界的一個實體對象，每個實體對象都有一個唯一識別的身份，這意味著在主數據資源庫中，需要為每個主數據對象提供相應的標識信息，用來識別和標識數據對象的唯一性。
（2）數據關系
主數據系統應具備數據關系管理的能力，例如：客戶之間的關聯關系，供應商與所提供產品的關系等等。這些關系反映在鏈接層次結構中，并提供支持這些連接管理的服務組件。筆者認為：“關系型主數據將在主數據管理中扮演越來越重要的角色”。
（3）遷移管理
與業務應用系統不同，主數據的集成、上線是一個需要過渡的過程。無論是逐步的過渡還是徹底的使用新標準、新體系，數據遷移計劃通常都會使舊體系版本與標準化后的版本同時運行一段時間，以確保對新版本正確地滿足業務需求的提高信心。
4、主數據建立
（1）標識解析
標識解析是指能夠將兩個或多個數據元素表示可以解析為唯一對象的一個表示，即：通過一定的數據元素的組合進行主數據的唯一性識別。標識解析是一項重要的主數據管理技術，目前該技術已被成功應用到國家工業互聯網的戰略布局中，通過將標識解析與互聯網相結合，通過為每個機器、產品、零部件設置網絡虛擬“身份證”，支持通過“身份證號”實現物料追溯、產品追蹤，從而實現跨地域、跨行業、跨企業的信息共享。
（2）數據規則
在確定了數據的解析標識后，數據的規則算法就被應用到大量的記錄中。 有一些規則可以被視為自動匹配，這些規則不僅依賴于相似性的量化，而且必須根據應用程序定義，數據規則用于數據的建立和數據的整合過程。
（3）查重與合并
使用標識解析來檢查企業數據集，以區分表示唯一實體的記錄，然后將其加載到規范表示中。應用數據規則尋找相似的數據記錄，類似的記錄要通過算法來鑒定每個數據屬性中的值的相似度，為主數據的查重和合并過程鋪平了道路。
5、主數據整合
主數據的目標不僅在于支持多個應用系統的集成，還能夠為數據分析提供高質量的主數據。MDM系統建立數據服務層的核心主實體為建立一組分層的信息服務提供基礎，以支持業務應用的快速和高效的開發。
（1）與數據源的集成
建立一個MDM系統將主數據統一管理起來，實現單一源頭的主數據管理，而不使用這些數據是沒有意義的，建立單一數據源的一個驅動因素是建立一個可以在整個企業中共享的高質量數據資產。這個目標需要雙向數據流：主數據必須很容易地進入主數據庫，并且企業應用程序也必須同樣容易地訪問這些數據。MDM系統必須以最小破壞性的方式適應現有的應用程序基礎架構，同時提供一個標準化的路徑，進行數據的轉換和同步，為應用系統提供數據服務。
（2）主數據集成服務
隨著MDM的深入應用，新的應用程序越來越多地依賴主數據對象及其相應功能的來支持新的業務體系結構設計。標準化的主數據減少了對傳統面向數據的問題（例如，數據訪問和操作、安全和訪問控制或策略管理），使用MDM服務層整合應用系統，被越來越多的企業所青睞，這種方法還將為現有系統的整合和未來系統的設計提供額外的價值。
6、業務流程管理
基于業務流程驅動的主數據管理是MDM的主要手段。MDM系統設計中的一個關鍵因素是確保系統是業務驅動的，盡管MDM是一種技術，但人們普遍認為，在不將主數據管理的功能組件鏈接到相應的業務流程模型的情況下實施主數據管理是一種無用的活動，進一步強調了“流程驅動”在主數據管理中的重要性。
（1）流程模型
業務流程模型是一種邏輯表示，它以一種方式描述業務流程，并在適當的時間將適當的細節傳達給適當的人。通常列舉所涉及的過程、流程的輸入、控制過程等方面、作為過程結果出現的事件以及過程的預期輸出。本質上MDM也是一項業務活動，不同的主數據需要在不同的時間、由不同的人維護和管理不同的數據元素，而這個過程是依靠流程模型來驅動的。
（2）業務規則
在任何業務流程模型中，用于執行特定操作的邏輯將主數據對象的值的評估和定義的控件結合在一起。檢查這些值以確定要采取的操作，這些操作將創建新值并觸發新控件。
（3）MDM業務組件層
在通過業務流程建模和集成組件的定義和需求以及通過基于規則的系統實現業務規則的基礎上，是業務組件層。在這一層，我們可以開始創建更復雜的可重用業務服務，包含數據的映射、轉換、同步、訪問等。
三、DataFlux 定義的主數據管理能力等級
DataFlux定義成熟度模型的目的并不是提供一個基準來衡量所有MDM成熟度能力。相反，許多組織已經設計、架構和部署了所描述功能的相關版本。因此，成熟度級別描述了如何為主數據的存儲和利用已部署的組件或服務。同時，它還指出了促進更復雜的應用系統對主數據依賴所需的功能和組件。
返回列表
