数据管理能力成熟度评估模型，Data Management Capability Maturity Assessment Model，简称DCMM。DCMM是我国在数据管理领域正式发布的国家标准，旨在帮助企业利用先进的数据管理理念和方法，建立和评价自身数据管理能力，持续完善数据管理组织、程序和制度，充分发挥数据在促进企业向信息化、数字化、智能化发展方面的价值。
一、DCMM发展情况
2016年12月，工信部印发《大数据产业发展规划（2016-2020年）》，提出重点开展数据开放共享、产品评价、数据能力成熟度、数据质量、数据安全等关键标准的试验验证和符合性检测。2018年3月，GB/T 36073-2018《数据管理能力成熟度评估模型》国家标准发布并于同年10月正式实施。2019年至今，中国电子信息行业联合会在广州、南京、杭州、深圳、北京、宁波、石家庄、厦门、太原、上海、贵阳、沈阳、武汉等地成功举办了多场DCMM标准宣贯活动。2020年4月，工信部印发《关于工业大数据发展的指导意见》，强调要开展数据管理能力评估贯标，推广DCMM国家标准，构建工业大数据管理能力评估系统，引导企业提升数据管理能力。
二：DCMM的级别
DCMM共分为五个级别，自低向高分别是：
DCMM1级，初始级。数据需求的管理主要是在项目级进行体现，没有统一的管理流程，主要是被动式的管理。
DCMM2级，受管理级。组织已经意识到数据是资产，根据管理策略的要求制定了管理流程，指定了相关人员进行初步的管理。
DCMM3级，稳健级。数据已经被当做实现组织绩效目标的重要资产，在组织层面制定了系列的标准化管理流程促进数据管理的规范化。
DCMM4级，量化管理级。数据被认为是获取竞争优势的重要资源，数据管理效率能够进行量化分析和监控。
DCMM5级，优化级。数据被认为是组织生存的基础，相关管理流程能够实时优化，能够在行业内进行最佳实践的分享。
截止2022年6月，全国通过DCMM认证的企业共计251家，其中2级占比49%，3级占比37%。仅有3家企业通过DCMM5级认证，分别是：工商银行股份有限公司，国家电网有限公司，中国南方电网有限责任公司。
注：DCMM3级以上，需要现场评估。
三、DCMM评估依据及流程
DCMM评估的依据是国家标准GB/T 36073-2018《数据管理能力成熟度评估模型》，该标准借鉴了国际上数据管理理论框架和方法，在综合考虑国内数据管理情况发展的基础上，整合了标准规范、管理方法论、数据管理模型、成熟度分级等多方面内容。
四：DCMM评估内容
DCMM定义了数据战略、数据治理、数据架构、数据应用、数据安全、数据质量、数据标准和数据生存周期8个核心能力域和28个能力项：
1.数据战略分为数据战略规划、数据战略实施和数据战略评估3个能力项。数据战略是组织开展数据管理工作的愿景、目的、目标和原则。制定、发布并根据情况修订数据战略，确定任务蓝图及优先级顺序，提供保障数据战略实施的资源和资金，定期检查和评估数据战略实施情况，分析与数据战略目标的差距，从而有利于战略的执行和调整。
2.数据治理分为数据治理组织、数据制度建设和数据治理沟通3个能力项。数据治理旨在明确各岗位职位、职责和工作流程，建立有效的沟通机制，确保数据资产能长期有序地、可持续地得到管理。数据治理是对数据资产管理行使权力和控制的活动集合（规划、监控和执行）。数据治理职能指导其他数据管理职能如何执行，属于在高层次上执行数据管理制度。
3.数据架构分为数据模型、数据分布、数据集成与共享和元数据管理4个能力项。数据架构是用于定义数据需求、指导对数据资产的整合和控制、使数据投资与业务战略相匹配的一套整体构建和规范。建立数据模型的开发和管理规范，设计并维护组织级和系统应用级数据模型。建立基于数据特征的数据分类管理机制以及组织级应用系统之间数据集成和共享的制度、标准和环境。对元数据进行分类，建立元模型标准，实现不同来源的元数据有效集成。
4.数据应用分为数据分析、数据开放分享和数据服务3个能力项。数据应用是通过对组织数据进行统一的管理、加工和应用，对内支持业务运营、流程优化、营销推广、风险管理、渠道整合等活动，对外支持数据开放共享、数据服务等活动，从而提升数据在组织运营管理过程中的支撑辅助作用，同时实现数据价值的变现。数据应用是数据价值体现的重要方面，数据应用的方向需与组织的战略和业务目标保持一致。
5.数据安全分为数据安全策略、数据安全管理和数据安全审计3个能力项。数据安全管理是计划、制定、执行相关安全策略和规程，确保数据和信息资产在使用过程中要有恰当的认证、授权、访问和审计等措施。建立数据安全分类分级标准，明确各类数据的管理要求和策略，从制度、组织、工具等方面建立数据安全管理机制，建立数据安全审计机制，定期审计数据安全管理过程中的问题，促进数据安全优化提升。
6.数据质量分为数据质量需求、数据质量检查、数据质量分析和数据质量提升4个能力项。数据质量是数据对其期望目的的切合度，即从使用者的角度出发，数据满足用户使用要求的程度。明确数据质量管理目标和各类数据质量管理需求，落实制度和标准，做好数据质量管理。从数据源头提升数据质量，加强数据质量监测、分析和改进，建立数据质量问题管理机制、评估分析方法和数据质量持续改进策略，建立良好的数据质量文化。
7.数据标准分为业务术语、参考数据和主数据、数据元和指标数据4个能力项。数据标准是组织数据中心的基准数据，为组织各个信息系统中的数据提供规范化、标准化的依据，是组织数据集成、共享的基础。对业务术语进行统一的规范管理，积极贯彻实施适用的国家标准和行业标准，制定完善企业标准，建立参考数据和主数据的管理规范，加强数据标准在业务系统和数据中心的落地实施，为数据共享做好基础。
8.数据生存周期分为数据需求、数据设计及开发、数据运维和数据退役4个能力项。为实现数据战略确定的数据工作的愿景和目标，实现数据资产价值，需要在数据全生命周期中实施管理，确保从宏观规划、概念设计到物理实现，从获取、处理到应用、运维、退役的全过程中，数据能够满足数据应用和数据管理需求。
五、DCMM适合哪些企业
DCMM适用对象主要分为两大类。数据拥有方：金融与保险机构、电商平台企业、互联网企业、电信运营商、制造业、数据中心所属主体、高校、政务数据中心等。数据解决方案提供方：数据开发/运营商、信息系统建设和服务提供商、信息技术服务提供商等。
截止2022年6月，全国通过DCMM认证的251家企业，占比最高的三个行业分别为：软件和信息技术服务业占比51%，制造业占比16%，电力、热力生产和供应业10%。
需要注意的是，如果数据解决方案提供方需要认证DCMM4/5级时，需要其为DCMM4/5级客户提供过相应服务，即服务方的甲方也需要有DCMM证书资质。
六、DCMM评估收益
1.帮助和知道企业获得当前数据资产管理现状，通过对现状的总结和提炼，发现存在的问题并识别与行业最佳实践差距，给出针对性的建议和方向。
2.开展数据管理从业人员培训，提升企业相关人员技能，提高企业数据管理能力。
3.有机会参与数据管理优秀案例遴选以及成果展示系列活动，扩大行业知名度。
4.有机会参与内部研讨会，与各企业交流数据管理能力提升经验，分析存在的共性问题以及发展趋势，准确把握行业发展方向。
5.以第三方客观评估结果为依据，对外展示企业数据管理能力，满足监管要求，传递信任。
