标准搜索结果: 'GB/T 36073-2018'
| 标准编号 | GB/T 36073-2018 (GB/T36073-2018) | | 中文名称 | 数据管理能力成熟度评估模型 | | 英文名称 | Data management capability maturity assessment model | | 行业 | 国家标准 (推荐) | | 中标分类 | L67 | | 国际标准分类 | 35.240.70 | | 字数估计 | 46,447 | | 发布日期 | 2018-03-15 | | 实施日期 | 2018-10-01 | | 起草单位 | 中国电子技术标准化研究院、御数坊(北京)科技咨询有限公司、北京大学、中国人民大学、清华大学、中国建设银行股份有限公司、中国光大银行、华为技术有限公司、阿里云计算有限公司、上海鸿翼软件技术股份有限公司、红杉资本中国基金 | | 归口单位 | 全国信息技术标准化技术委员会(SAC/TC 28) | | 提出机构 | 全国信息技术标准化技术委员会(SAC/TC 28) | | 发布机构 | 中华人民共和国国家质量监督检验检疫总局、中国国家标准化管理委员会 | GB/T 36073-2018
Data management capability maturity assessment model
ICS 35.240.70
L67
中华人民共和国国家标准
数据管理能力成熟度评估模型
2018-03-15发布
2018-10-01实施
中华人民共和国国家质量监督检验检疫总局
中国国家标准化管理委员会发布
目次
前言 Ⅲ
1 范围 1
2 规范性引用文件 1
3 术语和定义 1
4 缩略语 2
5 综述 3
5.1 能力域和能力项 3
5.2 成熟度评估等级 4
6 数据战略 5
6.1 数据战略规划 5
6.2 数据战略实施 6
6.3 数据战略评估 7
7 数据治理 8
7.1 数据治理组织 8
7.2 数据制度建设 10
7.3 数据治理沟通 11
8 数据架构 12
8.1 数据模型 12
8.2 数据分布 14
8.3 数据集成与共享 15
8.4 元数据管理 16
9 数据应用 17
9.1 数据分析 17
9.2 数据开放共享 18
9.3 数据服务 19
10 数据安全 21
10.1 数据安全策略 21
10.2 数据安全管理 22
10.3 数据安全审计 23
11 数据质量 24
11.1 数据质量需求 24
11.2 数据质量检查 25
11.3 数据质量分析 26
11.4 数据质量提升 28
12 数据标准 29
12.1 业务术语 29
12.2 参考数据和主数据 30
12.3 数据元 31
12.4 指标数据 32
13 数据生存周期 34
13.1 数据需求 34
13.2 数据设计和开发 35
13.3 数据运维 36
13.4 数据退役 37
参考文献 39
数据管理能力成熟度评估模型
1 范围
本标准给出了数据管理能力成熟度评估模型以及相应的成熟度等级,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等8个能力域。
本标准适用于组织和机构对数据管理能力成熟度进行评估。
2 规范性引用文件
下列文件对于本文件的应用是必不可少的。凡是注日期的引用文件,仅注日期的版本适用于本文
件。凡是不注日期的引用文件,其最新版本(包括所有的修改单)适用于本文件。
GB/T 35295 信息技术 大数据 术语
3 术语和定义
GB/T 35295界定的以及下列术语和定义适用于本文件。
3.1
组织和机构对数据进行管理和应用的能力。
3.2
用于对组织的数据管理能力成熟度进行评估的模型。
3.3
能力域 capabilityarea
数据管理相关活动、过程等集合以及一组相关数据能力子域的集合。
3.4
数据战略 datastrategy
组织开展数据工作的愿景、目的、目标和原则。
3.5
数据治理 datagovernance
对数据进行处置、格式化和规范化的过程。
注1:数据治理是数据和数据系统管理的基本要素。
注2:数据治理涉及数据全生存周期管理,无论数据是处于静态、动态、未完成状态还是交易状态。
[GB/T 35295-2017,定义2.1.43]
3.6
数据架构 dataarchitecture
通过组织级数据模型定义数据需求,指导对数据资产的分布控制和整合,部署数据的共享和应用环
境,以及元数据管理的规范。
3.7
数据标准 datastandard
数据的命名、定义、结构和取值的规则。
3.8
元数据 metadata
关于数据或数据元素的数据(可能包括其数据描述),以及关于数据拥有权、存取路径、访问权和数
据易变性的数据。
[GB/T 35295-2017,定义2.2.7]
3.9
元模型 metamodel
规定一个或多个其他数据模型的数据模型。
[GB/T 18391.1-2009,定义3.3.20]
3.10
数据质量 dataquality
在指定条件下使用时,数据的特性满足明确的和隐含的要求的程度。
[GB/T 25000.12-2017,定义4.3]
3.11
数据安全 datasecurity
数据的机密性、完整性和可用性。
3.12
主数据 masterdata
组织中需要跨系统、跨部门进行共享的核心业务实体数据。
3.13
参考数据 referencedata
对其他数据进行分类和规范的数据。
3.14
数据生存周期 datalifecycle
将原始数据转化为可用于行动的知识的一组过程。
[GB/T 35295-2017,定义2.1.2]
3.15
数据元 dataelement
由一组属性规定其定义、标识、表示和允许值的数据单元。
[GB/T 18391.1-2009,定义3.3.8]
4 缩略语
下列缩略语适用于本文件。
ETL:数据提取、转换和加载(Extraction-Transformation-Loading)
SOR:记录系统(SystemofRecord)
5.2 成熟度评估等级
5.2.1 初始级
数据需求的管理主要是在项目级体现,没有统一的管理流程,主要是被动式管理,具体特征如下:
a) 组织在制定战略决策时,未获得充分的数据支持;
b) 没有正式的数据规划、数据架构设计、数据管理组织和流程等;
c) 业务系统各自管理自己的数据,各业务系统之间的数据存在不一致现象,组织未意识到数据管
理或数据质量的重要性;
d) 数据管理仅根据项目实施的周期进行,无法核算数据维护、管理的成本。
5.2.2 受管理级
组织已意识到数据是资产,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管理,
具体特征如下:
a) 意识到数据的重要性,并制定部分数据管理规范,设置了相关岗位;
b) 意识到数据质量和数据孤岛是一个重要的管理问题,但目前没有解决问题的办法;
c) 组织进行了初步的数据集成工作,尝试整合各业务系统的数据,设计了相关数据模型和管理
岗位;
d) 开始进行了一些重要数据的文档工作,对重要数据的安全、风险等方面设计相关管理措施。
5.2.3 稳建级
数据已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,具体特征如下:
a) 意识到数据的价值,在组织内部建立了数据管理的规章和制度;
b) 数据的管理以及应用能结合组织的业务战略、经营管理需求以及外部监管需求;
c) 建立了相关数据管理组织、管理流程,能推动组织内各部门按流程开展工作;
d) 组织在日常的决策、业务开展过程中能获取数据支持,明显提升工作效率;
e) 参与行业数据管理相关培训,具备数据管理人员。
5.2.4 量化管理级
数据被认为是获取竞争优势的重要资源,数据管理的效率能量化分析和监控,具体特征如下:
a) 组织层面认识到数据是组织的战略资产,了解数据在流程优化、绩效提升等方面的重要作用,
在制定组织业务战略的时候可获得相关数据的支持;
b) 在组织层面建立了可量化的评估指标体系,可准确测量数据管理流程的效率并及时优化;
c) 参与国家、行业等相关标准的制定工作;
d) 组织内部定期开展数据管理、应用相关的培训工作;
e) 在数据管理、应用的过程中充分借鉴了行业最佳案例以及国家标准、行业标准等外部资源,促
进组织本身的数据管理、应用的提升。
5.2.5 优化级
数据被认为是组织生存和发展的基础,相关管理流程能实时优化,能在行业内进行最佳实践分享,
具体特征如下:
a) 组织将数据作为核心竞争力,利用数据创造更多的价值和提升改善组织的效率;
b) 能主导国家、行业等相关标准的制定工作;
c) 能将组织自身数据管理能力建设的经验作为行业最佳案例进行推广。
6 数据战略
6.1 数据战略规划
6.1.1 概述
数据战略规划是在所有利益相关者之间达成共识的结果。从宏观及微观两个层面确定开展数据管
理及应用的动因,并综合反映数据提供方和消费方的需求。
6.1.2 过程描述
过程描述如下:
a) 识别利益相关者,明确利益相关者的需求;
b) 数据战略需求评估,组织对业务和信息化现状进行评估,了解业务和信息化对数据的需求;
c) 数据战略制定,包含但不限于:
1) 愿景陈述,其中包含数据管理原则、目的和目标;
2) 规划范围,其中包含重要业务领域、数据范围和数据管理优先权;
3) 所选择的数据管理模型和建设方法;
4) 当前数据管理存在的主要差距;
5) 管理层及其责任,以及利益相关者名单;
6) 编制数据管理规划的管理方法;
7) 持续优化路线图;
d) 数据战略发布,以文件、网站、邮件等方式正式发布审批后的数据战略;
e) 数据战略修订,根据业务战略、信息化发展等方面的要求,定期进行数据战略的修订。
6.1.3 过程目标
过程目标如下:
a) 建立、维护数据管理战略;
b) 针对所有业务领域,在整个数据治理过程中维护数据管理战略(目标、目的、优先权和范围);
c) 基于数据的业务价值和数据管理目标,识别利益相关者,分析各项数据管理工作的优先权;
d) 制定、监控和评估后续计划,用于指导数据管理规划实施。
6.1.4 能力等级标准
能力等级标准如下:
a) 第1级:初始级
在项目建设过程中反应了数据管理的目标和范围。
b) 第2级:受管理级
1) 识别与数据战略相关的利益相关者;
2) 数据战略的制定能遵循相关管理流程;
3) 维护了数据战略和业务战略之间的关联关系。
c) 第3级:稳健级
1) 制定能反应整个组织业务发展需求的数据战略;
2) 制定数据战略的管理制度和流程,明确利益相关者的职责,规范数据战略的管理过程;
3) 根据组织制定的数据战略提供资源保障;
4) 将组织的数据管理战略形成文件并按组织定义的标准过程进行维护、审查和公告;
5) 编制数据战略的优化路线图,指导数据工作的开展;
6) 定期修订已发布的数据战略。
d) 第4级:量化管理级
1) 对组织数据战略的管理过程进行量化分析并及时优化;
2) 能量化分析数据战略路线图的落实情况,并持续优化数据战略。
e) 第5级:优化级
1) 数据战略可有效提升企业竞争力;
2) 在业界分享最佳实践,成为行业标杆。
6.2 数据战略实施
6.2.1 概述
组织完成数据战略规划并逐渐实现数据职能框架的过程。实施过程中评估组织数据管理和数据应
用的现状,确定与愿景、目标之间的差距;依据数据职能框架制定阶段性数据任务目标,并确定实施
步骤。
6.2.2 过程描述
过程描述如下:
a) 评估准则,建立数据战略规划实施评估标准,规范评估过程和方法;
b) 现状评估,对组织当前数据战略落实情况进行分析,评估各项工作开展情况;
c) 评估差距,根据现状评估结果与组织数据战略规划进行对比,分析存在的差异;
d) 实施路径,利益相关者结合组织的共同目标和实际商业价值进行数据职能任务优先级排序;
e) 保障计划,依据实施路径,制定开展各项活动所需的预算;
f) 任务实施,根据任务开展工作;
g) 过程监控,依据实施路径,及时对实施过程进行监控。
6.2.3 过程目标
过程目标如下:
a) 检查数据战略落实情况,定期对实施情况评估;
b) 对现状和发展目标进行对比,分析存在差距,明确发展方向;
c) 推动战略实施,根据存在的差距,结合组织的共同目标和实际商业价值,对数据职能任务优先
级排序,提供资源和资金保障,推动战略实施。
6.2.4 能力等级标准
能力等级标准如下:
a) 第1级:初始级
在具体项目中反映数据管理的任务、优先级安排等内容。
b) 第2级:受管理级
1) 在部门或数据职能领域内,结合实际情况评估关键数据职能与愿景、目标的差距;
2) 在部门或数据职能领域内,结合业务因素建立并遵循数据管理项目的优先级;
3) 在部门或数据职能领域内,制定数据任务目标,并对所有任务全面分析,确定实施方向;
4) 在部门或数据职能领域内,针对具体管理任务建立目标完成情况的评估准则。
c) 第3级:稳健级
1) 针对数据职能任务,建立系统完整的评估准则;
2) 在组织范围内全面评估实际情况,确定各项数据职能与愿景、目标的差距;
3) 制定数据战略推进工作报告模板,并定期发布,使利益相关者了解数据战略实施的情况和
存在的问题;
4) 结合组织业务战略,利用业务价值驱动方法评估数据管理和数据应用工作的优先级,制定
实施计划,并提供资源、资金等方面的保障;
5) 跟踪评估各项数据任务的实施情况,并结合工作进展调整更新实施计划。
d) 第4级:量化管理级
1) 可应用量化分析的方式,对数据战略进展情况进行分析;
2) 积累大量的数据用以提升数据任务进度规划的准确性;
3) 数据管理工作任务的安排能及时满足业务发展的需要,建立了规范的优先级排序方法。
e) 第5级:优化级
在业界分享最佳实践,成为行业标杆。
6.3 数据战略评估
6.3.1 概述
数据战略评估过程中应建立对应的业务案例和投资模型,并在整个数据战略实施过程中跟踪进度,
同时做好记录供审计和评估使用。
6.3.2 过程描述
过程描述如下:
a) 建立任务效益评估模型,从时间、成本、效益等方面建立数据战略相关任务的效益评估模型;
b) 建立业务案例,建立了基本的用例模型、项目计划、初始风险评估和项目描述,能确定数据管理
和数据应用相关任务(项目)的范围、活动、期望的价值以及合理的成本收益分析;
c) 建立投资模型,作为数据职能项目投资分析的基础性理论,投资模型确保在充分考虑成本和收
益的前提下对所需资本合理分配,投资模型要满足不同业务的信息科技需求,以及对应的数据
职能内容,同时要广泛沟通以保障对业务或技术的前瞻性支持,并符合相关的监管及合规性
要求;
d) 阶段评估,在数据工作开展过程中,定期从业务价值、经济效益等维度对已取得的成果进行效
益评估。
6.3.3 过程目标
过程目标如下:
a) 建立数据职能项目的业务案例,符合组织目标和业务驱动要求,帮助项目获取执行层面的支
持,同时为投资模型提供参考;
b) 建立一个或一组可持续的投资模型,满足组织文化和业务案例需求;
c) 遵循投资模型,进行合理的成本收益分析,同时项目资金支持反映业务目标和组织优先级
考虑;
d) 对业务案例、资金支持方法及活动的记录、跟踪、审计、后评估。
6.3.4 能力等级标准
能力等级标准如下:
a) 第1级:初始级
1) 在项目范围内建立数据职能项目和活动的业务案例;
2) 通过基本的成本---收益分析方法对数据管理项目进行投资预算管理。
b) 第2级:受管理级
1) 在单个部门或数据职能领域内,根据业务需求建立了业务案例和任务效益评估模型;
2) 在单个部门或数据职能领域内,建立业务案例的标准决策过程,并明确了利益相关者在其
中的职责;
3) 在单个部门或数据职能领域内,利益相关者参与制定数据管理和数据应用项目的投资
模型;
4) 在单个部门或数据职能领域内,根据任务效益评估模型对相关的数据任务进行了评估。
c) 第3级:稳健级
1) 在组织范围内,根据标准工作流程和方法建立数据管理和应用的相关业务案例;
2) 在组织范围内制定了数据任务效益评估模型以及相关的管理办法;
3) 在组织范围内,业务案例的制定能获得高层管理者、业务部门的支持和参与;
4) 在组织范围内,通过成本收益准则指导数据职能项目的实施优先级安排;
5) 在组织范围内,通过任务效益评估模型对数据战略实施任务进行评估和管理,并纳入审计
范围。
d) 第4级:量化管理级
1) 构建专门的数据管理和数据应用TCO方法,衡量评估数据管理实施切入点和基础实施
的变化,并调整资金预算;
2) 使用统计方法或其他量化方法分析数据管理的成本评估标准;
3) 使用统计方法或其他量化方法分析资金预算满足组织目标的有效性和准确性。
e) 第5级:优化级
1) 建立并发布数据管理资金预算蓝皮书;
2) 在业界分享最佳实践,成为行业标杆。
7 数据治理
7.1 数据治理组织
7.1.1 概述
数据治理组织包括组织架构、岗位设置、团队建设、数据责任等内容,是各项数据职能工作开展的基
础。对组织在数据管理和数据应用行使职责规划和控制,并指导各项数据职能的执行,以确保组织能有
效落实数据战略目标。
7.1.2 过程描述
过程描述如下:
a) 建立数据治理组织,建立数据体系配套的权责明确且内部沟通顺畅的组织,确保数据战略的
实施;
b) 岗位设置,建立数据治理所需的岗位,明确岗位的职责,任职要求等;
c) 团队建设,制定团队培训、能力提升计划,通过引入内部、外部资源定期开展人员培训,提升团
队人员的数据治理技能;
d) 数据归口管理,明确数据所有人、管理人等相关角色,以及数据的归口的具体管理人员;
e) 建立绩效评价体系,根据团队人员职责、管理数据范围的划分,制定相关人员的绩效考核体系。
7.1.3 过程目标
过程目标如下:
a) 建立完善的组织架构及对应的工作流程机制;
b) 数据管理明确归口管理并设置足够的专、兼职岗位,持续推动团队建设;
c) 建立支撑数据管理和数据应用战略的绩效评价体系。
7.1.4 能力等级标准
能力等级标准如下:
a) 第1级:初始级
1) 在具体项目中体现数据管理和数据应用的岗位、角色及职责;
2) 依靠个人能力解决数据问题,未建立专业组织。
b) 第2级:受管理级
1) 制定了数据相关的培训计划,但没有制度化;
2) 在单个数据职能域或业务部门,设置数据治理兼职或专职岗位,岗位职责明确;
3) 数据治理工作的重要性得到管理层的认可;
4) 明确数据治理岗位在新建项目中的管理职责。
c) 第3级:稳健级
1) 管理层负责数据治理工作相关的决策,参与数据管理相关工作;
2) 在组织范围内明确统一的数据治理归口部门,负责组织协调各项数据职能工作;
3) 数据治理人员的岗位职责明确,可体现在岗位描述中;
4) 建立了数据管理工作的评价标准,建立了对相关人员的奖惩制度;
5) 在组织范围内建立、健全数据责任体系,覆盖管理、业务和技术等方面的人员,明确各方在
数据管理过程中的职责;
6) 在组织范围内推动数据归口管理,确保各类数据都有明确的管理者;
7) 定期进行培训和经验分享,不断提高员工能力。
d) 第4级:量化管理级
1) 建立数据人员的职业晋升路线图,可帮助数据团队人员明确发展目标;
2) 建立复合型的数据团队,能覆盖管理、技术和运营等;
3) 建立适用于数据工作相关岗位人员的量化绩效评估指标,并发布考核结果,评估相关人员
的岗位绩效;
4) 业务人员能落实、执行各自相关的数据管理职责。
e) 第5级:优化级
在业界分享最佳实践,成为行业标杆。
7.2 数据制度建设
7.2.1 概述
保障数据管理和数据应用各项功能的规范化运行,建立对应的制度体系。数据制度体系通常分层
次设计,遵循严格的发布流程并定期检查和更新。数据制度建设是数据管理和数据应用各项工作有序
开展的基础,是数据治理沟通和实施的依据。
7.2.2 过程描述
过程描述如下:
a) 制定数据制度框架,根据数据职能的层次和授权决策次序,数据制度框架分为政策、办法、细则
三个层次,该框架规定了数据管理和数据应用的具体领域、各个数据职能领域内的目标、遵循
的行动原则、完成的......
|