?數據治理成熟度模型是一種工具和方法，用于衡量組織的數據治理計劃并將其簡單地傳達給整個組織。

介紹

在一個組織中數據治理協議不存在，數據質量無法保證。當數據是非結構化的并且對其進行的更改未記錄在案時，其質量會迅速下降。這不僅是數據團隊最頭疼的問題，而且還阻礙了業務用戶使用公司數據進行創新。

質量差的數據和不存在的數據管理流程會導致數據集不準確。當數據錯誤時，可能會產生災難性后果，從有害的業務決策到潛在的數據泄露和代價高昂的合規違規行為。

為了解決這些問題，組織必須部署數據治理策略，但要使該策略取得成功，就需要高度的數據成熟度。實現這一目標的最佳方法是采用數據治理成熟度模型。

數據治理成熟度及其模型

為了實現更高水平的數據治理成熟度，組織必須遵守數據治理成熟度模型。這個模型有很多例子，但在我們深入研究最知名的例子之前，先了解一下術語。

數據治理成熟度到底是什么？

數據治理成熟度是指組織在實施和采用數據治理計劃方面達到的階段。一個不成熟的組織將擁有大量無組織的數據，并且不會使用這些數據來推動增長。或者，成熟的組織將充分意識到數據作為關鍵業務資產的重要性，并相應地對其進行管理和管理。

什么是數據治理成熟度模型？

數據治理成熟度模型是一種工具和方法，用于衡量組織的數據治理計劃并將其簡單地傳達給整個組織。在成熟的組織中，管理、訪問和使用數據資產進行創新的所有流程都已到位。不太先進的組織可以使用成熟度模型來實現這一目標。

有一些著名的數據治理成熟度模型，包括來自 IBM、斯坦福、Gartner 和 Oracle 的示例。這些模型提供了一種方法，企業可以通過該方法學習如何有效地管理數據、提供用戶訪問權限、確保數據的高質量，并使組織中的每個人都可以從這些進步中受益。

數據成熟度沒有一刀切的模型，即使選擇了一種模型，也需要對其進行調整以適合組織。

當組織達到最高水平的數據治理成熟度時，就會看到明顯的結果。在整個公司范圍內，數據將用于創新和協作并做出更好的業務決策，而這些組織將避免因不遵守數據保護法規而產生的巨額罰款。

應該使用哪種數據治理成熟度模型？

盡管有幾種數據治理成熟度模型，當開始決定一個數據治理成熟度模型你需要考慮很多因素。其中包括關鍵業務驅動因素、實施模型所需的預算、現有的數據管理和治理框架以及您所在的行業。

漸進式數據治理成熟度模型

每個數據治理成熟度模型的目標都是相同的，但 Gartner 和 IBM 都沒有提供克服企業將面臨的挑戰所需的細節。組織能夠跟蹤其數據治理計劃的進展。

1級：未定義

• 不知道數據的重要性
• 不采取行動
• 流程是反應性的并且通常是混亂的

2級：意識到

• 意識到數據的重要性
• 現有的數據實踐得到理解并有據可查
• 提供數據源清單

第 3 級：已定義

• 定義了數據治理規則和策略
• 確定數據所有者和數據管理員 
• 成立治理委員會
• 已安裝數據目錄 

第 4 級：已實施

• 執行數據治理政策和實施規則
• 進行了培訓
• 收集和測量數據 
• 設置警報以監控用戶提出的數據質量問題 

5級：優化

• 優化了提高效率的規則和政策 
• 重新設計的工作流程減少了冗余 
• 數據由用戶標記以增加可發現性 

數據治理成熟度模型應應用于數據治理的三個核心領域：數據質量、數據訪問管理和數據素養。目的是將該模型獨立地應用于三個領域中的每一個領域，并逐步解決數據治理問題。

了解組織所處水平并進入下一個水平的最佳方法是通過正式問卷向數據用戶提問。這將能夠了解組織在哪里，員工知道什么，以及他們不知道什么。

IBM 數據治理成熟度模型

IBM 數據治理成熟度模型是最廣為人知的模型之一。該模型于 2007 年開發，旨在幫助組織確定在 11 個核心數據治理領域的進展情況。這些包括數據意識和組織結構、數據策略、數據管理、數據質量管理、數據生命周期管理、IT 安全和隱私、數據架構、數據分類、合規性、價值創造和審計。

級別 1：初始

• 僅限于沒有數據流程或治理
• 數據管理是臨時的和反應式的
• 沒有用于跟蹤數據的正式程序
• 錯過最后期限并超出項目預算

要升級到第 2 級，數據團隊應審核數據在其組織中的共享方式，并制定包括數據所有者和其他利益相關者的計劃。

級別 2：托管

• 用戶意識到數據的商業價值
• 一些數據項目，例如地圖數據基礎設施，正在進行中
• 自動化程度小
• 數據監管措施已達成一致并可供使用
• 數據團隊開始關注元數據

要達到第 3 級，監管措施需要進一步制定和記錄。為此，需要開始創建映射關鍵基礎設施和需求的模型。

第 3 級：已定義

• 數據策略定義明確
• 已確定并任命了一些數據管理員
• 有一些數據管理技術在使用
• 正在制定數據集成計劃
• 用戶正在共享和了解數據管理流程
• 主數據管理司空見慣
• 正在使用數據質量風險評估措施

隨著繼續指定和實施數據策略和管理流程，組織將進入第 4 級。

4級：量化管理

• 數據策略定義明確
• 企業級數據治理措施到位
• 已制定明確的數據質量目標
• 數據模型隨時可用
• 數據治理原則推動所有數據項目
• 績效管理已上線并正在進行中

要實現最高級別的數據成熟度，必須專注于生成 KPI 和其他性能指標。為此，必須制定一個清晰、簡潔的計劃來執行數據模型。

第 5 級：優化

• 數據管理成本降低
• 自動化很普遍
• 全公司采用清晰全面的數據管理原則
• 數據治理是公司文化的一部分
• 計算和跟蹤數據項目的投資回報率是標準做法

一個成熟的組織將充分意識到數據作為關鍵業務資產的重要性，并相應地對其進行管理和管理。

Gartner 數據治理成熟度模型

另一個被廣泛認可的模型是 Gartner 數據治理成熟度模型。自 2008 年以來，Gartner 模型已使企業實現了五個主要目標：

• 公司范圍內的數據集成
• 內容統一
• 主數據域集成
• 暢通的信息渠道
• 元數據管理

0級：未定義

• 沒有數據治理、數據所有權或問責制
• 沒有用于信息共享的流程或架構
• 沒有標準化或元數據管理
• 大多數歸檔和文檔共享都是通過電子郵件完成的
• 沒有統一，數據碎片化
• 重要的商業決策是使用不充分的信息做出的

行動項目：數據團隊和規劃人員必須讓關鍵業務領導者了解數據治理的重要性，并關注違反合規性法規的潛在影響。

第 1 級：意識到

• 數據所有者的缺席是顯而易見的
• 企業領導者承認缺乏對企業信息管理 (EIM) 的支持
• 數據的價值越來越明顯
• 對數據質量問題有一定程度的認識
• 人們意識到需要標準化的數據政策和流程
• 意識到冗余報告和低效的 BI 流程
• 沒有 EIM 的風險變得越來越明顯

行動項目：數據團隊必須制定符合現有企業架構和戰略業務目標的 EIM 戰略。

級別 2：反應性

• 組織了解公司數據的價值
• 數據開始跨部門、項目和系統共享
• 數據質量流程是反應性的
• 已制定政策，但采用率低
• 正在開發數據信息和保留評估流程

行動項目：關鍵業務領導者必須促進初始程序并鼓勵采用。同時，必須提供總體價值主張。

3級：主動

• 數據管理者和所有者被識別并活躍
• 協作被認為是關鍵的企業流程
• 角色和治理模式得到確認
• 公司范圍內遵守治理協議
• 數據治理是每個項目的開發和部署不可或缺的一部分
• 操作風險降低

行動項目：創建并向業務利益相關者和管理層展示 EIM 戰略，并在部門級別尋找 EIM 機會。

級別 4：管理

• 企業范圍內普遍認為數據至關重要
• 數據政策已經制定、啟動并得到很好的理解
• 已創建數據治理機構
• 數據指標定義明確且易于訪問

行動項目：必須對 IT 管理任務進行盤點，以檢查它們是否遵循 EIM 策略。應該有一個記分卡來評估數據管理流程。

5級：有效

• 利用數據和管理信息被視為提供競爭優勢
• 有服務水平協議 (SLA)
• 實現生產力目標和降低風險是與 EIM 戰略相關的兩個目標
• 負責 EIM 的團隊成熟且活躍
• 核心 EIM 目標已實現

行動項目：確保采取措施確保 EIM 控制和質量標準在領導層發生變化的情況下繼續進行。

當一家公司達到最高水平的數據治理成熟度時，就會看到明顯的結果。

結論

數據是現代企業增長的最重要驅動力。不僅支持關鍵的業務決策，而且使協作實踐成為可能，以幫助組織范圍內的創新。在我國2018年發布了DCMM國家標準，也是分為五個級別，有興趣的朋友可以深入學習和了解，此處只是期望起到拋磚引玉，他山之石的功能。