本文一共提供了CMM、DMM、DCMM、DCAM、MD3M、DataFlux、IBMMMI、DSMM、IOMM、中新聯(lián)團標、畢馬威&阿里數智化轉型框架、普華永道企業(yè)數字化成熟度評估架構、華為ODMM共13個(gè)評估模型。
近兩年數字化轉型非常熱，大家關(guān)注的問(wèn)題都集中在：有哪些數字化轉型的方法和技術(shù)？企業(yè)如何成功實(shí)現數字化轉型？數字化轉型過(guò)程如何避免踩坑？數字化轉型有沒(méi)有捷徑？數字化轉型到底該從哪里開(kāi)始？……
說(shuō)實(shí)話(huà)，這些問(wèn)題根本沒(méi)有答案。
雖然目前很多企業(yè)都已啟動(dòng)了數字化轉型戰略，但對大多數企業(yè)而言，數字化轉型都是“摸著(zhù)石頭過(guò)河”，根本沒(méi)有可供借鑒的經(jīng)驗。即便是具有數據基因的科技互聯(lián)網(wǎng)巨頭，他們也在談數字化轉型，也就是說(shuō)科技公司也不能說(shuō)自己是數字化企業(yè)。而對于那些號稱(chēng)是成功轉型的企業(yè)，其實(shí)也只是比其他企業(yè)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(yè)數字化轉型成功率僅為20％。
也就是說(shuō)，80%的企業(yè)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(huì )有不同的理解。
完成了數字化的績(jì)效目標，算轉型成功嗎？即使沒(méi)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(méi)有實(shí)現。
搭建了數字化基礎環(huán)境，使用了數字化技術(shù)（如云計算、大數據、AI等），算轉型成功嗎？即便業(yè)務(wù)決策用到了數據。
數字化成功或失敗，不能從一個(gè)維度考量！
在筆者看來(lái)：企業(yè)數字化轉型不是從0到1，而是從1到100。轉型是一個(gè)過(guò)程，場(chǎng)景從簡(jiǎn)單到復雜，應用從局部到廣泛，持續優(yōu)化、逐步成長(cháng)。
也就是說(shuō)，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(cháng)周期的，是一個(gè)從萌芽，不斷生長(cháng)，不斷成熟的過(guò)程。而企業(yè)數字化成熟度的評估，就是幫助企業(yè)找到數字化到底位于何處，還有哪些不足，應該從哪里改進(jìn)等問(wèn)題的答案。
— 02 —
CMMI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(shuō)，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(gè)領(lǐng)域，每個(gè)領(lǐng)域又可以劃分多個(gè)子領(lǐng)域，每個(gè)子領(lǐng)域又可以分為多個(gè)評估指標。然后綜合這些評標進(jìn)行評估，從而得到該領(lǐng)域的成熟度情況。而所謂成熟度就是幾個(gè)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）
— 03—
DMM 數據管理能力成熟度等級
1. Performed（已執行級）
主要特點(diǎn)：數據作為項目實(shí)施的需求進(jìn)行管理。
解讀分析：這個(gè)階段，企業(yè)和組織的數據管理過(guò)程是臨時(shí)性的，主要在項目級別執行。沒(méi)有形成跨業(yè)務(wù)領(lǐng)域數據管理流程，數據管理過(guò)程是被動(dòng)的，例如，對于數據質(zhì)量的修復。關(guān)于數據管理的基本改進(jìn)可能存在，但改進(jìn)尚未在企業(yè)或組織范圍內進(jìn)行明確、宣貫和推廣。
2. Managed（可管理級）
主要特點(diǎn)：企業(yè)意識到數據作為企業(yè)關(guān)鍵資產(chǎn)的重要性，局部實(shí)現了常態(tài)化管理。
解讀分析：這個(gè)階段，數據資產(chǎn)化的觀(guān)念被企業(yè)或組織所認可，企業(yè)嘗試并開(kāi)展了數據管理的相關(guān)工作。按照企業(yè)的目標制定了相關(guān)政策和執行過(guò)程，雇傭有專(zhuān)業(yè)知識的數據管理人員來(lái)對數據進(jìn)行管理，使得核心數據能夠受控輸出；數據管理在企業(yè)局部范圍開(kāi)展，涉及部分業(yè)務(wù)部門(mén)或利益相關(guān)者；部分數據開(kāi)始進(jìn)行數據的監控、控制和過(guò)程審查，估過(guò)程是否符合其數據管理的要求。
3. Defined （可定義級）
主要特點(diǎn)：數據在組織級被視為關(guān)鍵生產(chǎn)要素。
解讀分析：隨著(zhù)時(shí)間的推移，數據已經(jīng)被企業(yè)視為除了人員、資金和物資的第四種生產(chǎn)要素。企業(yè)內部已經(jīng)建立和改進(jìn)了一些數據管理的流程，改進(jìn)了數據質(zhì)量。根據企業(yè)的數據戰略和指導方針，從一組標準的數據管理過(guò)程中能夠定制滿(mǎn)足企業(yè)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(diǎn)：數據被視為競爭優(yōu)勢的來(lái)源分析。
解讀分析：這個(gè)階段，企業(yè)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(zhì)量。對不不同類(lèi)別的數據啟動(dòng)有差異的管理流程，企業(yè)使用了元數據管理、數據質(zhì)量管理、主數據管理等應用，對數據的業(yè)務(wù)含義、業(yè)務(wù)規則、質(zhì)量規則進(jìn)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(gè)數據的生命周期中進(jìn)行管理。
5. Optimized（優(yōu)化管理級）
主要特點(diǎn)：在一個(gè)充滿(mǎn)活力和競爭的市場(chǎng)中，數據被視為生存的關(guān)鍵，持續提升和優(yōu)化。
解讀分析：通過(guò)創(chuàng )新性的改進(jìn)，企業(yè)數據管理能力不斷提高。通過(guò)數據管理能力的增強反饋用于推動(dòng)業(yè)務(wù)增長(cháng)和決策能力的提升，企業(yè)的數據管理能力已經(jīng)發(fā)展成為行業(yè)的標桿，可以在整個(gè)行業(yè)內進(jìn)行先進(jìn)經(jīng)驗的分享。
（4）DMM 架構和過(guò)程域
DMM模型提供了數據管理的最佳實(shí)踐路線(xiàn)圖，幫助組企業(yè)構建、改進(jìn)和衡量其企業(yè)數據管理能力。該模型圍繞著(zhù)數據管理成熟度（DMM）模型展開(kāi)，該模型是一個(gè)綜合的數據管理實(shí)踐框架，分為六個(gè)關(guān)鍵類(lèi)別，幫助組織對其能力進(jìn)行基準評測，找出優(yōu)勢和差距，并利用其數據資產(chǎn)提高業(yè)務(wù)績(jì)效。
DMM模型包括25個(gè)過(guò)程域，由20個(gè)數據管理過(guò)程域和5個(gè)支持過(guò)程域組成，按管控維度不同分為：數據戰略、數據治理、數據質(zhì)量、數據運營(yíng)、平臺與架構、支撐流程6個(gè)類(lèi)型，如下圖所示：
— 04—
DCMM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(shù)對數據管理能力進(jìn)行了分析、總結，提煉出組織數據管理的八大過(guò)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(zhì)量管理、數據標準、數據生命周期。這八個(gè)過(guò)程域共包含28個(gè)過(guò)程項，441項評價(jià)指標。
數據戰略：數據戰略規劃、數據戰略實(shí)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(kāi)放共享、數據服務(wù)
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(zhì)量：數據質(zhì)量需求、數據質(zhì)量檢查、數據質(zhì)量分析、數據質(zhì)量提升
數據標準：業(yè)務(wù)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(kāi)放、數據運維、數據退役
DCMM的能力等級劃分
與CMMI類(lèi)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(yōu)化級共5個(gè)發(fā)展等級，幫助組織進(jìn)行數據管理能力成熟度的評價(jià)。
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(yè)要做DCMM評估，可以找國家工業(yè)信息安全發(fā)展研究中心，是全國僅有的6家擁有DCMM評估資質(zhì)的單位。
— 05—
DCAM 數據管理能力評價(jià)模型
數據管理能力評價(jià)模型(datamanagement capability assessment model，DCAM)是由EDM主導，組織金融行業(yè)企業(yè)參與編制和驗證，基于眾多實(shí)際案例的經(jīng)驗總結來(lái)進(jìn)行編寫(xiě)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(shù)和操作的最佳實(shí)踐等方面描述了如何成功地進(jìn)行數據管理。最后，又結合數據的業(yè)務(wù)價(jià)值和數據操作的實(shí)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(gè)職能域：
數據管理策略
數據管理業(yè)務(wù)案例
數據管理程序
數據治理
數據架構
技術(shù)架構
數據質(zhì)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(xié)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(yè)務(wù)案例
數據管理流程與資金
數據架構
技術(shù)架構
數據質(zhì)量管理
數據治理
數據操作
— 06 —
MD3M 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(shuō)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(huì )引用一些真實(shí)的“微案例”?！拔咐鄙婕暗目蛻?hù)名稱(chēng)已做了相關(guān)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(yè)，主數據問(wèn)題早已存在并且在企業(yè)里被提出，但是企業(yè)沒(méi)有認意識到要進(jìn)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(yè)的員工甚至不知道主數據是個(gè)啥。
2、Repeatable 應用級
企業(yè)已經(jīng)認識到了主數據的重要性，并且開(kāi)始在項目中進(jìn)行主數據的治理。但是這種管理只是在個(gè)別項目中進(jìn)行，沒(méi)有推廣應用到其他部門(mén)或系統中。這種情況在很多企業(yè)普遍存在，例如：X企業(yè)上了一套CRM，只是在CRM中將客戶(hù)主數據進(jìn)行了整理和清洗，并且用一定流程管理起來(lái)了，但是CRM的客戶(hù)數據并沒(méi)有與財務(wù)系統、ERP系統等系統打通。
3、defined process 已定義級
企業(yè)充分認識到了主數據的問(wèn)題、影響和價(jià)值，并對主數據管理第一次在企業(yè)戰略層面提出，企業(yè)開(kāi)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(jìn)行主數據的試點(diǎn)應用。筆者接觸了很多主數據的客戶(hù)，部分客戶(hù)是已經(jīng)處于第三級的。筆者發(fā)現，處于這個(gè)層級的客戶(hù)有一個(gè)共同點(diǎn)，就是對于主數據比較迷茫。正如Y企業(yè)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(jīng)運行了3年，但是主數據的價(jià)值好像并沒(méi)有發(fā)揮出來(lái)。還有就是我們主數據平臺剛上的時(shí)候，主數據質(zhì)量還行，但是現在去看已經(jīng)和3年前沒(méi)太大差別了”
4、managed and measurable 管理和度量級
企業(yè)制定了一套主數據管理的最佳實(shí)踐，主數據被企業(yè)的核心資產(chǎn)進(jìn)行管理，對于主數據的申請、審批、采集、分發(fā)制定了明確的流程和規范，對于主數據的數據質(zhì)量有著(zhù)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(yè)CIO的迷茫，Y企業(yè)之所以存在對主數據的困惑，一方面是認知問(wèn)題，關(guān)于主數據重要性只是局部認知，比如：領(lǐng)導認識到了、員工沒(méi)有認識到；IT人員認識到、業(yè)務(wù)人員沒(méi)認識到；CIO認識到了，CEO沒(méi)有認識到……；另一方面，主數據管理并不是上一個(gè)系統就能萬(wàn)事大吉的，是需要企業(yè)持續的運營(yíng)才能見(jiàn)效的，配套的標準、流程、制度、考核是必不可少的。
5、optimized 優(yōu)化級
該層級稱(chēng)為：持續優(yōu)化級。主數據管理是一個(gè)持續提升的過(guò)程，不可一蹴而就。我們看到主數據做的非常成功的企業(yè)，都有兩個(gè)特點(diǎn)：1）再一開(kāi)始做主數據的時(shí)候，企業(yè)對要實(shí)現的業(yè)務(wù)目標和管理的主數據范圍就十分明確，一般都是選1~2個(gè)核心主數據進(jìn)行試點(diǎn)實(shí)施。2）試點(diǎn)實(shí)施階段企業(yè)會(huì )建立起一整套的主數據實(shí)施最近實(shí)踐（組織的建設、數據標準、管理流程和制度、運維規范、運營(yíng)及考核），試點(diǎn)成功再將這套最佳實(shí)踐復制到企業(yè)的其他業(yè)務(wù)域，實(shí)現主數據全域覆蓋。主數據的實(shí)施過(guò)程是企業(yè)數據戰略落地的過(guò)程，絕對不是購買(mǎi)一套工具就能解決的問(wèn)題，方法、組織、標準、制度、流程、技術(shù)與工具樣樣不可缺少。我們看到，有的企業(yè)實(shí)施主數據借助了外部咨詢(xún)公司的力量，由咨詢(xún)公司幫助規劃實(shí)施范圍、建立制度和流程、制定實(shí)施路線(xiàn)圖等，取得了不錯的效果?！居行枰鰯底只稍?xún)的老板請找羅百輝老師】
關(guān)鍵主題和重點(diǎn)領(lǐng)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(gè)關(guān)鍵主題和13重點(diǎn)領(lǐng)域，見(jiàn)下圖：
與我們之前分享的DMM模型不同的是，MD3M更關(guān)注于主題，而不是過(guò)程。因為不同公司的流程可能不同，如果MD3M過(guò)于專(zhuān)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(yè)來(lái)說(shuō)，實(shí)施精心設計的MDM方法的所需的成本可能將被夸大。
— 07 —
DataFlux 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(shū)探討了基于提供MDM服務(wù)的能力的成熟度級別，通過(guò)根據MDM相關(guān)組件層的成熟度來(lái)表示它們，企業(yè)管理層可以針對所需的MDM成熟度級別，設計開(kāi)發(fā)一個(gè)主數據管理的實(shí)施路線(xiàn)圖，用于指導企業(yè)主數據管理的實(shí)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(yè)務(wù)流程管理六個(gè)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(wù)架構。
（1）主數據模型
要創(chuàng )建主數據時(shí)，需要將企業(yè)中相關(guān)實(shí)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(gè)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(zhù)必須有一個(gè)統一的主模型來(lái)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(guān)關(guān)鍵元素合并到一個(gè)模型中，主數據模型要能夠適應相關(guān)異構系統的不同應用需求。推薦的做法是取各個(gè)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(gè)生命周期（創(chuàng )建、變更、訪(fǎng)問(wèn)、注銷(xiāo)），為主數據提供基礎的管理和維護功能，可以針對特定的場(chǎng)景或應用（例如：產(chǎn)品或客戶(hù)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(shí)間通過(guò)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(chuàng )建權限，則可以為每個(gè)應用系統調整創(chuàng )建服務(wù)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(shí)在統一不了，可以通過(guò)系統自動(dòng)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(wù)架構
異構應用系統使用所需的數據對象服務(wù)可能會(huì )有一定的差異，所需的數據服務(wù)也有進(jìn)一步的要求，例如同步、序列化訪(fǎng)問(wèn)控制、集成與整合、數據訪(fǎng)問(wèn)。通過(guò)部署可重用并且與業(yè)務(wù)流程關(guān)聯(lián)的主數據服務(wù)，將業(yè)務(wù)應用系統分層到數據對象服務(wù)層，并對數據服務(wù)進(jìn)行權限的劃分。主數據服務(wù)架構關(guān)鍵點(diǎn)在于流程驅動(dòng)、按屬性授權。主數據管理本身也是一項業(yè)務(wù)活動(dòng)，需要根據相應的業(yè)務(wù)規則按順序流轉；權限劃分是指不同流程節點(diǎn)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(jìn)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(yè)千年發(fā)展目標的政策。由于MDM是一項企業(yè)倡議，因此必須保證利益相關(guān)者將遵守、管理、參與主數據的治理和數據共享?？绮煌瑯I(yè)務(wù)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(fēng)險、數據敏感性、元數據管理、主數據管理以及數據安全等問(wèn)題。這些問(wèn)題中的每一個(gè)都側重于將數據技術(shù)和管理監督結合起來(lái)，確保組織遵守定義的制度和政策。
（1）數據標準化
對企業(yè)數據元的標準化定義，明確數據語(yǔ)義、取值。評估組織數據元素信息并將這些信息編制成業(yè)務(wù)元數據，形成了最終驅動(dòng)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(chēng)、定義和其他相關(guān)屬性的過(guò)程，除了收集有關(guān)潛在可用的大量數據元素的標準技術(shù)細節外，企業(yè)還需要確定： 每個(gè)數據元的業(yè)務(wù)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(chuàng )建、讀取、修改或失效每個(gè)數據元，業(yè)務(wù)流程中的數據質(zhì)量特征、檢查和監控位置，等等這一系列的過(guò)程都是元數據管理。主數據管理的各個(gè)過(guò)程都是圍繞元數據模型開(kāi)展的。
（3）數據質(zhì)量
業(yè)務(wù)績(jì)效和運營(yíng)生產(chǎn)力依賴(lài)于高質(zhì)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(lài)于數據治理，但治理可以跨不同的業(yè)務(wù)域應用，為企業(yè)范圍的部署提供規模經(jīng)濟。治理的各個(gè)方面至關(guān)重要，因為所有權模型和監督機制確保MDM環(huán)境中的參與者意識到信息的質(zhì)量得到了積極管理。
3、數據管理
（1）唯一身份識別
每一個(gè)主數據對象類(lèi)型都對應與真實(shí)世界的一個(gè)實(shí)體對象，每個(gè)實(shí)體對象都有一個(gè)唯一識別的身份，這意味著(zhù)在主數據資源庫中，需要為每個(gè)主數據對象提供相應的標識信息，用來(lái)識別和標識數據對象的唯一性。
（2）數據關(guān)系
主數據系統應具備數據關(guān)系管理的能力，例如：客戶(hù)之間的關(guān)聯(lián)關(guān)系，供應商與所提供產(chǎn)品的關(guān)系等等。這些關(guān)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(wù)組件。筆者認為：“關(guān)系型主數據將在主數據管理中扮演越來(lái)越重要的角色”。
（3）遷移管理
與業(yè)務(wù)應用系統不同，主數據的集成、上線(xiàn)是一個(gè)需要過(guò)渡的過(guò)程。無(wú)論是逐步的過(guò)渡還是徹底的使用新標準、新體系，數據遷移計劃通常都會(huì )使舊體系版本與標準化后的版本同時(shí)運行一段時(shí)間，以確保對新版本正確地滿(mǎn)足業(yè)務(wù)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(gè)或多個(gè)數據元素表示可以解析為唯一對象的一個(gè)表示，即：通過(guò)一定的數據元素的組合進(jìn)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(shù)，目前該技術(shù)已被成功應用到國家工業(yè)互聯(lián)網(wǎng)的戰略布局中，通過(guò)將標識解析與互聯(lián)網(wǎng)相結合，通過(guò)為每個(gè)機器、產(chǎn)品、零部件設置網(wǎng)絡(luò )虛擬“身份證”，支持通過(guò)“身份證號”實(shí)現物料追溯、產(chǎn)品追蹤，從而實(shí)現跨地域、跨行業(yè)、跨企業(yè)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(dòng)匹配，這些規則不僅依賴(lài)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(guò)程。
（3）查重與合并
使用標識解析來(lái)檢查企業(yè)數據集，以區分表示唯一實(shí)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(lèi)似的記錄要通過(guò)算法來(lái)鑒定每個(gè)數據屬性中的值的相似度，為主數據的查重和合并過(guò)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(gè)應用系統的集成，還能夠為數據分析提供高質(zhì)量的主數據。MDM系統建立數據服務(wù)層的核心主實(shí)體為建立一組分層的信息服務(wù)提供基礎，以支持業(yè)務(wù)應用的快速和高效的開(kāi)發(fā)。
（1）與數據源的集成
建立一個(gè)MDM系統將主數據統一管理起來(lái)，實(shí)現單一源頭的主數據管理，而不使用這些數據是沒(méi)有意義的，建立單一數據源的一個(gè)驅動(dòng)因素是建立一個(gè)可以在整個(gè)企業(yè)中共享的高質(zhì)量數據資產(chǎn)。這個(gè)目標需要雙向數據流：主數據必須很容易地進(jìn)入主數據庫，并且企業(yè)應用程序也必須同樣容易地訪(fǎng)問(wèn)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(shí)提供一個(gè)標準化的路徑，進(jìn)行數據的轉換和同步，為應用系統提供數據服務(wù)。
（2）主數據集成服務(wù)
隨著(zhù)MDM的深入應用，新的應用程序越來(lái)越多地依賴(lài)主數據對象及其相應功能的來(lái)支持新的業(yè)務(wù)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(wèn)題（例如，數據訪(fǎng)問(wèn)和操作、安全和訪(fǎng)問(wèn)控制或策略管理），使用MDM服務(wù)層整合應用系統，被越來(lái)越多的企業(yè)所青睞，這種方法還將為現有系統的整合和未來(lái)系統的設計提供額外的價(jià)值。
6、業(yè)務(wù)流程管理
基于業(yè)務(wù)流程驅動(dòng)的主數據管理是MDM的主要手段。MDM系統設計中的一個(gè)關(guān)鍵因素是確保系統是業(yè)務(wù)驅動(dòng)的，盡管MDM是一種技術(shù)，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(yè)務(wù)流程模型的情況下實(shí)施主數據管理是一種無(wú)用的活動(dòng)，進(jìn)一步強調了“流程驅動(dòng)”在主數據管理中的重要性。
（1）流程模型
業(yè)務(wù)流程模型是一種邏輯表示，它以一種方式描述業(yè)務(wù)流程，并在適當的時(shí)間將適當的細節傳達給適當的人。通常列舉所涉及的過(guò)程、流程的輸入、控制過(guò)程等方面、作為過(guò)程結果出現的事件以及過(guò)程的預期輸出。本質(zhì)上MDM也是一項業(yè)務(wù)活動(dòng)，不同的主數據需要在不同的時(shí)間、由不同的人維護和管理不同的數據元素，而這個(gè)過(guò)程是依靠流程模型來(lái)驅動(dòng)的。
（2）業(yè)務(wù)規則
在任何業(yè)務(wù)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(chuàng )建新值并觸發(fā)新控件。
（3）MDM業(yè)務(wù)組件層
在通過(guò)業(yè)務(wù)流程建模和集成組件的定義和需求以及通過(guò)基于規則的系統實(shí)現業(yè)務(wù)規則的基礎上，是業(yè)務(wù)組件層。在這一層，我們可以開(kāi)始創(chuàng )建更復雜的可重用業(yè)務(wù)服務(wù)，包含數據的映射、轉換、同步、訪(fǎng)問(wèn)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(gè)基準來(lái)衡量所有MDM成熟度能力。相反，許多組織已經(jīng)設計、架構和部署了所描述功能的相關(guān)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(wù)。同時(shí)，它還指出了促進(jìn)更復雜的應用系統對主數據依賴(lài)所需的功能和組件。
DataFlux模型將組織的主數據管理成熟度劃分為5級，分別是：
1. 初始級
主要特點(diǎn)：缺乏對主數據管理目標和價(jià)值的認證，未開(kāi)展主數據管理活動(dòng)。
解讀分析：在初始級，利用主數據的可能性是有限的，但是有某種程度的認識到某些數據集存在多個(gè)副本，并與多個(gè)應用系統相關(guān)聯(lián)。部分業(yè)務(wù)或技術(shù)人員準備探索整合數據集以實(shí)現某些應用集成或數據分析的目的。
2. 反應級
主要特點(diǎn)：企業(yè)充分認識到了主數據多副本的問(wèn)題，并正在嘗試解決這一問(wèn)題。
解讀分析：企業(yè)對多個(gè)異構系統之間的信息孤島問(wèn)題、數據不一致問(wèn)題有了深刻的認知，并且這些問(wèn)題對企業(yè)造成了一定的困擾，企業(yè)正在嘗試通過(guò)一定的管理或技術(shù)手段解決這一問(wèn)題。企業(yè)購買(mǎi)了一些軟件和工具，嘗試進(jìn)行將不同應用系統間元數據的整合。
3. 被動(dòng)管理級
主要特點(diǎn)：通過(guò)主數據管理解決了單一領(lǐng)域和單一業(yè)務(wù)的數據問(wèn)題。
解讀分析：對于主數據的管理重點(diǎn)可能集中在單個(gè)領(lǐng)域，解決特定的問(wèn)題，實(shí)現了單一業(yè)務(wù)線(xiàn)條的數據統一。管理級還允許企業(yè)對新應用程序和現有應用程序的數據進(jìn)行整合，整合和同步成為了主數據的重要特點(diǎn)。
4. 主動(dòng)管理級
主要特點(diǎn)：自動(dòng)化的流程驅動(dòng)數據管理，應用系統通過(guò)服務(wù)層與主數據庫集成，如標識解析、層次結構管理、映射管理、轉換管理。
解讀分析：隨著(zhù)組織建立起相應的主數據模型和數據服務(wù)體系結構，在減少單個(gè)應用系統對復制數據的依賴(lài)方面變得更加熟練。主動(dòng)式管理能夠更好地在客戶(hù)、供應商和供應商級別建立關(guān)系，基于匯總和整合數據的完整數據模型作為核心企業(yè)資源進(jìn)行管理，數據治理在整個(gè)組織中有效，對業(yè)務(wù)和管理都起到了一定的支撐作用。
5. 戰略績(jì)效級
主要特點(diǎn)：MDM與面向服務(wù)體系架構相結合，為企業(yè)應用系統的操作和分析需求的提供高質(zhì)量的數據保障。
解讀分析：處于該層次的主數據管理結合了先進(jìn)的技術(shù)，與商務(wù)智能分析形成雙向互補機制，主數據為商務(wù)智能提供可靠的數據，商務(wù)智能的相關(guān)分析結果可以作為主數據對象進(jìn)行管理，從而為用戶(hù)提供更有效和一致的預測分析，為降低企業(yè)成本、提升企業(yè)績(jì)效提供支撐。
— 08 —
IBM：數據治理框架
IBM數據治理模型分為目標、支持條件、核心規程和支持規程四個(gè)層次，如下圖：
目標。目標是數據治理計劃的預期結果，通常致力于降低風(fēng)險和價(jià)值創(chuàng )造。數據風(fēng)險管理和規格性是用來(lái)確定數據治理與風(fēng)險管理的關(guān)聯(lián)度及合規性，用來(lái)量化、跟蹤、避免或轉移風(fēng)險。價(jià)值創(chuàng )造是通過(guò)有效的數據治理，實(shí)現數據資產(chǎn)化幫助組織創(chuàng )造更大的價(jià)值。
支持條件。組織機構與意識，數據治理需要建立相應的組織機構（例如：數據治理委員會(huì )、數據治理工作組等），并安排的全職的人員開(kāi)展數據治理工作，同時(shí)，需要建立起數據治理的相關(guān)制度并且獲得高管的重視。管理工作，制定數據質(zhì)量控制的規程和制度，用來(lái)管理數據以實(shí)現數據資產(chǎn)的增值和風(fēng)險控制。策略，組織應在數據戰略層面設置明確的目標的方向。
核心規程。數據質(zhì)量管理，提升數據質(zhì)量，保障數據的一致性、準確性和完整性的各種方法。信息生命周期管理，對各種類(lèi)型數據，如：結構化數據、非結構化數據、半結構化數據全生命周期管理的相關(guān)策略、流程和分類(lèi)。信息安全與隱私，在數據資產(chǎn)包含，減低數據安全風(fēng)險的各種策略、實(shí)踐和控制方法。
支持規程。數據架構，指系統體系結構設計，支持向適當的用戶(hù)提供和分配數據。分類(lèi)與元數據，通過(guò)元數據的技術(shù)，對組織的業(yè)務(wù)元數據、技術(shù)元數據進(jìn)行梳理，形成數據資產(chǎn)的統一資源目錄。審計記錄與報告，指數據合規性、內部控制、數據管理審計相關(guān)的一系列管理流程和應用。
IBM數據治理能力成熟度評估模型借鑒了，能力成熟度模型CMM（Capability Maturity Model），將數據治理的成熟度描述了五個(gè)等級的成熟度路徑：
Level 1 初始化：工作通常是臨時(shí)的，環(huán)境也不穩定，反映組織內個(gè)人能力，而不作為成熟度管理。該階段盡管組織內會(huì )生成產(chǎn)品和服務(wù)，但往往會(huì )超出預算和項目時(shí)間；
Level 2 已管理：基于項目或單業(yè)務(wù)職能的有效管理，能夠跟蹤成本和時(shí)間表，可以基于項目實(shí)踐的計劃和執行的經(jīng)驗開(kāi)展復用，但仍缺乏組織內整體的管理，仍然存在預算超支和實(shí)踐逾期等風(fēng)險；
Level 3 已定義：組織內形成覆蓋整個(gè)組織的標準、流程和規程管理，能夠適應組織內業(yè)務(wù)職能或項目；
Level 4 量化管理：組織通過(guò)統計技術(shù)和量化分析，對所開(kāi)展的質(zhì)量目標進(jìn)行量化管理；
Level 5 持續改進(jìn)：量化的目標被明確建立且持續修訂反映業(yè)務(wù)目標的變化。
IBM：數據治理流程
IBM 數據治理統一流程列出了這 14 個(gè)主要的10個(gè)必需步驟和 4 個(gè)可選專(zhuān)題，以及支持有效的數據治理計劃的相關(guān)IBM 軟件工具和最佳實(shí)踐。
10 個(gè)必需步驟是為有效的企業(yè)治理計劃奠定基礎所不可或缺的。
4 個(gè)可選專(zhuān)題是主數據治理、分析治理、安全和隱私以及信息生命周期治理。
（1）定義業(yè)務(wù)問(wèn)題
數據治理計劃失敗的主要原因是：它們無(wú)法識別實(shí)際的業(yè)務(wù)問(wèn)題。組織亟需圍繞一個(gè)特定的業(yè)務(wù)問(wèn)題，比如失敗的審計、數據破壞或出于風(fēng)險管理用途對改進(jìn)的數據質(zhì)量的需要，定義數據治理計劃的初始范圍。一旦數據治理計劃開(kāi)始解決已識別的問(wèn)題??業(yè)務(wù)職能部門(mén)將支持它將范圍擴展到更多區域。
（2）獲取高層支持
得到關(guān)鍵 IT 和業(yè)務(wù)高層對數據治理計劃的支持很重要。獲得此支持的最佳方式是以業(yè)務(wù)案例和“快捷區域”的形式建立價(jià)值。例如：業(yè)務(wù)案例可以專(zhuān)注于一客戶(hù)名稱(chēng)匹配，改進(jìn)數據的質(zhì)量以支持客戶(hù)中心性計劃。
（3）執行成熟度評估
每個(gè)組織需要對其數據治理成熟度執行一項評估，最好每年執行一次。數據治理組織需要評估組織當前的成熟度水平，當前狀態(tài)和想要的未來(lái)成熟度水平，這通常在12到18 個(gè)月后。這段時(shí)間必須長(cháng)到足夠生成結果，短到確保關(guān)鍵利益相關(guān)者的持續支持。
（4）創(chuàng )建路線(xiàn)圖
數據治理組織需要開(kāi)發(fā)一個(gè)路線(xiàn)圖來(lái)填補 11 個(gè)數據治理成熟度類(lèi)別的當前狀態(tài)與想要的未來(lái)狀態(tài)之間的空白。例如：數據治理組織
可以檢查“照管”的成熟度空白，確定企業(yè)需要任命數據照管人來(lái)專(zhuān)門(mén)負責目標主題區域，比如客戶(hù)、供應商和產(chǎn)品。數據治理計劃也需要包含“快捷區域”——計劃可帶來(lái)近期業(yè)務(wù)價(jià)值的區域。
（5）建立組織藍圖
數據治理組織需要建立一種章程來(lái)治理其操作，確保它擁有足夠的成熟度來(lái)在關(guān)鍵形勢下?lián)敍Q勝者。數據治理組織最好在一種 3 層架構下操作。頂層是數據治理委員會(huì )，它由依靠數據作為企業(yè)資產(chǎn)的關(guān)鍵職能和業(yè)務(wù)領(lǐng)導組成。中間層是數據治理工作組，它由經(jīng)常會(huì )面的中層經(jīng)理組成。最后一層由數據管理員組成，它負責每天的數據質(zhì)量。
（6）創(chuàng )建數據字典
業(yè)務(wù)詞匯的有效管理可幫助確保相同的描述性語(yǔ)言適用于整個(gè)組織。數據字典或業(yè)務(wù)術(shù)語(yǔ)庫是一個(gè)存儲庫，包含關(guān)鍵詞匯的定義。它用于在組織的技術(shù)和業(yè)務(wù)端之間實(shí)現一致性和達成一致。例如：“客戶(hù)”的定義是什么，客戶(hù)是某個(gè)進(jìn)行購買(mǎi)的人還是某個(gè)考慮購買(mǎi)的人，前員工是否仍然分類(lèi)為“員工”，詞匯“合作伙伴”和“經(jīng)銷(xiāo)商”是否同義，這些問(wèn)題可通過(guò)創(chuàng )建一個(gè)通用的數據字典來(lái)回答。一旦實(shí)現，數據字典可應用到整個(gè)組織，確保業(yè)務(wù)詞匯通過(guò)元數據與技術(shù)詞匯相關(guān)聯(lián)，而且組織擁有單一、共同的理解。
（7）理解數據
有人曾經(jīng)說(shuō)過(guò)：“您無(wú)法控制您還未理解的東西?！比缃窈苌儆袘贸绦蚴仟毩⒋嬖诘?。它們由系統和“系統的系統”組成，包含散落在
企業(yè)各個(gè)角落但整合或至少相互關(guān)聯(lián)的應用程序和數據庫。關(guān)系數據庫模型實(shí)際上使情況更糟了，它使業(yè)務(wù)實(shí)體的存儲分散化。但是所有一切是如何關(guān)聯(lián)的，數據治理團隊需要發(fā)現整個(gè)企業(yè)中關(guān)鍵的數據關(guān)系。
（8）創(chuàng )建元數據存儲庫
元數據是關(guān)于數據的數據。它是有關(guān)任何數據工件，比如其技術(shù)名稱(chēng)、業(yè)務(wù)名稱(chēng)、位置、被認為的重要性和與企業(yè)中其他數據工件的
關(guān)系的特征的信息。在查詢(xún)階段，數據治理計劃將從數據字典生成大量業(yè)務(wù)元數據和大量技術(shù)元數據。此元數據需要存儲在一個(gè)存
儲庫中，所以它可以在多個(gè)項目之間共享和利用。
（9）定義度量指標
數據治理需要擁有可靠的度量指標來(lái)度量和跟蹤進(jìn)度。數據治理團隊必須認識到當您度量某個(gè)東西時(shí)，性能就會(huì )改進(jìn)。因此，數據治理團隊必須挑選一些關(guān)鍵性能指標 (KPI) 來(lái)度量計劃的持續性能。例如：一家銀行將希望評估行業(yè)的整體信貸風(fēng)險。在這種情況下，數據治理計劃可以選擇空的標準行業(yè)分類(lèi) (SIC) 代碼的百分比作為 KPI跟蹤風(fēng)險管理信息的質(zhì)量。
前9個(gè)步驟是企業(yè)數據治理的基本流程，第10步需要企業(yè)在 4 個(gè)可選的數據治理專(zhuān)題（主數據治理、分析治理、安全和隱私以及信息生命周期治理）中至少選擇一個(gè)。
（10）治理主數據
企業(yè)內最有價(jià)值的信息（與客戶(hù)、產(chǎn)品、材料、供應商和帳戶(hù)相關(guān)的關(guān)鍵數據）統稱(chēng)為主數據。盡管它很重要，主數據常常是重復的并分散在整個(gè)企業(yè)的各種業(yè)務(wù)流程、系統和應用程序中。治理主數據是一種持續的實(shí)踐，其中業(yè)務(wù)領(lǐng)導為實(shí)現業(yè)務(wù)目標而定義準則、策略、流程、業(yè)務(wù)規則和度量指標，管理他們的主數據的質(zhì)量。
（11）數據分析治理
企業(yè)已投入了巨額資金建立數據倉庫來(lái)獲取競爭洞察。但是，這些投資并不總是得到了結果，導致企業(yè)越來(lái)越多地審查其對分析的投
資?！胺治鲋卫怼睂?zhuān)題定義為設置更好地協(xié)調業(yè)務(wù)用戶(hù)與對分析基礎架構的投資的策略和過(guò)程。
（12）管理安全和隱私
數據治理領(lǐng)導（尤其是向首席信息安全官報告的領(lǐng)導）常常必須處理圍繞數據安全和隱私的問(wèn)題采用相應的策略和措施。
（13）治理信息生命周期
非結構化內容占典型企業(yè)中的數據的 80% 以上。隨著(zhù)組織從數據治理轉向信息治理，他們開(kāi)始考慮這種非結構化內容的治理。
（14）度量結果
數據治理組織必須通過(guò)不斷監控度量指標來(lái)確保持續改進(jìn)。在第9 步中，數據治理團隊設置度量指標。在此步驟中，數據治理團隊依據這些度量指標向來(lái)自 IT 和業(yè)務(wù)部門(mén)的高層利益相關(guān)者報告進(jìn)度。
整個(gè)數據治理統一流程需要以持續循環(huán)的形式操作。該流程需要度量結果并循環(huán)回到高層支持者，以獲得數據治理計劃的持續支持。
— 09 —
DSMM模型簡(jiǎn)介
數據安全能力成熟度模型（DS-CMM，或DSMM）是由是阿里巴巴和中國電子技術(shù)標準化研究院在大量實(shí)踐和研究的基礎上，聯(lián)合三十多家企事業(yè)單位共同研究制定的。DSMM一份關(guān)于數據安全管理的標準，目前是報批稿狀態(tài)，即將成為國家標準。
DSMM借鑒能力成熟度模型（CMM）的思想，將數據按照其生命周期分階段采用不同的能力評估等級，分為數據采集安全、數據傳輸安全、數據存儲安全、數據處理安全、數據交換安全、數據銷(xiāo)毀安全六個(gè)階段。DSMM從組織建設、制度流程、技術(shù)工具、人員能力四個(gè)安全能力維度的建設進(jìn)行綜合考量。DSMM將數據安全成熟度劃分成了1-5個(gè)等級，依次為非正式執行級、計劃跟蹤級、充分定義級、量化控制級、持續優(yōu)化級，形成一個(gè)三維立體模型，全方面對數據安全進(jìn)行能力建設。
注：該標準還在進(jìn)一步修訂中，未正式發(fā)布，供參考。需要請見(jiàn)文末。
能力成熟度等級
1級（非正式執行）
主要特點(diǎn)：數據安全工作是隨機、無(wú)序、被動(dòng)執行的，依賴(lài)與個(gè)人，經(jīng)驗無(wú)法復制。
組織在數據安全領(lǐng)域未執行有效的相關(guān)工作，僅在部分場(chǎng)景或項目的臨時(shí)需求執行相關(guān)工作，未形成成熟的機制，來(lái)保障數據安全相關(guān)工作的持續開(kāi)展。
2級（計劃跟蹤）
主要特點(diǎn)：在項目級別主動(dòng)實(shí)現了安全過(guò)程的計劃與執行，沒(méi)有形成體系化。
規劃執行，對數據安全過(guò)程進(jìn)行規劃，提前分配資源和責任；
規范化執行，對安全過(guò)程進(jìn)行控制，使用安全執行計劃，執行相關(guān)標準和程序的過(guò)程，對數據安全過(guò)程實(shí)施配置管理；
驗證執行，確認過(guò)程按照預定的方式執行，驗證執行過(guò)程與可應用的計劃是一致的，對數據安全過(guò)程進(jìn)行審計；
跟蹤執行，控制數據安全項目的進(jìn)展，通過(guò)可測量的計劃跟蹤過(guò)程執行，當過(guò)程實(shí)踐與計劃產(chǎn)生重大的偏離時(shí)采取修正行動(dòng)。
3級（充分定義）
主要特點(diǎn)：在組織級別實(shí)現了安全過(guò)程的規范定義和執行。
定義標準過(guò)程，組織對標準過(guò)程進(jìn)行制度化，形成標準化過(guò)程文檔，為滿(mǎn)足特定用途對標準過(guò)程進(jìn)行裁剪；
執行已定義的過(guò)程，充分定義的過(guò)程可重復執行，針對有缺陷的過(guò)程結果和安全實(shí)踐的核查，使用過(guò)程執行的結果數據；
協(xié)調安全實(shí)踐，對業(yè)務(wù)系統和組織的協(xié)調，確定業(yè)務(wù)系統內，各業(yè)務(wù)系統之間、組織外部活動(dòng)的協(xié)調機制。
4級（量化控制）
主要特點(diǎn)：建立了量化目標，安全過(guò)程可量化度量和預測。
建立可測的目標，為組織數據安全建立可測量的目標；
客觀(guān)的管理執行，確定過(guò)程能力的量化測量來(lái)管理安全過(guò)程，以量化測量作為修正行動(dòng)的基礎。
5級（持續優(yōu)化）
主要特點(diǎn)：根據組織的整理戰略和目標，不斷改進(jìn)和優(yōu)化數據安全過(guò)程。
改進(jìn)組織能力，在整個(gè)組織范圍內的標準過(guò)程使用情況進(jìn)行比較，尋找改進(jìn)標準過(guò)程的機會(huì )，分析對標準過(guò)程的可能變更。
改進(jìn)過(guò)程有效性，制定處于連續受控改進(jìn)狀態(tài)下的標準過(guò)程，提出消除標準過(guò)程產(chǎn)生缺陷的原因和持續改進(jìn)的標準過(guò)程。
數據生命周期安全
DSMM模型將數據生命周期分為了數據采集、數據傳輸、數據存儲、數據處理、數據交換和數據銷(xiāo)毀六大階段，40個(gè)過(guò)程域（PA），其中包含16個(gè)通用安全過(guò)程域，和24個(gè)數據生命周期各階段安全過(guò)程域，如下圖所示：
數據安全能力構成
1、組織建設
—— 數據安全組織架構對組織業(yè)務(wù)的適應性；
—— 數據安全組織架構承擔的工作職責的明確性；
—— 數據安全組織架構運作、協(xié)調、溝通的有效性；
2、制度流程
—— 數據生命周期的關(guān)鍵控制節點(diǎn)授權審批流程的明確性；
—— 相關(guān)流程、制度的制定、發(fā)布、修訂的規范性；
—— 安全要求及落地執行的一致性和有效性。
3、技術(shù)與工具
—— 數據安全技術(shù)在數據全生命周期過(guò)程中的使用情況，針對數據安全風(fēng)險的檢測及相應能力；
—— 利用技術(shù)工具對數據安全工作的自動(dòng)化和持續支持能力，對數據安全制度流程的固化執行能力。
4、人員能力
—— 數據安全人員所具備的安全技能是否能滿(mǎn)足復合型能力要求；
—— 數據安全人員的數據安全意識以及關(guān)鍵數據安全崗位員工的數據安全能力培養。
其實(shí)，之所以分享數據治理成熟度模型，是因為在筆者看來(lái)所有的成熟度評估的套路都是一樣的，掌握了數據治理能力成熟的評估，則會(huì )更加容易理解數字化轉型成熟度模型。
看到這里，你可能不禁要問(wèn)：數據治理成熟度評估的模型這么多，那數字化轉型的評估模型都有哪些呢？
在研究數字化轉型評估模型的組織也不少，羅百輝老師推薦的有中國信通院、中信聯(lián)、普華永道、畢馬威、阿里、華為……
— 10 —
信通院：企業(yè)IT數字化能力和運營(yíng)效果成熟度模型（IOMM）
針對不同行業(yè)數字化轉型的需求，中國信通院云大所推出了企業(yè)數字化轉型IOMM（Enterprise Digital Infrastructure Operation Maturity Module）標準，其中I代表數字基礎設施，是標準的第一部分；O代表企業(yè)整體經(jīng)營(yíng)，是標準的第二部分。
目前發(fā)布的是標準的第一部分，《企業(yè)數字基礎設施云化管理和服務(wù)運營(yíng)能力成熟度模型》，共分為五類(lèi)能力成熟度階段，分別是基礎保障類(lèi)、業(yè)務(wù)支撐類(lèi)、平臺服務(wù)類(lèi)、客戶(hù)運營(yíng)類(lèi)和創(chuàng )新引領(lǐng)類(lèi)，每個(gè)類(lèi)別都有合理的階段和適用單位，將對相應階段的能力進(jìn)行評估定位水平，并以?xún)r(jià)值分數進(jìn)行效果驗證。
來(lái)源：栗蔚《企業(yè)IT數字化能力和運營(yíng)效果成熟度模型》 和《數字化可信服務(wù)》系列標準解讀
IOMM標準體系針對不同行業(yè)、不同規模企業(yè)制定面向平臺IT和業(yè)務(wù)IT的五類(lèi)成熟度，每個(gè)類(lèi)別都對相應能力進(jìn)行評估，定位水平，并以?xún)r(jià)值分數進(jìn)行效果驗證。適用于企業(yè)數字化轉型發(fā)展過(guò)程中的相關(guān)領(lǐng)導者和相關(guān)人員，梳理、定位自身數字化轉型能力水平，計劃未來(lái)發(fā)展方向。IOMM整體框架包括兩大領(lǐng)域、四大象限、六大能力、六大價(jià)值，從能力和價(jià)值角度全面衡量企業(yè)數字基礎設施建設的能力和體現出的價(jià)值。
來(lái)源：栗蔚《企業(yè)IT數字化能力和運營(yíng)效果成熟度模型》 和《數字化可信服務(wù)》系列標準解讀
— 11 —
中信聯(lián)：團體標準—數字化轉型 新型能力體系建設指南
數字化轉型新型能力體系建設總體框架，主要包括新型能力的識別、新型能力的分解與組合、能力單元的建設、新型能力的分級建設等內容，系統闡釋新型能力體系建設的主要方法。
新型能力的建設是一個(gè)循序漸進(jìn)、持續迭代的過(guò)程，對照T/ AIITRE 10001—2020提出的數 ）字化轉型五個(gè)發(fā)展階段，將新型能力的等級由低到高劃分為 CL1（初始級 ）、CL2（單元級 ）、CL3（流程級）、CL4（網(wǎng)絡(luò )級）和 CL5（生態(tài)級）等五個(gè)等級，不同等級能力呈現不同的狀態(tài)特征以及能力單元/能力模塊的過(guò)程維、要素維、管理維的不同建設重點(diǎn) ，如下圖所示：
來(lái)源：團體標準 T/AIITRE 20001—2020《數字化轉型 新型能力體系建設指南》
CL1初始級：總體處于尚未有效建成主營(yíng)業(yè)務(wù)范圍內的新型能力 ，初步建立了兩化融合管理體系。
CL2單元級：形成工具級數字化的系統性解決方案，覆蓋數據、技術(shù)、流程和組織等四要素，支持特定領(lǐng)域或業(yè)務(wù)環(huán)節數字化。
CL3流程級：聚焦跨部門(mén)或跨業(yè)務(wù)環(huán)節， 建成支持主營(yíng)業(yè)務(wù)集成協(xié)同的流程級能力，支持過(guò)程管理動(dòng)態(tài)優(yōu)化；實(shí)現現有業(yè)務(wù)效率提升、成本降低 、質(zhì)量提高等預期價(jià)值效益目標，并有效拓展延伸業(yè)務(wù)。
CL4網(wǎng)絡(luò )級：聚焦組織全員、全要素和全過(guò)程，建成支持組織（ 企業(yè)）全局優(yōu)化的網(wǎng)絡(luò )級能力；能夠按需開(kāi)展數據驅動(dòng)型的能力打造過(guò)程管理；實(shí)現與產(chǎn)品 /服務(wù)的創(chuàng )新， 并有效開(kāi)展業(yè)態(tài)轉變，培育發(fā)展數字業(yè)務(wù)。
CL5生態(tài)級：聚焦跨組織（企業(yè) ）生態(tài)合作伙伴、用戶(hù)等，建成支持價(jià)值共創(chuàng )的生態(tài)級能力，全面實(shí)現與業(yè)態(tài)轉變相關(guān)的用戶(hù)/生態(tài)合作伙伴連接與賦能、數字新業(yè)務(wù)、綠色可持續發(fā)展等價(jià)值效益目標。
— 12 —
畢馬威&阿里：消費品生態(tài)全鏈路數智化轉型框架
中國商業(yè)正在由“消費紅利”經(jīng)濟向“數智創(chuàng )新”經(jīng)濟進(jìn)化，發(fā)展思路從單節點(diǎn)成本和效率提升，進(jìn)化為消費品全生態(tài)重塑增長(cháng)方式，數智技術(shù)觸發(fā)了商業(yè)生態(tài)的全鏈路數智化轉型。阿里聯(lián)合畢馬威提出了基礎設施云化、觸點(diǎn)數字化、業(yè)務(wù)在線(xiàn)化、運營(yíng)數據化、決策智能化五部曲賦能產(chǎn)業(yè)全鏈路價(jià)值重構的消費品生態(tài)全鏈路數智化轉型框架。該框架包含五項一級能力，25個(gè)核心二級能力指標為評價(jià)數智化成熟度和指明未來(lái)建設方向提供衡量工具，如下圖：
來(lái)源：畢馬威&阿里《2020消費品生態(tài)全鏈路數智化轉型白皮書(shū)》
基礎設施云化：構建企業(yè)的”數智大腦”是企業(yè)數智化轉型的重要方向?；趶碗s智能算法的推薦、預測、決策等結果，企業(yè)在系統層級直接采取相應行動(dòng)并根據數據不斷的完善和補充。企業(yè)的智能化場(chǎng)景會(huì )日益豐富，智能化決策通過(guò)對大數據進(jìn)行不斷的訓練與學(xué)習，從而做出更加智能的決策，形成良性的學(xué)習反饋閉環(huán)，最終幫助企業(yè)實(shí)現全鏈路的高效決策。
觸點(diǎn)數字化：企業(yè)在數智化時(shí)代需要啟動(dòng)和激活數據的商業(yè)價(jià)值，充分挖掘自身高價(jià)值的“小數據”并充分結合生態(tài)的“大數據”，實(shí)現數據驅動(dòng)業(yè)務(wù)，進(jìn)而形成分析和洞察驅動(dòng)型的企業(yè)文化。通過(guò)完善的數據體系，數智化企業(yè)可以利用數據洞察賦能企業(yè)的全價(jià)值鏈，為企業(yè)的員工和合作伙伴提供運營(yíng)指導，實(shí)現降本增效，同時(shí)，提高合作伙伴之間協(xié)同效率，改善消費者體驗。
業(yè)務(wù)在線(xiàn)化：企業(yè)通過(guò)業(yè)務(wù)能力服務(wù)化的方式幫助企業(yè)完成業(yè)務(wù)流程的數字化和業(yè)務(wù)價(jià)值的提升。一方面，企業(yè)需要快速響應來(lái)自各觸點(diǎn)的變化，對業(yè)務(wù)流程進(jìn)行重塑與優(yōu)化，實(shí)現組織溝通與協(xié)同的效率提升；另一方面，為了應對日益復雜的業(yè)務(wù)場(chǎng)景與需求，企業(yè)需要對全鏈路數字化業(yè)務(wù)系統進(jìn)行升級，通過(guò)不斷的業(yè)務(wù)服務(wù)重構來(lái)實(shí)現業(yè)務(wù)共享和創(chuàng )新，促進(jìn)生態(tài)之間的開(kāi)放與協(xié)同。
運營(yíng)數據化：企業(yè)借助AIOT、移動(dòng)互聯(lián)網(wǎng)等技術(shù)，保持與消費者、員工、商品、合作伙伴等全鏈路的連接。觸點(diǎn)數字化反映了企業(yè)數智化轉型過(guò)程中，企業(yè)與各方交互觸點(diǎn)數智化水平的成熟度。數智化的觸點(diǎn)主要通過(guò)各個(gè)觸點(diǎn)的數字化、移動(dòng)化、智能化達到多維度的消費者行為感知、員工和組織感知、商品狀態(tài)感知、合作伙伴和生態(tài)感知，使得企業(yè)在全鏈路保持連接和數據獲取能力。
決策智能化：基礎設施云化程度反映了企業(yè)數智化轉型的基本技術(shù)能力。云計算除了為企業(yè)數智化轉型提供了算力基礎外，還涵蓋到支撐企業(yè)智能運算的算法模型能力、數據存儲能力、數據之間傳輸的網(wǎng)絡(luò )連通能力、敏感數據的安全能力以及對數據實(shí)時(shí)和離線(xiàn)處理的能力等。此外，企業(yè)同樣需要一個(gè)敏捷的、連續穩定的、成本優(yōu)化的、安全和風(fēng)險可控的智能運算環(huán)境。
— 13 —
普華永道：企業(yè)數字化成熟度評估架構
企業(yè)推進(jìn)數字化轉型的過(guò)程中，業(yè)務(wù)應用、IT架構、組織機制建設等工作環(huán)環(huán)相扣。企業(yè)要分清哪是因、哪是果，建立多維度的企業(yè)數字化成熟度評估體系，用于判斷企業(yè)所處的數字化階段，找出推進(jìn)不利的可能原因，以及相應需要采取的措施。
普華永道企業(yè)數字化成熟度評估框架從戰略引領(lǐng)、業(yè)務(wù)應用結果、技術(shù)能力支撐、數據能力支撐、組織能力支撐，以及數字化變革6個(gè)維度對企業(yè)的數字化成熟度進(jìn)行評估（如下圖）。普華永道認為：引領(lǐng)性指標是第一點(diǎn)“數字化戰略”，業(yè)務(wù)應用結果性指標是第二點(diǎn)“數字化業(yè)務(wù)應用”，其余4個(gè)維度（3~6）是支撐性要素，每個(gè)維度又可以細分為若干子維度。
1. 數字化戰略：從企業(yè)的戰略規劃和投資等角度，衡量企業(yè)推行數字化的決心和力度;
2. 數字化業(yè)務(wù)應用：從各個(gè)業(yè)務(wù)條線(xiàn)最終使用數字化的深淺程度，來(lái)衡量企業(yè)數字化轉型的成果。業(yè)務(wù)條線(xiàn)包括衡量?jì)r(jià)值鏈環(huán)節的研發(fā)、采購、生產(chǎn)、營(yíng)銷(xiāo)、客服等，也包括內部管理條線(xiàn)，如戰略、人力、財務(wù)、IT等；
3. 數字化技術(shù)能力：是否具備先進(jìn)的、支撐企業(yè)未來(lái)數字化應用的IT架構的，以及相應的技術(shù)組織能力，比如新技術(shù)人員、數字技術(shù)、組織結構和運作方式等；
4. 數據能力：企業(yè)能夠應用數據分析進(jìn)行業(yè)務(wù)決策的程度，包括數據可得性以及數據分析能力兩個(gè)方面。打造強有力的數據能力涉及數據戰略、數據架構、數據治理、數據安全、人員技能等多個(gè)方面；
5. 數字組織能力：企業(yè)采取怎樣的組織機制/流程/文化/員工技能等，來(lái)支持企業(yè)數字化轉型和運營(yíng)工作；
6. 變革管理：企業(yè)推進(jìn)數字化轉型的機制是否成熟，比如數字化治理模式、變革管理人員技能等。
— 14 —
華為：開(kāi)放數字化成熟度模型ODMM
華為提出了一個(gè)數字化成熟度模型來(lái)度量一個(gè)公司的數字化程度，這個(gè)模型叫ODMM（Open Digital Maturity Model），該模型把數字化分成了戰略決心，以客戶(hù)為中心，數字文化、人才和技能，創(chuàng )新與精益交付，大數據與人工智能，以及技術(shù)領(lǐng)先等6大評估維度，如下圖所示：
戰略方面：主要考量對行業(yè)和生態(tài)的貢獻程度，業(yè)務(wù)和技術(shù)的協(xié)同程度，對新的機會(huì )和業(yè)務(wù)的投資程度。
客戶(hù)方面：主要考量口碑粘性和口碑傳播的能力；客戶(hù)體驗管理和度量；客戶(hù)通過(guò)線(xiàn)上渠道和你互動(dòng)的活躍度。
組織方面：主要考量跨團隊協(xié)同和主動(dòng)創(chuàng )新的能力；利用外部資源和社會(huì )化資源的能力；團隊持續學(xué)習和數字化能力建設的能力。
創(chuàng )新與精益：主要考量應用設計思維的能力；持續交付的能力；應對變化的能力。
數據與智能：主要考量關(guān)鍵數據的元數據管理能力；數據集成和互操作能力；數據科學(xué)與人工智能，比如智能客服解答客戶(hù)問(wèn)題的成功率。
技術(shù)領(lǐng)先：主要考量數據安全與風(fēng)險控制；API First與微服務(wù)的架構；基于RPA(Robotic Process Automation)的流程自動(dòng)化。
ODMM模型目前已更新到了6.0版本，其將企業(yè)的數字化成熟度評估劃分為為4個(gè)層次，6個(gè)評估維度，18個(gè)評估子維度，174個(gè)評估指標。如下圖：
純“打分”的數字成熟度評分對企業(yè)并沒(méi)有太大幫助，而ODMM旨在為企業(yè)的數字化轉型創(chuàng )建一個(gè)可行的計劃。ODMM在成熟度模型中獨樹(shù)一幟的地方在于，它是根據企業(yè)的數字化成熟度與其期望的理想狀態(tài)之間的差距來(lái)確定數字化成熟度得分，從而為企業(yè)的數字化改進(jìn)方向提供更有價(jià)值的參考。
戰略維度這一維度評估用于評估企業(yè)如何基于清晰的企業(yè)愿景和一系列目標來(lái)定義和實(shí)施有效的數字化戰略。這個(gè)維度包括數字戰略，金融投資模式，業(yè)務(wù)敏捷性等三個(gè)子維度，每個(gè)子維度關(guān)注的三級要素及評估內容如下表。1、數字戰略
三級要素
評估的具體方面
目的明確
該企業(yè)是否概述了數字愿景和戰略，并闡明了它打算在數字生態(tài)系統中扮演的角色？
追求新價(jià)值
高級管理層是否對現有產(chǎn)品和服務(wù)的業(yè)務(wù)潛力有現實(shí)的看法，他們是否制定了一個(gè)協(xié)調一致、考慮周全的計劃，以便在必要時(shí)轉向新的平臺或服務(wù)模式？
跨行業(yè)參與
該企業(yè)是否采用開(kāi)放和擴展的方法與傳統關(guān)系之外的新參與者接觸，以支持其整體企業(yè)戰略？
2、金融投資模式
三級要素
評估的具體方面
財務(wù)戰略
企業(yè)的財務(wù)戰略是否支持長(cháng)期的、有時(shí)風(fēng)險更大的戰略投資，以支持企業(yè)整體愿景的實(shí)現？
投資預算
企業(yè)是否采用靈活的預算流程，以便及時(shí)評估和資助數字化計劃，確?？赡艿氖找媾c企業(yè)的戰略相一致？
3、業(yè)務(wù)敏捷性
三級要素
評估的具體方面
協(xié)調能力
企業(yè)能否有效地協(xié)調資源、流程和結構，以便快速有效地實(shí)施其戰略？
戰略投資組合管理
企業(yè)是否決定并應用適當的投資政策來(lái)有效管理數字服務(wù)組合，以加速采用數字實(shí)踐和技術(shù)？
綜合數字化運營(yíng)
數字化能力是否適當地、全面地整合到企業(yè)的戰略中，同時(shí)與必要的傳統做法保持一致？
以客戶(hù)為中心
此維度評估企業(yè)如何積極利用客戶(hù)洞察為其客戶(hù)提供個(gè)性化道路體驗。ODMM假設最好的數字企業(yè)通過(guò)關(guān)注品牌、由外而內的客戶(hù)體驗和體驗治理來(lái)做到這一點(diǎn)。以客戶(hù)為中心包含以下子維度：
1、品牌信任
三級要素
評估的具體方面
品牌承諾
組織是否在所有業(yè)務(wù)活動(dòng)中清楚地表達了一個(gè)經(jīng)過(guò)深思熟慮、清晰一致的品牌承諾，該承諾與客戶(hù)和員工的需求以及相關(guān)愿望保持一致？
品牌定位
公司提供和提供的服務(wù)和體驗是否支持并在理想情況下加強了品牌宣傳？
品牌信任
品牌是否受到所有利益相關(guān)者和支持者的信任？
2、客戶(hù)體驗
三級要素
評估的具體方面
個(gè)性化和主動(dòng)性
產(chǎn)品和服務(wù)是否根據個(gè)人/企業(yè)實(shí)體的需求主動(dòng)定制、提供和交付？
客戶(hù)可視性和控制
客戶(hù)能否輕松訪(fǎng)問(wèn)和控制所接受服務(wù)的各個(gè)方面？
在線(xiàn)社交
客戶(hù)是否使用社交渠道和社區與企業(yè)及其其他客戶(hù)接觸，以獲得和提供幫助和支持、宣傳、發(fā)現新產(chǎn)品并提供反饋？
結構性和額外價(jià)值
是否為客戶(hù)提供了額外的價(jià)值和便利來(lái)阻止客戶(hù)流失？
3、管理經(jīng)驗
三級要素
評估的具體方面
跨職能部門(mén)問(wèn)責
組織內的所有職能部門(mén)是否都非常重視客戶(hù)體驗并努力改進(jìn)？
經(jīng)驗驅動(dòng)設計
向最終用戶(hù)提供的端到端體驗是設計和引入新產(chǎn)品和服務(wù)的關(guān)鍵因素嗎？
全渠道管理
全渠道管理是否被視為調整和合理化客戶(hù)接觸點(diǎn)的工具，以及持續提高所有接觸點(diǎn)的客戶(hù)體驗水平？
客戶(hù)體驗測量
組織是否能夠接觸到客戶(hù)之聲提供的反饋，并根據反饋采取行動(dòng)？
單一客戶(hù)視圖
組織是否對每個(gè)客戶(hù)的狀態(tài)和行為有一個(gè)單一的全面的看法？
合作伙伴協(xié)調
組織的合作伙伴是否有類(lèi)似的客戶(hù)體驗管理實(shí)踐和標準？
數字文化、人才和技能
這一維度衡量了增強數字化勞動(dòng)力所需的工具、技能和流程，評估了一個(gè)組織如何招聘、保留和激勵其團隊成員。
1、數字文化
三級要素
評估的具體方面
數字化領(lǐng)導力
組織是否鼓勵和展示數字化領(lǐng)導的特征和行為，如仆人領(lǐng)導和循證管理？
適應心態(tài)與集體
習慣
組織如何利用數字連接和資源來(lái)創(chuàng )造鼓勵創(chuàng )新和創(chuàng )造共同集體文化的工作環(huán)境？
團隊敏捷性和賦權
組織如何提供和激勵由不同技能、職能和地域組成的團隊（“變形蟲(chóng)運動(dòng)”）？具體措施包括社會(huì )化共同目標和共同責任，為他們提供實(shí)時(shí)管理和跟蹤可交付成果所需的數字工具和資源。
數字化工作場(chǎng)所
經(jīng)驗
工作的設計，工作環(huán)境和相關(guān)的政策是否能帶來(lái)良好的員工體驗？
社會(huì )化媒體互連性
員工是否通過(guò)社交媒體參與內部活動(dòng)？
2、組織數字人才
三級要素
評估的具體方面
人才獲取
組織在吸引、招聘和留住最佳數字人才方面做得如何？
擴展勞動(dòng)力
是否利用了眾包和全球信息柵格等非傳統人力資源提供的機會(huì )？
動(dòng)機和成就
員工的積極性和成就感如何？
3、持續學(xué)習
三級要素
評估的具體方面
在職結構化學(xué)習
學(xué)習是否被視為一種持續的活動(dòng)，并作為商業(yè)運作的一部分受到積極的鼓勵和促進(jìn)？
組織知識管理
知識在整個(gè)組織中的獲取和共享情況如何？
數字化學(xué)習交付
組織是否充分利用數字化方法來(lái)規劃、提供和跟蹤個(gè)人培訓和發(fā)展需求？
資格和認證
組織是否通過(guò)認證來(lái)培養人才，提高員工的整體數字技能？
創(chuàng )新與精益交付
該維度評估組織與合作伙伴生態(tài)系統一起快速高效地創(chuàng )建和交付創(chuàng )新數字產(chǎn)品和服務(wù)的能力。
1、規模創(chuàng )新
三級要素
評估的具體方面
創(chuàng )新范圍和準備程度
組織是否在明確界定的范圍內創(chuàng )新？
參與生態(tài)系統
組織是否與生態(tài)系統合作伙伴有效合作以推動(dòng)創(chuàng )新？
設計思維實(shí)踐
設計思維是否在組織內廣泛實(shí)踐，以支持以人為中心的想法和解決方案的生成？
業(yè)務(wù)推廣
是否制定了有效引入和推動(dòng)快速采用新數字服務(wù)的流程？
生命周期管理
基于真實(shí)世界數據的定義良好的流程是否控制著(zhù)數字服務(wù)/產(chǎn)品的整個(gè)產(chǎn)品生命周期？
2、精益交付
三級要素
評估的具體方面
敏捷開(kāi)發(fā)
在服務(wù)/產(chǎn)品開(kāi)發(fā)過(guò)程中，需求和解決方案是否通過(guò)自組織和跨職能團隊及其客戶(hù)/最終用戶(hù)的協(xié)作而演變？
全棧監控
是否集成了來(lái)自各個(gè)監控解決方案的數據以創(chuàng )建一個(gè)完整的堆棧監控顯示？
反饋和基于分析的響應
真實(shí)世界的生產(chǎn)信息和反饋是否被用作運營(yíng)和服務(wù)管理的基礎？
持續交付
開(kāi)發(fā)團隊是否在短周期內生產(chǎn)服務(wù)/產(chǎn)品，確保服務(wù)/產(chǎn)品可以在任何時(shí)候可靠地發(fā)布給客戶(hù)/最終用戶(hù)？
3、按需供應鏈
三級要素
評估的具體方面
回應變化
供應鏈是否與無(wú)摩擦的信息共享緊密結合，以及作為一個(gè)整體快速響應不斷變化的環(huán)境所需的靈活性？
延伸價(jià)值鏈
合作伙伴的優(yōu)化設計價(jià)值鏈是否用于為客戶(hù)提供最大價(jià)值？
大數據與人工智能
該維度評估組織通過(guò)提高運營(yíng)效率和降低成本以及通過(guò)增加收入來(lái)利用數據創(chuàng )造業(yè)務(wù)價(jià)值的程度。
1、數據治理
三級要素
評估的具體方面
元數據管理
組織是否通過(guò)提供元數據、業(yè)務(wù)上下文、標記、關(guān)系、數據質(zhì)量和使用的全面、統一的視圖，通過(guò)業(yè)務(wù)分析和數據治理最大化信息資產(chǎn)的業(yè)務(wù)價(jià)值？
主數據管理
管理共享數據是否可以降低與數據冗余相關(guān)的風(fēng)險，確保更高的質(zhì)量，并降低數據集成的成本？
數據質(zhì)量
組織是否將質(zhì)量管理技術(shù)應用于數據，以確保數據適合消費并滿(mǎn)足數據消費者的需求？
數據戰略和政策
是否制定了數據資產(chǎn)管理的策略和政策，包括相關(guān)決策權的確定和執行？
數據安全和隱私
組織如何規劃、制定和執行安全政策和程序，以提供數據和信息資產(chǎn)的適當身份驗證、授權、訪(fǎng)問(wèn)和審計？
2、數據利用
三級要素
評估的具體方面
數據驅動(dòng)決策
業(yè)務(wù)決策是否基于相關(guān)數據，而不僅僅是直覺(jué)，并由此帶來(lái)可量化的運營(yíng)績(jì)效改進(jìn)？
數據貨幣化
是否通過(guò)更個(gè)性化的營(yíng)銷(xiāo)和銷(xiāo)售以及改進(jìn)業(yè)務(wù)流程和決策產(chǎn)生額外收入？信息是否與新的和現有的客戶(hù)和合作伙伴進(jìn)行了外部貨幣化？
數據科學(xué)與人工智能
組織是否擁有強大的分析（機器學(xué)習/數據科學(xué)）能力來(lái)描述、預測和改進(jìn)業(yè)務(wù)績(jì)效？
數據可視化
數據的圖片和圖形表示是否用于幫助解釋概念、想法和事實(shí)？
3、數據工程
三級要素
評估的具體方面
數據集成和
互操作性
應用程序和組織內部及之間的數據移動(dòng)和整合是否得到良好管理？
數據倉庫和數據存儲
規劃、實(shí)施和控制過(guò)程是否到位，以支持快速方便的報告、查詢(xún)和分析的方式存儲數據？
數據架構和建模
是否確定了組織的數據需求，并制定了主架構（architecture）藍圖以滿(mǎn)足這些需求？這包括確定數據需求的范圍和在綜合數據模型中捕獲這些需求。
技術(shù)的先進(jìn)性
這一維度評估了組織在多大程度上能夠采用新的數字技術(shù)以及定義明確、有效的治理，以提供完全自動(dòng)化、可擴展和可靠的運營(yíng)。 1、技術(shù)治理
三級元素
評估的具體方面
網(wǎng)絡(luò )安全和數字風(fēng)險管理
該組織是否有一個(gè)強有力和有效的網(wǎng)絡(luò )安全政策和實(shí)踐，以確保其信息和通信技術(shù)資產(chǎn)的安全，同時(shí)實(shí)現業(yè)務(wù)目標？
開(kāi)放標準
組織如何有效地利用開(kāi)放源代碼、開(kāi)放標準和開(kāi)放平臺實(shí)現ICT敏捷性？
技術(shù)政策和路線(xiàn)圖
組織如何定義和實(shí)施其技術(shù)戰略、治理、架構和路線(xiàn)圖，以實(shí)現敏捷性，同時(shí)確保規模上的協(xié)調？
環(huán)境影響和成本
組織如何管理其環(huán)境影響，包括能源消耗？
2、技術(shù)操作
三級元素
評估的具體方面
服務(wù)編排
是否有一個(gè)完全自動(dòng)化、自我修復、可擴展和可靠的操作環(huán)境？
可靠性工程
軟件工程實(shí)踐和技術(shù)是否應用于云級操作以實(shí)現更高級別的可靠性和可恢復性？
開(kāi)發(fā)平臺和工具鏈
組織是否擁有所需的開(kāi)發(fā)平臺和支持應用程序，以便使用最合適的技術(shù)高效地開(kāi)發(fā)新的應用程序和服務(wù)？
智能自動(dòng)化
組織是否對過(guò)程自動(dòng)化解決方案，特別是RPA進(jìn)行了適當的調查和投資？
3、基礎技術(shù)
三級元素
評估的具體方面
云計算
組織是否充分有效地利用了云計算和相關(guān)的現代基礎設施實(shí)踐？
API和微服務(wù)
數字服務(wù)在多大程度上是使用基于微服務(wù)的體系結構和API連接實(shí)現的？
網(wǎng)絡(luò )虛擬化
網(wǎng)絡(luò )功能是否作為一個(gè)在標準硬件上運行的基于軟件的實(shí)體來(lái)實(shí)現？
千兆連接、視頻和物聯(lián)網(wǎng)
該組織在多大程度上采用了最新的無(wú)線(xiàn)、固話(huà)、物聯(lián)網(wǎng)和邊緣計算技術(shù)來(lái)提供數字服務(wù)？
新興的技術(shù)
組織在多大程度上保持對新興技術(shù)的認識和利用？
企業(yè)數字化轉型是一個(gè)從1到100的持續過(guò)程，這個(gè)過(guò)程必然會(huì )經(jīng)歷從起步到成熟等多個(gè)階段。
數字化能力成熟度評估，將有助于幫助企業(yè)厘清當前所處的數字化位置，并對數字化轉型的路徑有個(gè)清晰的認知，為后續制定適合企業(yè)的數字化轉型戰略和可行的行動(dòng)計劃提供參考和決策依據。
您認為數字化能力成熟度評估，對企業(yè)數字化來(lái)講，會(huì )有哪些作用？歡迎留言交流！
