卷首语

DCMM是首个数据管理能力评估的国标体系。

DCMM发展背景

大数据时代，数据如同石油一样成为战略资产！那么如何保障输油管道畅通无阻、油品油质满足应用所需？这是每个CIO关注的问题。

很多CIO对于数据如何管理依然很迷茫：

数据团队怎么建设？

数据管理应该制定哪些制度？

数据管理应该具有哪些职能？

数据管理怎样导入企业、扎实落地？

以前的工作做的好不好？处于什么水平？

未来应该往哪个方向发展？

自2015年以来，国家层面发布了一系列的文件加快推动大数据的发展。

其实从2008年开始，国际顶级咨询企业已经发布了一系列的大数据管理发展评估模型。其中包括2008年Gartner发布的企业信息能力成熟度模型，2010年IBM发布的《数据治理统一流程》，2014年CMMI发布的DMM模型，2014年EDM发布的数据管理能力评估模型。

2014年，国家部级会议决定由工信部牵头开展大数据相关工作，并于2014年12月2日成立大数据标准工作组，由工信部和国标委共同管理。

DCMM标准内容

Data Management Capability Maturity Assessment Model，简称DCMM。该模型针对一个组织数据管理、应用能力的评估框架，通过数据能力成熟度模型，组织可以清楚的定义数据当前所处的发展阶段以及未来发展方向。

建设特点：

充分借鉴国际理论框架、方法（DMM、DCAM等）；

充分考虑国内数据治理情况的发展；

围绕模型的开发建立完善的配套评估体系。

标准研制过程中充分验证：

金融：中国人民银行、工商、建行、光大、银联

能源：国家电网、南方电网

通讯：中国移动、中国电信

BAT：百度、阿里云

DCMM定义了数据管理能力的八个能力域，分为28个能力项，每个能力项都划分为5个等级，共计445个指标项，汇成组织数据管理能力的5个总体等级：初始级、受管理级、稳健级、量化管理级、优化级。

DCMM对企业的价值意义

1.发现存在的问题，指明发展方向

通过对于企业DCMM的评估，可以发现企业数据管理能力建设过程中存在的问题，找到企业本身与行业水平之间的差距，指出企业未来数据管理能力建设方向，为其提供与业务发展深度融合的数据管理能力体系建设方案。

2.提升人员技能，建立数据能力提升体系

通过DCMM的评估和培训，可以加强企业内部技术人员、业务人员以及管理人员的数据资产意识，提升相关从业者的技能，理清数据管理、应用建设的思路框架，规范和指导相关工作的开展。

3.持续提升数据能力

为企业提供增值服务。包括：数据管理领域相关资料、案例查询以及参与数据管理相关的学术会议，从多个层面开展帮助企业持续获得数据管理能力建设方面的智力支持。

Oracle项目管理助力企业大数据管理提升

众所周知，工程领域的信息化投入占总收入的比例不到1个百分点，工程行业目前着重要解决大数据能力问题，但更多的企业要首先解决无数据的问题。众多过程资产正以无法被利用的形式存储，使企业丧失了大数据的竞争力。

Oracle项目管理整体解决方案以数据湖和CDE通用数据环境为基础，不但从业务层面赋能企业项目管理提升，更能够从技术层面为日后企业充分发挥数据价值提供支撑。