数据管理能力成熟度评估模型-数据架构

数据模型

概述

数据模型是使用统一的数据模型语言对组织业务经营和管理决策中数据需求的描述。从模型覆盖的内容粒度看，数据模型一般分为主题域模型、概念模型、逻辑模型和物理模型；从模型的应用范畴看，数据模型分为组织级数据模型和系统级数据模型。数据模型管理主要包括制定模型管理制度、制定模型规范、分析组织数据需求、开发数据模型、数据模型应用、符合性检查和模型变更管理等活动。

过程描述

a）制定模型管理制度，明确组织架构和职责分工，建立数据模型需求分析、设计、创建、管理及变更的全过程管理要求；
b）制定模型规范，包括数据模型的组件构成、表示规范、命名规范和常用术语等；
c）分析组织数据需求，涵盖应用系统数据需求、战略实现需求、内外部监管要求及与外部组织互联互通需求；
d）开发数据模型，包括组织级数据模型和系统级数据模型的设计开发；
e）数据模型应用，依据组织级数据模型指导和规范系统级数据模型的设计开发；
f）符合性检查，检查组织级和系统级数据模型的符合性；
g）模型变更管理，依据符合性检查结果和需求变化，对数据模型进行实时维护。

过程目标

a）建立并维护组织级数据模型，响应组织的数据管理需求；
b）使用组织级数据模型指导应用系统的建设，保障应用系统设计与组织数据架构的一致性。

初始级

1）在应用系统层面编制数据模型开发规范；
2）根据开发规范开展应用系统级数据模型设计。

受管理级

1）制定组织级数据模型规范，指导组织级数据模型的开发；
2）对组织中部分应用系统的数据现状进行梳理，了解当前存在的问题；
3）根据数据现状，结合组织业务发展的需要，建立核心业务域的数据模型；
4）应用系统的建设参考业务域数据模型。

稳健级

1）结合组织管理需求，制定数据模型管理制度，明确职责分工；
2）分析业界已有的数据模型参考架构，借鉴数据模型框架、建模方法和模型规范等相关方法和经验；
3）在组织层面制定模型规范，包括数据模型的组件构成、表示规范、命名规范和常用术语等；
4）对组织全部应用系统的数据现状进行全面梳理，了解当前存在的问题并提出解决办法；
5）了解组织战略和业务发展方向，分析利益相关者的诉求，明确组织的数据需求，建立组织级数据模型；
6）使用组织级数据模型指导系统级数据模型的设计，根据系统建设定期更新组织级数据模型；
7）建立组织级数据模型和系统级数据模型的同步更新机制，定期开展模型符合性检查，提升一致性。

量化管理级

1）设定量化指标，定期开展数据模型质量和应用效果评价，形成数据模型评价报告；
2）采用人工智能技术开展数据模型的符合性检查，提升模型检查效率；
3）及时跟踪和预测组织未来和外部监管的需求变化，持续优化组织级数据模型；
4）参与数据模型相关国家标准，主导行业标准的制定。

优化级

1）参与数据模型相关国际标准，主导国家标准的制定；
2）在国际和国家层面分享最佳实践，成为行业标杆。

数据分布

概述

数据分布是针对组织级数据模型中数据的定义，明确数据在系统、组织和流程等方面的分布关系，识别权威数据源，为数据相关工作提供参考和规范。数据分布管理主要包括数据现状盘点、数据目录管理、CDE管理、识别SOR、数据分布关系应用和数据分布关系变更等活动。

过程描述

a）数据现状盘点，根据组织级数据模型的定义，对应用系统中的数据和系统、组织和业务流程的CRUD进行梳理，建立CRUD成果库，明确存在的数据问题；
b）数据目录管理，基于数据现状盘点结果，建立数据目录管理机制，完成数据目录的设计、元数据采集和数据目录的正式运行；
c）CDE管理，结合CRUD成果库和业务管理要求，识别CDE，建立分类管理机制，明确CDE的维护和应用要求；
d）识别SOR，对每类数据明确相对合理的唯一信息采集和存储系统；
e）数据分布关系应用，根据CRUD成果库的梳理，对组织数据相关工作进行规范，包括分析数据工作优先级和优化数据集成等；
f）数据分布关系变更，根据组织中业务流程和系统建设的情况，定期维护和更新组织中的CRUD成果库，保持及时性。

过程目标

a）识别CDE，分析数据工作优先级，提升数据管理工作效率；
b）通过数据分布关系的梳理，分析数据工作的优先级，明确数据的责任人，优化数据的集成关系。

初始级

在项目层面进行部分数据分布关系管理，例如数据和功能的关系、数据和流程的关系等。

受管理级

1）对应用系统数据现状进行梳理，明确需求和存在的问题；
2）梳理部分业务数据和系统、组织和业务流程之间的CRUD矩阵；
3）在部门层面对数据进行梳理、编目，形成数据目录；
4）在部门层面对CDE确定权威数据源。

稳健级

1）在组织层面制定统一的数据分布关系管理制度，明确数据分布关系的表现形式和管理流程；
2）全面梳理应用系统数据现状，明确需求和存在的问题并提出解决办法；
3）明确数据分布关系梳理的目标，梳理数据分布关系，形成CRUD成果库，包含业务数据和流程、组织、系统之间的CRUD矩阵；
4）建立数据目录管理制度，开展数据目录的建设，对组织内的各类数据进行盘点、编码和分类；
5）建立CDE管理制度，明确CDE的识别规则并进行识别，开展CDE的应用和维护工作；
6）基于CRUD成果库，对组织内的所有数据进行管理，确定数据的SOR和合理的数据部署；
7）建立数据分布关系的应用机制，应用数据分布关系，对组织数据相关工作进行规范，包括分析数据工作优先级和优化数据集成等；
8）建立数据分布关系的维护机制，明确管理职责，对组织中的数据分布关系定期维护和更新。

量化管理级

1）设定量化指标，定期开展数据目录质量评价，提高数据目录的规范性、完整性和准确性；
2）采用人工智能技术，实现数据分布关系自动梳理和权威数据源自动识别，提升管理效率；
3）参与数据分布相关国家标准，主导行业标准的制定。

优化级

1）在国际和国家层面分享最佳实践，成为行业标杆；
2）参与数据分布相关国际标准，主导国家标准的制定。

数据集成与共享

概述

数据集成与共享是建立组织级的数据集成与共享环境，制定数据集成与共享相关制度和标准等，促进组织内部数据的互联互通。数据集成与共享管理主要包括制定数据集成与共享制度、制定数据集成与共享标准、建立数据集成与共享环境、数据接入整合、数据集成关系管理和数据共享管理等活动。

过程描述

a）制定数据集成与共享制度，明确数据集成与共享的目标、原则、方法和流程；
b）制定数据集成与共享标准，依据数据集成与共享方式的不同，制定不同的数据交换标准；
c）建立数据集成与共享环境，提供结构化数据、半结构化数据和非结构化数据的采集、加工、整合和处理的技术能力，构建多源数据的加工处理和共享环境；
d）数据接入整合，依据数据集成与共享的目标和标准，通过ETL和文件等方式接入数据和整合数据；
e）数据集成关系管理，基于权威数据源和集成共享管理制度对各系统集成关系进行审查，提升各系统数据的一致性；
f）数据共享管理，对组织内各部门的数据共享需求进行审批和交付，实现数据在组织内的有序流转与安全合规使用。

过程目标

a）建立高效、灵活和适应性好的组织级应用系统间数据交换规范和机制；
b）建立数据集成与共享环境，可实现结构化、半结构化和非结构化数据处理；
c）建立数据共享机制，统一管理各部门的共享需求并实现数据的高效供给。

初始级

1）在项目层面建立数据集成机制；
2）各项目分别开展数据集成工作。

受管理级

1）在部门层面建立应用系统间数据集成规范，促进系统间的互联互通；
2）在部门层面对数据集成接口进行管理，建立复用机制；
3）在部门层面建立适用于部门级的结构化、半结构化和非结构化的数据集成环境；
4）在部门层面数据共享的需求、处理和交付等过程进行统一管理。

稳健级

1）建立数据集成与共享管理制度，明确数据集成与共享原则、方法和流程，明确数据归属原则、共享责任主体和各方的职责等；
2）制定组织级的数据集成与共享标准和数据交换标准；
3）建立组织级数据集成与共享环境，具备复杂数据加工、挖掘分析和便捷访问等功能，实现组织内多种类型数据的集成和共享；
4）依据数据集成与共享标准，通过ETL和文件等方式采集所需数据，对采集的数据进行筛选和清洗，提高数据采集质量；
5）依据组织级数据模型，对采集的数据进行整合，构建组织级的数据目录；
6）新建系统的数据集成方式应符合组织已有的数据集成与共享制度与标准；
7）在组织层面制定数据共享策略，统一管理数据共享的需求、处理和交付等过程。

量化管理级

1）设定量化指标，定期开展数据集成与共享工作评价，提升数据集成与共享管理能力；
2）采用人工智能技术开展数据采集、加工、整合和处理，持续提升数据集成与共享技术能力；
3）参与数据集成与共享相关国家标准，主导行业标准的制定。

优化级

1）参与数据集成与共享相关国际标准，主导国家标准的制定；
2）在国际和国家层面分享最佳实践，成为行业标杆。

元数据管理

概述

元数据管理是关于元数据的创建、存储、整合与控制等一整套流程的集合。元数据管理包括制定元数据管理制度、元模型管理、元数据采集、元数据应用、元数据质量管理和元数据变更等活动。

过程描述

a）制定元数据管理制度，明确元数据的分类、采集、应用和变更等管理要求；
b）元模型管理，明确元数据管理的对象、属性、关系和规则的管理要求，为元数据的采集、创建和管理奠定基础，元模型可采用或参考相关国家标准；
c）元数据采集，基于元模型和元数据管理制度对元数据进行采集，对不同类型和不同来源的元数据进行整合，形成对数据的统一描述；
d）元数据应用，基于数据管理和应用需求，对组织管理的各类元数据进行分析应用，如查询、血缘分析、影响分析、符合性分析和质量分析等；
e）元数据质量管理，基于元数据标准，从准确性、完整性和时效性等维度对元数据的质量进行监测和管理；
f）元数据变更，基于元数据管理制度，根据元数据质量监测结果对元数据进行维护和更新。

过程目标

a）有效集成组织内不同来源的元数据，形成统一元数据目录，实现数据的有效管理和应用；
b）建立元数据应用和元数据服务，支持系统间数据协同，提升业务数据使用效率。

初始级

1）基于业务系统建设的需要定义元模型；
2）在项目层面采集和维护各类元数据。

受管理级

1）在部门层面明确元数据分类，设计每一类元数据的元模型；
2）在部门层面制定元数据采集标准，建立集中的元数据存储库，采集不同来源的元数据；
3）在部门层面初步实现元数据应用，覆盖血缘分析和影响分析等。

稳健级

1）建立组织级的元数据管理制度，明确元数据分类、采集、应用和变更等各环节的职责分工、管理要求和流程；
2）明确组织级的元数据分类及每类元数据的范围，设计相应的元模型；
3）建立组织级集中的元数据存储库，统一管理多个业务领域及其应用系统的元数据，制定和执行统一的元数据集成和变更流程；
4）实现丰富的元数据应用，如数据的影响分析、符合性分析、质量分析、数据溯源和冷热度分析等；
5）开展元数据质量评价，包括元数据的准确性、完整性和时效性等方面；
6）元数据采集和变更流程与数据生存周期有效融合，在各阶段实现元数据采集和变更管理，元数据能及时和准确反映组织真实的数据现状。

量化管理级

1）设定量化指标，定期开展元数据管理工作评价，形成元数据管理工作报告；
2）采用人工智能技术，支撑业务元数据补充、符合性异常检测和数据血缘关系追踪等场景，持续提升元数据管理效率；
3）参与元数据相关国家标准，主导行业标准的制定。

优化级

1）参与元数据相关国际标准，主导国家标准的制定；
2）在国际和国家层面分享最佳实践，成为行业标杆。