数据管理能力成熟度评估模型-数据治理

数据治理组织

概述

数据治理组织是建设数据治理专业组织和完善组织数据治理责任体系的过程。
数据治理组织管理包括治理组织架构设计、岗位与职责定义、团队能力建设、数据责任体系构建和绩效评价机制等活动。

过程描述

a）治理组织架构设计，建立决策层、管理层和执行层三级数据治理组织，明确各层级职责及协同机制；
b）岗位与职责设置，设置与数据战略匹配的专职岗位，明确岗位职责、任职要求和权限；
c）团队能力建设，制定数据治理团队招募和培养计划，定期开展专业培训，提升团队综合能力；
d）数据责任体系构建，明确数据所有者和管理者等角色，推动业务部门参与数据治理，落实数据认责机制；
e）绩效评价机制建立，制定数据治理相关岗位的绩效评价指标，定期开展评价并应用结果。

过程目标

a）构建权责清晰的数据治理责任体系，提升管理效率；
b）建立高效协同的数据责任机制，推动全员参与数据管理。

初始级

1）在具体项目中体现数据管理和数据应用的岗位、角色和职责；
2）各项目的技术骨干和业务专家按个人经验处理数据问题。

受管理级

1）在部门层面设置数据治理兼职或专职岗位，明确岗位职责；
2）数据治理工作的重要性得到组织决策层的认可；
3）在部门层面按需开展数据管理人员技能培训；
4）在部门层面开展数据管理人员绩效评价。

稳健级

1）组织决策层负责数据治理工作的决策，参与数据管理相关工作；
2）在组织层面建立独立的数据管理部门，统一负责组织、协调各项数据工作；
3）在组织层面建立统一的数据岗位体系，覆盖数据标准、数据质量、数据安全、数据应用和数据架构等职能，并体现在岗位职责描述中；
4）在组织层面制定数据团队培训计划，定期进行培训和经验分享，提高人员专业技能；
5）在组织层面建立、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）在组织层面推动数据认责，明确各类数据的所有者和管理者，落实主体责任；
7）在组织层面建立数据管理人员绩效评价体系，明确相应的激励机制，定期开展绩效评价。

量化管理级

1）建立数据人员的职业晋升路线图，明确数据人员的职业发展目标；
2）组建复合型数据团队，覆盖技术、管理、财务、法规和运营等方面的人员；
3）建立量化指标，考核业务部门数据管理职责的落实与执行情况；
4）采用人工智能技术辅助开展团队绩效评价工作；
5）参与数据治理组织相关国家标准，主导行业标准的制定。

优化级

1）建立全员参与的数据责任体系，推动数据和业务的融合；
2）参与数据治理组织相关国际标准，主导国家标准的制定；
3）在国际和国家层面分享最佳实践，成为行业标杆。

数据制度建设

概述

数据制度建设是建立各项数据管理工作的制度和规范，推动落实执行的过程。数据制度建设包括数据制度体系规划、数据制度制定、数据制度宣贯、数据制度实施和数据制度修订等活动。

过程描述

a）数据制度体系规划，根据数据治理组织的层次和授权决策效力，数据制度体系分为政策、办法和细则三个层次，明确了数据管理和数据应用的目标、原则、管理内容和管理流程等，基本内容如下：
   1）数据政策说明数据管理和数据应用的目的，明确组织与范围；
   2）数据管理办法是数据管理和数据应用各项活动开展的相关规则和流程；
   3）数据管理细则是为推动各数据方法执行落实而制定的相关文件。
b）数据制度制定，组织进行数据制度的起草、审核和发布等工作。
c）数据制度宣贯，定期开展数据制度的培训和宣传工作。
d）数据制度实施，结合数据治理组织的设置，推动数据制度的实施。
e）数据制度修订，通过监督与检查数据制度的执行情况，持续优化数据制度。

过程目标

a）建立数据制度体系，保障数据管理和数据应用各项工作有序开展；
b）建立数据制度优化更新机制，推动数据制度执行。

初始级

1）各项目分别建立数据相关办法或细则；
2）数据管理制度的落实和执行由各项目人员自行决定。

受管理级

1）在部门层面识别数据制度的利益相关者，了解相关诉求；
2）在部门层面建立数据管理的政策、办法和细则；
3）在部门层面明确数据制度的管理角色，推动数据制度实施；
4）在部门层面跟踪制度实施情况，定期修订管理办法，维护版本更新。

稳健级

1）在组织层面建立数据制度体系，制定数据政策、办法和细则；
2）建立覆盖各能力域的管理制度，以文件形式发布，保证数据工作的规范性和严肃性；
3）建立数据制度管理机制，统一管理流程，指导数据制度修订；
4）业务人员积极参与数据制度的制定，有效推动业务工作的开展；
5）数据制度的制定参考外部合规和监管的要求；
6）定期开展数据制度培训和宣贯；
7）跟踪制度实施情况，持续修订数据制度，保障数据制度的有效性。

量化管理级

1）数据制度的制定参考行业最佳实践，体现业务发展的需要，推动数据战略的实施；
2）采用人工智能技术量化评估数据制度的制定及执行情况，优化数据制度管理过程；
3）参与数据制度相关国家标准，主导行业标准的制定。

优化级

1）通过数据制度的执行，规范数据治理工作，推动数据治理赋能业务管理；
2）参与数据制度相关国际标准，主导国家标准的制定；
3）在国际和国家层面分享最佳实践，成为行业标杆。

数据文化建设

概述

数据文化建设是指培育数据驱动决策和行动的共识与习惯，明确数据文化价值观，提升数据素养，培养全员参与数据管理和数据应用的文化。数据文化建设包括树立数据文化价值观、领导力承诺、构建沟通宣贯渠道、宣贯与培训和树立标杆等活动。

过程描述

a）树立数据文化价值观，基于数据战略和组织特征建立数据驱动管理和决策的数据文化价值观，建立数据文化建设的方法，推动数据文化的建设；
b）领导力承诺，领导层落实用数据管理和用数据决策的数据文化，提升全员对数据文化的重视；
c）构建沟通宣贯渠道，分析利益相关者诉求，建立数据文化宣传渠道和汇报沟通路径，强化数据工作成果的推广和理念宣传，提升数据意识；
d）宣贯与培训，依据数据文化建设需要，定期开展数据文化宣贯与培训活动，塑造组织数据思维；
e）树立标杆，遴选数据驱动管理和决策典型经验和案例，建立配套激励措施，树立典型标杆，加强宣传和推广。

过程目标

a）提升全员的数据素养，培养全员管数据和用数据的氛围；
b）建立全员认同的数据价值观与行为准则，在组织内形成以数据驱动管理和决策的数据文化。

初始级

1）在项目层面开展数据团队成员的培养，提升团队成员的数据技能；
2）组织的管理决策主要依赖个人经验。

受管理级

1）在部门层面制定数据管理沟通计划，在利益相关者间达成一致，按计划推动活动开展；
2）在部门层面开展数据文化的宣贯培训活动；
3）在部门层面开展数据文化标杆的遴选和推广。

稳健级

1）在组织层面建立统一的数据文化价值观，明确数据驱动的核心原则，纳入员工行为规范与制度体系；
2）领导层落实用数据管理和用数据决策的数据文化，提升全员对数据文化的重视；
3）在组织层面构建沟通宣贯渠道，分析利益相关者的诉求，明确宣贯和沟通的对象和内容，建立数据文化的宣传渠道和汇报沟通路径；
4）设立专门岗位或角色负责数据文化推广，制定组织级数据文化推广计划，定期开展数据文化宣贯和培训等活动；
5）在组织层面定期开展数据工作成果总结，加强汇报和推广，展示数据工作成绩；
6）收集并整理数据管理案例，包括最佳实践和经验总结，形成数据文化建设知识库；
7）在组织层面挖掘数据管理和应用典型经验，加强激励、宣传和推广，树立数据文化的标杆。

量化管理级

1）设定数据文化建设成效量化评价指标，定期开展评价工作；
2）组织的数据文化价值观得到普遍认同和推广，全员的数据素养得到显著提升；
3）参与数据文化建设相关国家标准，主导行业标准的制定。

优化级

1）建立全员参与的数据文化，实现数据驱动的管理和决策；
2）参与数据文化建设相关国际标准，主导国家标准的制定；
3）在国际和国家层面分享最佳实践，成为行业标杆。