数据管理能力成熟度评估模型（简称DCMM）国家标准（GB/T 36073-2018）自2018年3月份正式发布以来，已经在多家企业进行了落地实践，如对DCMM评估过程不了解，可参考我们之前分享过实践案例：

【御数·原创】数据管理能力成熟度评估实践——以电力企业为例

本文将介绍数据管理能力成熟度评估在企业实践过程中常见的误区，主要从评估主体，评估范围、评估的频率、评估过程等进行介绍，具体内容如下：

1、需要第三方评估，自己无法完成

数据管理能力成熟度评估方式一般可以分为组织自评和第三方机构独立评估两种。组织自评主要以组织内部人员为主体，对数据管理活动进行评估；开展组织自评的目的主要是建立一种自我检查、自我完善的机制，为组织数据治理体系的持续优化提供改进依据。第三方评估是以独立于组织且不受其经济利益制约或行政隶属关系的第三方机构为主，遵循DCMM数据管理能力成熟度评估模型，按规定的程序和方法对组织的数据管理项目进行评估。二者差别在于，组织自评评估人员可能是参与自身数据管理工作的人员，容易主观因素的影响，第三方评估是中立的评估模式，且由于其专业性，评估结果更加客观、真实，能够更好地发现数据管理的不足，帮助著作优化数据管理活动。

2、企业某些业务没有开展，评估模型不适用

DCMM数据管理能力成熟度模型定义了数据战略、数据治理、数据架构、数据应用、数据安全、数据质量、数据标准和数据生存周期8个能力域，每个能力域又分为几个能力项，共28个能力项，有些企业在数据管理方面只是做了其中某一部分，觉得此模型不适应企业的实际需求，其实在实际执行过程中，是可以基于企业实际进行调整的。

根据DCMM评估标准要求，在开展数据管理能力成熟度评估时，根据受评单位的实际情况，可以选择重点评估的范围。比如在评分时可以选择其中5个域作为重点评估域，设置较高的权重，对剩余3个域，设置较低的权重。

建议企业在自评估时，除了按能力域外，还可以按能力项进行选择评估范围，比如在数据标准方面，可以只选择主数据、及业务术语进行评估，不对数据元及指标数据进行评估。在实际工作中，可根据企业自身需要选择评估范围，不用严格覆盖DCMM所有能力项。

3、一次性的评估工作，一年只能开展一次

DCMM数据管理能力成熟度评估证书的有效期是3年，如果只是为了获取DCMM认证可以是2到3年开展一次评估。但我们开展数据管理能力成熟度评估除了获取证书以外，更重要的是了解自身的数据管理能力现状，识别出数据管理能力存在的不足，明确后续数据管理能力提升方向。因此数据管理能力成熟度评估的频率根据企业的实际情况，建议每年可以做一次全面评估，每月或每季度可以做一次局部自评估。

全面评估：建议每年在做下一年的规划前，由信息部门牵头组织一次全面自评估，覆盖所有的数据管理能力域及公司所有业务，全面评估了解公司数据管理能力现状及存在问题，并以全面评估的结果作为下一年规划的输入。

局部自评估：每个月（或每个季度）开展一次局部的自评估，由各数据管理小组或项目团队组织开展，评估的范围可根据实际情况只选择其中几个评估域，比如只评估数据安全、数据质量等，评估的目的是了解各数据管理团队当前工作完成情况，与总体计划之间的差距，根据评估情况及时调整计划，保障数据管理工作有序推进。

4、只能是定性评估，无法定量评估

目前DCMM数据管理能力成熟度评估模型提供的评估标准大部分都是定性评估，在实践中我们可以根据需要对某些评估标准进行优化，量化相应的评估指标。比如在数据治理沟通方面，“定期开展相关的培训工作，定期发布数据质报告”可以优化为“每个月开展一次数据管理培训，每周发布数据质量报告”。比如在元数据管理方面，“建立了组织级集中的元数据存储库，统一管理了多个业务领域及其应用系统的元数据”可以优化为“建立了组织级集中的元数据存储库，统一管理了5个应用系统的元数据，且每个系统元数据准确率达90%以上”。同时还可以在DCMM评估标准的基础上进行扩充，增加量化评估指标，甚至可以将工作中制定的KPI、ORK指标作为自评估的参考指标。

5、开展评估只是起点，不是终点

数据管理能力成熟度评估是诊断企业数据管理现状，提出综合评价、指明未来数据能力提升方向的基础性工作，是数据管理能力提升的起点。在数据管理能力提升工作开展前，基于成熟度评估发现的问题，结合企业业务需求、监管要求等进行数据管理蓝图规划，制度相应的提升计划。

另外数据管理能力提升是一个持续开展的过程，数据管理能力成熟度评估作为数据管理能力提升的一个环节，是能力提升成果检核手段，基于评估结果，作为下一阶段提升的输入，持续开展数据管理能力提升工作。

        最后数据管理能力成熟度评估模型作为开展数据管理工作的一个工具，我们可以根据企业实际需要对其进行个性化定制，以满足企业实际需求。