2.2　国内数据治理框架

在数据治理框架和标准体系的研究方面，国内起步相对较晚，目前主要有GB/T 34960和DCMM两个标准。

2.2.1　GB/T 34960规定的数据治理规范

我国发布的信息化标准GB/T34960《信息技术服务治理》中包含五部分内容。

• 第1部分：通用要求。
• 第2部分：实施指南。
• 第3部分：绩效评价。
• 第4部分：审计导则。
• 第5部分：数据治理规范。

其中，第5部分《数据治理规范》（GB/T 34960.5—2018）中提出了数据治理的总则和要求，为企业数据治理体系的建设提供了参考。

该标准给出的数据治理架构如图2-4所示。

《数据治理规范》包括顶层设计、数据治理环境、数据治理域和数据治理过程四大部分。

1）顶层设计包含数据相关的战略规划、组织构建和架构设计，是数据治理的基础。

• 战略规划：应保持与业务规划、信息技术规划一致，并明确战略规划的实施策略。战略规划包含但不限于愿景、目标、任务、内容、边界、环境和蓝图等。
• 组织构建：应聚焦责任主体及责权利，通过完善组织机制，获得利益相关方的理解和支持，制定数据管理的流程和制度，以支持数据治理的实施。
• 架构设计：应关注技术架构、应用架构和管理体系等，通过持续的评估、改进和优化，以支撑数据的应用和服务。建立与战略一致性的数据架构，明确技术方向、管理策略和支撑体系，以满足数据管理、数据流通和数据洞察的应用需求。

2）数据治理环境包含内外部环境和促成因素，是数据治理实施的保障。

• 内外部环境：组织应分析业务、市场和利益相关方的需求，适应内外部环境变化，支撑数据治理实施。内外部环境包括：遵守法律法规；满足利益相关方的需求；识别并评估市场发展、竞争地位和技术变革的变化等。
• 促成因素：包括获得数据治理决策机构的授权和支持；明确人员的业务技能和职业发展路径；关注技术发展趋势和技术体系建设；制定数据治理实施流程和制度；营造数据驱动的创新文化；评估数据资产管理能力和数据运营的水平。

3）数据治理域包含数据管理体系和数据价值体系，是数据治理实施的对象。

• 数据管理体系：围绕数据标准、数据质量、数据安全、元数据管理和数据生命周期管理开展数据管理体系的治理。数据管理体系的治理包括：评估数据管理的现状和能力；指导数据管理体系的建设和数据治理方案的实施；监控数据管理的绩效和符合性，并持续改进和优化。
• 数据价值体系：围绕数据流通、数据服务和数据洞察等，开展数据资产运营和应用的治理。数据资产运营和应用的治理包括：评估数据资产的运营和应用能力；指导数据价值体系建设和数据治理方案的实施；监督数据价值实现的绩效和符合性，并持续改进和优化。

4）数据治理过程包含统筹和规划、构建和运行、监控和评价以及改进和优化，是数据治理实施的方法。

• 统筹和规划：明确数据治理目标和任务，营造必要的治理环境，做好数据治理实施的准备。这一环节的工作包括：评估数据治理的资源、环境和人员能力等现状；指导数据治理方案的制定；监督数据治理的统筹和规划过程，保证现状评估客观、组织机构设计合理、数据治理方案可行。
• 构建和运行：构建数据治理实施的机制和路径，确保数据治理实施的有序运行。这一环节的工作包括：评估数据治理方案与现有资源、环境和能力的匹配程度；制定数据治理的实施方案；监督数据治理的构建和运行过程，保证数据实施过程与方案的符合性和治理活动的可持续性。
• 监控和评价：监控数据治理的过程，评价数据治理的绩效、风险与合规，保证数据治理目标的实施。这一环节的工作包括：构建必要的绩效评估体系、内控体系或审计体系，制定评价机制、流程和制度；评估数据治理成效与目标的符合性；定期评价数据治理实施的有效性、合规性。
• 改进和优化：改进数据治理方案，优化数据治理实施策略、方法和流程，促进数据治理体系的完善。这一环节的工作包括：持续评估数据治理相关的资源、环境、能力、实施和绩效等；指导数据治理方案的改进，优化数据治理的实施策略、方法、流程和制度，促进数据管理体系和数据价值体系的完善。

《数据治理规范》在以下方面有着重要意义：促进组织有效开展数据治理的自我评估，建立数据治理体系，明确数据治理域和过程，建立数据治理能力和绩效的内外部评价，以及指导数据治理的落地实施。

2.2.2　数据管理能力成熟度评估模型

GB/T 36073—2018《数据管理能力成熟度评估模型》（Data Management Capability Maturity Assessment Model，DCMM）是在国家标准化管理委员会指导下，由全国信息技术标准化技术委员会编制的一份国家标准，于2018年发布并实施。

DCMM按照组织、制度、流程、技术对数据管理能力进行了分析和总结，提炼出组织数据管理的8个过程域，即数据战略、数据治理、数据架构、数据应用、数据安全、数据质量、数据标准、数据生存周期（见图2-5）。这8个过程域共包含28个过程项。

• 数据战略：数据战略规划、数据战略实施、数据战略评估。
• 数据治理：数据治理组织、数据制度建设、数据治理沟通。
• 数据架构：数据模型、数据分布、数据集成与共享、元数据管理。
• 数据应用：数据分析、数据开放共享、数据服务。
• 数据安全：数据安全策略、数据安全管理、数据安全审计。
• 数据质量：数据质量需求、数据质量检查、数据质量分析、数据质量提升。
• 数据标准：业务术语、参考数据和主数据、数据元、指标数据。
• 数据生存周期：数据需求、数据设计和开放、数据运维、数据退役。

DCMM将组织的数据能力成熟度划分为初始级、受管理级、稳健级、量化管理级和优化级共5个发展等级，以帮助组织进行数据管理能力成熟度的评价，如图2-6所示。

DCMM是我国首个正式发布的数据管理国家标准，旨在帮助企业利用先进的数据管理理念和方法，评估企业数据管理的现状和能力，持续完善数据管理组织、流程和制度，充分发挥数据的价值，促进企业向信息化、数字化、智能化方向发展。