《数据管理能力成熟度评估模型》实施指南

数据是组织的重要资产，做好数据管理是盘活数据资源，释放数据价值的有效手段。本书以数据管理为主题，分为背景篇、标准篇、贯标篇、评估篇和政策篇五个篇章，首先梳理了数据管理的概念、背景和发展历程，为读者建立对数据管理的总体认识；其次详细解读国家标准――数据管理能力成熟度评估模型（以下简称DCMM），帮助读者深入理解DCMM标准及其内涵，掌握开展数据管理活动所需的理论知识，指导读者应用DCMM标准构建数据管理体系，并开展数据管理贯标评估活动。

第一部分 背景篇
第1章 数据管理相关概念
1.1 数据和大数据
1.1.1 数据
1.1.2 大数据
1.2 数据资源和数据资产
1.2.1 数据资源
1.2.2 数据资产
1.3 数据管理和数据治理
1.3.1 数据管理
1.3.2 数据治理
第2章 数据管理发展历程
2.1 国内外数据管理模型发展历程
2.1.1 数据管理技术发展历程
2.1.2 数据管理研究早期探索
2.1.3 数据管理模型研究与广泛应用
2.2 国内数据管理与应用探索路径
2.2.1 部分行业探索开展数据管理活动
2.2.2 国家出台政策引导和强化数据管理与应用
2.2.3 高校和研究机构加强对数据管理的研究
第3章 数据管理的价值和意义
3.1 数据管理是组织数据资产保值和增值的必然举措
3.1.1 数据管理可降低组织投入成本
3.1.2 数据管理有助于提升组织管理运营效率
3.1.3 数据管理能提高组织数据资产价值
3.2 数据管理有助于引领行业创新性、规范性发展
3.2.1 数据管理能促进产业转型升级
3.2.2 数据管理是行业监管的有效抓手
3.2.3 数据管理有利于培养行业复合型人才
3.3 数据管理赋能治理体系和治理能力现代化
3.3.1 数据管理是政府治理体系变革的“牵引器”
3.3.2 数据管理是政府治理能力提升的“助推器”
3.3.3 工业和信息化领域关注数据管理标准和评估体系建设与推广
第4章 数据管理的现状和面临的挑战
4.1 数据管理的现状与发展
4.1.1 数据管理对象变化
4.1.2 处理架构更新换代
4.1.3 组织职能升级变迁
4.1.4 管理手段自动智能
4.1.5 应用范围不断扩大
4.2 数据管理面临的挑战
4.2.1 全局性、战略性数据管理意识不强
4.2.2 传统工业企业数据基础仍然薄弱
4.2.3 数据管理认识泛技术化现象明显
4.2.4 数据管理工作与业务工作脱节
4.2.5 数据管理专业人才、理论体系和优秀实践案例缺乏
第5章 国内外主流数据管理模型
5.1 DAMA数据管理知识体系
5.2 DGI数据治理框架
5.3 SEI数据管理成熟度模型
5.4 ISO/IEC 38505数据治理国际标准
5.5 数据管理能力成熟度评估模型（DCMM）
第二部分 标准篇
第6章 DCMM标准编制过程
6.1 研究调研
6.1.1 调研方法
6.1.2 关键发现
6.2 模型编制
6.2.1 标准任务来源
6.2.2 标准制定目的和意义
6.2.3 标准编制工作简要过程
6.3 试验验证
6.3.1 验证目的
6.3.2 验证发现
第7章 DCMM框架
7.1 能力域和能力项
7.2 成熟度等级
7.2.1 初始级
7.2.2 受管理级
7.2.3 稳健级
7.2.4 量化管理级
7.2.5 优化级
……