2024年1月，国家数据局发布国家“数据要素×”三年行动计划（2024—2026年），着力发挥数据要素的放大、叠加、倍增作用，构建以数据为关键要素的数字经济，推动高质量发展。如何发挥数据要素的乘数效应，挖掘掌握数据资源优势、提升数据治理能力、发挥数据资源公共价值至关重要。

企业数据治理是提升数据价值，发挥数据要素×的重要推手，目前市场主流有三大数据治理体系框架，分别是DAMA、DGI和DCMM，三大框架各有特点：

DAMA提供专业的培训和认证，为数据管理专业人士提供更多的学习和发展的机会，提升个人的数据管理和应用专业技能水平；

DGI为企业数据管理的战略决策和行动提供实践指导和指南指南，专注于数据治理教育和研究，提供培训、认证、资源和网络，帮助组织提高其数据治理能力；

DCMM框架体系是用于管理和组织数据的生命周期的方法论框架，旨在帮助组织有效地管理其数据资产，它涵盖了从数据的创建和收集到数据的归档和销毁的整个过程，确保数据的质量、可用性和可持续性。

1背景介绍

2024年1月，国家数据局会同中央网信办、科技部、工业和信息化部、交通运输部、农业农村部、商务部、文化和旅游部、国家 卫生健康委、应急管理部、中国人民银行、金融监管总局、国家医保局、中国科学院、中国气象局、国家文物局、国家中医药局等部门联合印发《“数据要素×”三年行动计划（2024—2026年）》。

2024年1月，在二十届中央政治局第十一次集体学习时，习近平总书记强调，发展新质生产力是推动高质量发展的内在要求和重要着力点，新质生产力是由技术革命性突破、生产要素创新性配置、产业深度转型升级而催生的当代先进生产力。

数据作为目前最热门的生产要素，实施“数据要素×”行动，可充分发挥我国超大规模市场、海量数据资源、丰富应用场景等多重优势，推动数据要素与劳动力、资本等要素协同，以数据流引领技术流、资金流、人才流、物资流，突破传统资源要素约束，提高全要素生产率。

目前我国存在数据供给质量不高、流通机制不畅、应用潜力释放不够等问题。各个行业企业、事业单位在数据资源供给结构性矛盾突出，数据资源规模庞大，而高质量数据供给不足。数据资源向数据资产转化障碍重重，数据价值潜力无法充分释放。

数据治理非常有必要，是企业实现数字战略的基础，推进适应国情的数据治理体系建设，推动各个企事业单位做好数据治理的工作，有助于充分发挥数据要素的作用，数据治理的最终目标是提升数据的价值，目前国内外应用广泛的数据治理框架有三个，分别是DAMA数据管理模型,DGI数据治理模型，DCMM数据管理成熟度评估模型，本文就各治理框架的体系架构,具体内容和使用场景进行探讨，以推进各行各业结合自身情况完善数据治理。

2数据治理的概念

在广义上，联合国将数据作为全球性战略资源，数据治理关乎国家、社会和经济的发展，不能停留在技术治理层面，政府须采用全面的数据治理框架，数据治理应推进数据整合共享与开发利用，同时关注安全、隐私、道德以及数字素养的提升。世界银行提出数据是一种可以反复使用、创造更多价值的资源，数据治理就是建立新的社会契约的过程，这种社会契约将推动数据的使用和再利用，创造经济和社会价值。

在狭义上，国际数据管理协会DAMA、国际数据治理研究所DGI、国家标准《信息技术 大数据术语》对数据治理的定义如下：

3 DAMA体系框架

DAMA-DMBOK2理论框架由11个数据管理职能领域（图一）和环境因素六边形图（即7个基本环境要素）（图二）共同构成“DAMA数据管理知识体系”，每项数据职能领域都在7个基本环境要素约束下开展工作，按照一定的逻辑结构进行分析，保证数据治理的目标和实际商业过程的贡献，用于指导组织的数据管理职能和数据战略的评估工作。

企业使用DAMA数据管理知识体系有助于企业建立数据管理制度，制定数据管理策略，统一数据口径，形成统一、规范的数据应用标准；为数据提供一致的视图和通用术语，统一对数据的认识，提高对数据的共同理解；提升数据资产意识，数据管理配套建设不断到位；提升数据的质量和数据的使用价值；在企业内部建立起数据驱动业务的企业文化；帮助组织更好的遵循内外部有关数据使用和管理的监管法规；实现数据间的广泛共享，提升数据分析和使用能力；帮助企业培养数据人才，组建数据治理团队，构建合理的组织架构。

（图一 11个主题域）

(1) 数据治理：通过建立一个能够满足企业数据需求的决策体系，为数据管理提供指导和监督。

(2) 数据架构：定义了与组织战略协调的管理数据资产蓝图，以建立战略性数据需求及满足需求的总体设计。

(3) 数据建模和设计：以数据模型的精确形式，进行发现、分析、展示和沟通数据需求的过程。

(4) 数据存储和操作：以数据价值最大化为目标，在整个数据生命周期中，从计划到销毁的各种操作活动。

(5) 数据安全：确保数据隐私和机密性得到维护，数据不被破坏，数据被适当访问。

(6) 数据集成和互操作：包括与数据存储、应用程序和组织之间的数据移动和整合相关的过程。

(7) 文档和内容管理：用于管理非结构化媒体数据和信息的生命周期过程，包括计划、实施和控制活动，尤其是指支持法律法规遵从性要求所需的文档。

(8) 参考数据和主数据：包括核心共享数据的持续协调和维护，使关键业务实体的真实信息，以准确、及时和相关联的方式在各系统间得到一致使用。

(9) 数据仓库和商务智能：包括计划、实施和控制流程来管理决策支持数据，并使知识工作者通过分析报告从数据中获得价值。

(10) 元数据：包括规划、实施和控制活动，以便能够访问高质量的集成元数据，包括定义、模型、数据流和其他至关重要的信息（对理解数据及其创建、维护和访问系统有帮助）。

(11) 数据质量：包括规划和实施质量管理技术，以测量、评估和提高数据在组织内的适用性。

（ 图二 7个基本环境要素）

① 目标与原则：每个职能在自己主题领域里的方向性目标，以及职能指标量化的基本原则。

② 活动：每个职能都是由一个或多个活动组成，其中有部分活动能被细化为子活动。

③ 主要交付物：信息、物理数据库即各职能在管理过程中最终输出的文档。

④ 角色与职责：参与执行和监督职能的业务角色和IT角色，以及其各自职能中承担的具体责任。

⑤ 实践与方法：包含了常见和流行的实践方法，以及交付物的执行过程和步骤。

⑥ 技术：各种配套支撑技术的类别、标准和规范、产品选择的标准和常见的学习曲线。

⑦ 组织与文化：主要包括管理度量指标和标准、成功和商业价值的度量指标和标准等因素。

DAMA是国际性组织，影响力较广泛，建立在美国为首的西方世界的知识体系之上，来源于外国的行业实践总结，十个治理领域面向全局战略，大而全，涉及数据管理的各个方面下图是DAMA数据管理知识体系中数据治理的语境关系图。

(图三）

（图四）DAMA针对企业数据治理成熟的评价等级

4 DGI体系框架

DGI早在2004年就推出了DGI数据治理框架，为企业数据管理的战略决策和采取行动的提供最佳实践和指南。DGI框架在数据治理组织、数据治理目标、数据治理流程等方面，都给出了指南级说明，帮助企业实现数据价值，最小化数据管理成本和复杂性，以及数据的安全合规使用。

(图五）

框架设计是从组织数据治理的目标或者需求出发进行设计的，描述了谁可以采取什么行动来处理什么信息以及何时，在什么情况下使用什么方法（如图五）。

DGI框架的设计采用5W1H法则：

WHY，为什么需要数据治理？

DGI框架中的第1-2组件，数据治理愿景使命、数据治理目标。用这两个组件来定义企业为什么需要数据治理。笔者认为相比于数据治理其他几个组件，做什么，怎么做，为什么做更加重要，它为企业数据治理指明了方向，是其他数据治理活动的总体策略。

WHAT，数据治理治什么？

DGI框架中的3-6个组件，数据规则与定义、数据的决策权、数据问责制、数据管控，DGI框架这4个组件定义出了数据治理到底治什么。

数据规则与定义，侧重业务规则的定义，例如：相关的策略、数据标准、合规性要求等；

数据的决策权，侧重数据的确权，明确数据归口和产权为数据标准的定义、数据管理制度、数据管理流程的制度奠定基础;

数据问责制，侧重数据治理职责和分工的定义，明确谁应该在什么时候做什么;

数据管控，侧重采用什么样的措施来保障数据的质量和安全，以及数据的合规使用。

WHO，谁参与数据治理？

DGI框架中的7-9组件，定义数据治理的利益干系人，主要包括：数据利益相关者、数据治理办公室和数据专员。DGI框架对数据治理的主导、参与的职责分工定义给出了相关参考。

WHEN，什么时候开展数据治理？

DGI框架中的第10个组件，用来定义数据治理的实施路径、行动计划。

HOW，如何开展数据治理？

DGI框架中的第10组件，数据治理流程，描述了数据管理的重要活动和方法。

WHERE，数据治理位于何处？

DGI框架外的组件也十分重要，强调明确当前企业数据治理的成熟度级别，找到企业与先进标杆的差距，是定义数据治理内容和策略的基础。

5 DCMM体系框架

DCMM是国家标准《GB/T36073-2018 数据管理能⼒成熟度评估模型》（Data Management Capability Maturity Model）的英文简称。DCMM是我国在数据管理领域⾸个正式发布的国家标准，旨在帮助企业利⽤先进的数据管理理念，评价数据管理能⼒，持续完善数据管理组织、程序和制度，充分发挥数据在促进企业向信息化、数字化、智能化发展的价值。

我国数据管理领域最佳实践的总结和提升，通过对地方、行业各单位组织数据管理、应用情况的评估，可以掌握地方、行业单位组织数据管理和应用的现状，发现具备的优势和存在的问题，为如何更好利用本地、行业的数据资源和进行针对性的指导提供支持。

DCMM数据管理能⼒成熟度评估模型结合数据生命周期管理各个阶段的特征，按照组织、制度、流程、技术对数据管理能力进行了分析、总结，提炼出组织数据管理的8大能力域，并对每项能力域进行了二级能力项（28个能力项）和发展等级的划分（5个等级）以及相关功能介绍和评定指标（441项指标）的制定。

(图六）

DCMM将数据管理能⼒成熟度划分为五个等级，⾃低向⾼依次为初始级（1级）、受管理级（2级）、稳健级（3级）、量化管理级（4级）和优化级（5级），不同等级代表企业数据管理和应⽤的成熟度⽔平不同。

(图七）

6 DAMA、DGI和DCMM的特点介绍

● DAMA

  一个全球性数据管理和业务专业志愿人士组成的非营利协会，在世界范围内拥有40 多个分会，多年致力于数据管理的研究、实践及相关知识体系的建设，在数据管理领域累积了极为深厚的知识沉淀和丰富经验，先后出版的“DAMA 数据管理字典”和“DAMA数据管理的知识体系和指南”已成为从事数据管理工作的经典参考和指南，在全球范围内广受好评,DAMA国际还开发了“数据管理专业人士认证” (Certified Data Management Professional - CDMP)。

通过对数据治理方向实操技能的系统学习和掌握，从而实现理论+实践融会贯通，全面提高自己在日常工作中的实战水平，为个人在数据治理方面取得的成就提供资质证明，使数据领域人才在未来激烈的市场竞争下占据“先机”。主要目标是帮助数据管理专业人士提升其专业技能和知识，推动数据管理最佳实践的实施，DAMA提供了一系列的数据管理认证，其中最著名的是CDGA（Certified Data Governance Professional）和CDMP（Certified Data Management Professional），定期举办各种研讨会、会议和网络活动，为数据管理领域的专业人士提供交流和学习的机会。此外，DAMA还致力于数据管理的研究和出版，发布了许多数据管理领域的专业书籍和研究报告。

●DGI

进行数据治理相关的研究，开发最佳实践和标准,全球数据治理实践的重要推动者，促进数据治理领域的发展,通过其各种活动和项目，为数据治理领域的发展做出了积极贡献，定期发布研究报告，如《全球数据治理实践报告》，建立了一个全球性的数据治理社区，通过线上论坛、研讨会、会议等活动，促进数据治理专业人士之间的交流和合作，提供数据治理咨询服务，帮助组织设计和实施数据治理项目，提升数据治理能力，致力于推广和实践数据治理的理念。

● DCMM

我国通过将企事业单位业务、技术应用、数据需求与数据管理过程相结合，实现企事业单位数据管理体系革新、生产模式优化、运行效率提升，加快推动企事业单位向数字化、网络化、智能化转型发展，切实提高企事业单位的数据管理水平和综合竞争力。

通过一系列的方法、关键指标和问卷来评价某个企事业的数据管理现状，从而帮助其查明问题、找到差距、指出方向，并且提供实施建议，为企业提供与企业发展战略相匹配的数据管理能力体系建设。

企业开展DCMM评估之后，免费享受一年的DCMM会员服务，从行业专家、最佳实践，行业研讨会、行业报告等多个层面开展相关服务，持续推动行业和公司数据能力水平的提升。可以适用于各种规模的组织和不同类型的数据，是一个灵活的框架，可以根据具体的需求和环境进行调整，解决企事业单位实际业务问题、支撑技术应用，中国电子信息行业联合会授权评估机构进行数据管理能力认证评估，首次通过DCMM标准认证的企业全国各省市均有不同金额的政府补贴，金额最高达50万元。

7结语

数字化转型过程中，企业需要一个“合适”数据管理体系，通过该体系设置数据治理活动的参与规则，实现企业的数据价值，减少成本和复杂性，规避风险，并确保数据的使用符合的法律、监管和其他要求。

每个企业都有其独特的成熟度、文化、技术平台、特定的数据管理的需求和目标，每个企业的数据治理规划都应该独一无二的，随着市场环境的变化、数据治理的挑战也随之变化，每个企业都应该结合自身的实际去完善自身的数据治理，建立独特的企业数据文化。数据治理需要结合公司实际情况，建立有效的数据共享和协作机制，才能更好地推动企业的数字化转型发展，促进数据要素的广泛流通。