ThinkingAI Logo
返回博客列表

DCMM是什么?数据管理能力成熟度评估模型详解

DCMM是《数据管理能力成熟度评估模型》国家标准的简称。本文讲清DCMM的九个能力域、五级成熟度、2025版DCMM 2.0的变化、适用组织与评估流程,并说明它与数据治理框架的关系及企业落地方法。

2026-11-1312分钟
DCMM是什么?数据管理能力成熟度评估模型详解

DCMM 是《数据管理能力成熟度评估模型》国家标准的简称,英文全称是 Data management capability maturity assessment model,标准号 GB/T 36073。 它用统一的能力域、能力项和成熟度等级,帮助组织判断自己的数据管理能力处在什么水平、差距在哪里、下一步该补什么。数据治理只是 DCMM 的九个能力域之一,数据标准、数据质量、数据安全等都在其中。

数据治理框架DCMM是什么?这个问题通常出现在两种场景里:一是管理层问,我们的数据治理到底做到什么水平;二是投标文件里出现DCMM等级要求。资料一多,框架、标准、认证、评估几个词很容易混在一起。

日常交流中,很多人把 DCMM 叫作数据治理框架。这个说法便于理解,但范围并不准确。DCMM 覆盖的是从数据战略、组织、架构、标准、质量、安全到资产运营和应用流通的完整数据管理能力。把 DCMM 当成数据治理框架,容易只盯着制度和组织,漏掉标准、质量、安全和资产这些同样需要投入的部分。

一、DCMM是什么

DCMM 于 2018 年首次发布 GB/T 36073-2018,是我国数据管理领域首个正式发布的国家标准。2025 年 12 月 31 日,GB/T 36073-2025 发布,2026 年 7 月 1 日正式实施,替代 2018 版,业界常称 DCMM 2.0。

它的核心用途可以概括为三件事:

  • 建立共同语言:让业务、数据、技术、安全团队用同一套能力域讨论问题,减少各说各话。
  • 评估现状:对照能力项和成熟度等级,判断企业处在什么水平,哪些能力有制度、有执行、有记录。
  • 给出改进路径:从差距出发,确定先补哪个域、补到什么程度,不需要一开始就全面铺开。

需要区分几个容易混淆的概念:

  • DCMM 是一套标准。买一套数据平台,不会自动带来 DCMM 等级。
  • DCMM 是一套评估模型。它告诉你评什么、怎么分级,具体怎么建组织、怎么落标准,仍要结合企业实际。
  • DCMM 证书是评估结果的一种呈现。证书能说明某个时点的评估结论,不能替代日常的数据质量、安全和运营工作。

核对标准时,应分别看正式名称、标准号、实施日期和具体条文。全国标准信息公共服务平台列示的正式名称为《数据管理能力成熟度评估模型》。本文中的“数据管理能力成熟度模型”是交流中的简化表达;评估或引用时,应使用对应版本的正式名称。

二、DCMM框架包含哪些能力域

2018 版 DCMM 包含 8 个能力域、28 个能力项。据中国日报网 2026 年 1 月的报道,2025 版扩展到 9 个能力域、33 个能力项。 新版新增数据资产域,并把数据应用域更名为数据应用流通域。

九个能力域分别关注不同问题:

能力域关注的问题企业常见的证据
数据战略数据工作要支撑哪些业务目标,投入怎么分阶段数据战略规划、年度计划、评审记录
数据治理谁来管、怎么决策、制度和文化是否运转治理组织、制度文件、会议纪要、责任矩阵
数据架构数据怎么分布、怎么集成、怎么共享数据模型、架构评审、接口与血缘记录
数据资产数据权属是否清楚、价值怎么评估、资产怎么运营资产目录、权属记录、估值方法、使用统计
数据标准业务术语、主数据、参考数据、指标口径是否统一标准清单、落标记录、覆盖率统计
数据质量质量规则是否明确,问题能否闭环修复质量规则、工单、修复与复验记录
数据安全合规、防护、审计是否到位分类分级、权限与脱敏记录、审计日志
数据生存周期数据从需求、设计、开发到运维、退役是否全程管理生命周期制度、归档与销毁记录
数据应用流通数据用得怎么样,外部数据怎么管理,共享是否有序应用清单、调用统计、外部数据协议

这张表的作用,是帮企业把数据治理这个大问题拆成可以检查的能力。比如同一个指标在财务、运营、管理层报表里出现三个数字,表面看是报表问题,往下追可能同时涉及数据标准没有统一、数据质量规则缺失、数据架构里的口径传递不一致,以及数据治理没有明确谁对指标负责。DCMM 的价值在于把这些环节放在同一张能力地图上,避免只修一个报表,过两周又在另一个系统里出现同样的问题。

九个能力域之间没有严格的先后顺序,也不要求企业同时做到满分。 它们更像一张检查清单,企业可以根据目标等级和业务优先级,选择先补哪几个域。

三、五个成熟度等级分别代表什么

DCMM 把数据管理能力成熟度分为五个等级,从低到高依次是初始级、受管理级、稳健级、量化管理级、优化级。

等级名称主要特征企业通常的状态
1级初始级数据管理活动零散,依赖个人经验,缺少稳定制度有问题才处理,缺少统一负责人
2级受管理级在项目或部门层面建立基本制度、流程和记录关键系统有规范,跨部门协同还不稳定
3级稳健级形成组织级标准,治理、标准、质量等工作跨部门运转有治理组织,制度能执行,执行有记录
4级量化管理级建立量化指标,用数据衡量管理效果,引入智能技术提升效率能说清质量、标准、资产的使用效果
5级优化级持续优化,数据驱动业务变革,形成行业或生态影响力数据能力成为竞争力,能对外输出经验

从公开评估解读看,DCMM 2.0 不再把 1 级作为申报等级,实际申报从 2 级受管理级起步。 4 级和 5 级更强调量化指标、人工智能应用和生态协同,准备难度明显高于 2 级和 3 级。

目标等级要匹配企业实际,高等级不一定适合所有企业。企业需要先回答三个问题:业务当前最需要解决什么问题,现有组织和数据基础能支撑到什么程度,评估和后续建设的投入是否可持续。一个只希望统一报表口径、减少跨部门争议的企业,未必要把 5 级作为短期目标;先把 2 级到 3 级的基础打牢,往往更实际。

四、2025版DCMM改了什么

2025 版 DCMM 是 2018 版发布以来的首次重大修订。它于 2025 年 12 月 31 日发布,2026 年 7 月 1 日实施,核心变化可以概括为三个方面。

第一,能力域从 8 个扩展到 9 个,新增数据资产域。 数据资产域包含权属管理、价值评估、资产运营三个能力项,直接对应数据资产入表、数据要素流通和数据价值评估这些现实问题。原数据应用域更名为数据应用流通域,并新增外部数据管理能力项,说明标准开始关注跨组织的数据合作与流通。

第二,评估重点从能力是否存在,转向能力执行到什么程度。 2.0 更强调执行记录和量化证据,比如标准落标率、质量问题修复时长、资产使用统计。只有制度文件、没有系统记录和实际执行,越来越难支撑较高等级的评估。

第三,人工智能被写入能力要求。 2.0 在 4 级和 5 级中强化了人工智能等新技术的应用要求,包括自动发现元数据和血缘、智能推荐质量规则、辅助识别业务语义等。同时,标准也强化了多模态数据治理、人工智能训练数据质量和高质量数据集建设的要求。

这些变化背后有两股力量。一股是数据要素市场化,数据要从内部管理对象变成可评估、可运营的资产;另一股是人工智能落地,模型和应用需要高质量、可追溯、口径统一的数据。DCMM 2.0 把这两件事放进了同一套能力框架。

需要提醒的是,2.0 对证据的要求更细,企业不能等到评估前才补材料。标准落标、质量工单、元数据采集、资产使用记录这些内容,都需要在日常系统里持续产生。评估师看的是运行中的能力,临时整理的文档很难替代真实记录。

五、哪些组织适合做DCMM评估

从标准文本看,DCMM 适用于各类组织和机构。从评估实践看,主要分为数据拥有方和信息技术服务方两类。 数据拥有方更关注自身数据治理、数据质量和数据应用能力;信息技术服务方更关注为客户提供数据服务、数据产品和解决方案的能力。两类组织的评估侧重点不同,不能直接拿同一套材料套用。

以下几类企业更适合尽早启动:

  • 正在制定或更新数据战略,需要一套共同语言对齐管理层、业务和技术团队。
  • 数据分散在多个系统,指标口径不一致,报表反复对不上,需要找到系统性差距。
  • 准备推进数据资产入表、数据要素流通或数据产品化,需要补权属、估值和运营能力。
  • 要参与投标、集团考核或行业对标,DCMM 等级是明确的资质或评分要求。
  • 正在落地人工智能应用,发现数据质量、标准和权限是主要瓶颈。

以下情况可以先缓一缓:

  • 管理层没有形成共识,数据工作只由某一个部门推动。
  • 业务问题还没有梳理清楚,只想先拿一张证书。
  • 数据基础薄弱,连基本的系统清单、指标清单和责任人都没有。
  • 期待通过评估直接解决数据质量问题,却没有准备持续投入。

DCMM 评估通常分为三个阶段。评估准备阶段,企业建立数据管理体系,开展自评估,必要时请咨询机构协助对标,并向评估机构提交申请材料。正式评估阶段,评估机构通过文件审查、人员访谈、系统演示和抽样验证等方式,核实制度是否执行、记录是否真实。结果评议阶段,评估机构出具报告,报中国电子信息行业联合会备案和评议,公示无异议后发放能力等级证书。

评估对象是整个组织,通常由数据管理归口部门牵头,管理层参与数据战略和数据治理,技术人员参与其余能力域。企业需要准备的证据包括制度文件,也包括会议纪要、责任矩阵、标准落标记录、质量工单、元数据与血缘、权限与审计日志、资产使用统计等。

六、企业怎么把DCMM用起来

DCMM 的价值在评估之后。 企业可以把使用过程分成四步。

第一步,确定目标等级和业务问题。先明确这次评估要解决什么:是统一指标口径,是支撑数据资产入表,是满足投标要求,还是为人工智能应用打基础。目标不同,优先补的能力域也不同。目标等级要结合业务需求、组织基础和执行能力确定,不宜直接照搬同行。

第二步,做一次差距自评。对照九个能力域和 33 个能力项,逐项检查四件事:有没有制度,有没有责任人,有没有系统承载,有没有执行记录。自评的目的在于找到最影响业务的短板,打分只用于定位差距。制度、组织、平台、记录四列都空白的领域,通常需要优先补。

第三步,选一到两个核心数据域跑通闭环。 比如客户域、订单域或财务域,从数据接入、标准落标、质量检查、问题修复到资产发布和业务使用,走完一条完整链路。跑通一条链路,比在每个域都做一点表面工作更有价值。链路中的制度、流程、记录和工具配置,可以复用到其他域。

第四步,把治理动作变成日常机制。明确数据 Owner,定期开治理例会,把质量问题、标准变更、资产使用情况放到同一个复盘机制里。评估前集中补材料,评估后恢复原样,等级很快会失去意义。企业需要的是能持续运转的组织、制度和系统记录。

如果企业的问题集中在数据接入、指标口径、知识治理和过程可追溯,ThinkingAI 的企业级知识库和数据智能平台可以作为落地工具的一部分。知识库把分散的文档、报表和业务知识整理成结构化、可追溯、可复用的资产,数据智能平台承担数据接入、分析、用户分群和运营闭环等工作。ThinkingAI 已服务全球超1500家企业,接入产品超8000款,这些实践可以用于承接数据标准、数据质量和权限治理的日常执行。DCMM 负责定义目标和评估差距,工具负责把执行过程记录下来,两者不能互相替代,也不能把采购工具当成通过评估。

常见误区有五个:

  • 把证书当成终点,评估结束后不再维护。
  • 制度写得很完整,系统和执行记录跟不上。
  • 照搬同行的目标等级,忽略自身业务优先级。
  • 让一个部门独自承担,业务部门不参与。
  • 只关注平台功能,没有明确数据责任人和治理机制。

常见问题

1. DCMM和数据治理是什么关系?

DCMM 覆盖的范围比数据治理更宽。数据治理是九个能力域之一,关注组织、制度、决策机制和数据文化;DCMM 还把数据战略、数据架构、数据标准、数据质量、数据安全、数据资产、数据生存周期和数据应用流通纳入同一套评估框架。企业可以把 DCMM 当作数据治理工作的上位框架,但不能只用治理制度和组织架构去应对全部评估。

2. DCMM和DAMA-DMBOK有什么区别?

DAMA-DMBOK 更偏数据管理知识体系,帮助团队理解数据管理包含哪些知识领域和实践活动;DCMM 是中国的国家标准,重点在成熟度分级评估和贯标流程。两者可以互相参考:用 DAMA 建立知识地图,用 DCMM 判断能力等级和差距。企业不需要在两者之间二选一。

3. DCMM等级越高越好吗?

等级越高,通常意味着数据管理能力越系统、越可量化,但企业的目标等级要匹配业务需求、组织基础、预算和监管要求。盲目追求高等级,容易把资源投入到短期用不上的能力上。对多数企业来说,先把 2 级到 3 级的基础能力做实,再根据业务需要向 4 级、5 级推进,更稳妥。

4. 没有数据中台能做DCMM评估吗?

可以。DCMM 评估的是组织的数据管理能力,不要求企业必须先建数据中台。数据架构、数据标准、数据质量、数据资产和数据应用流通等能力域,确实需要一定的平台承载,但平台形式可以多样。企业可以用现有系统加治理流程起步,在评估过程中逐步补齐平台能力。

5. DCMM能直接解决数据质量问题吗?

不能。DCMM 提供评估框架和改进方向,数据质量问题仍要靠具体的标准、规则、工单、责任人和修复流程解决。评估能帮助企业发现质量管理的制度缺口和执行缺口,但不会替代日常治理工作。把评估结果转成建设任务,才能带来实际改善。

6. 中小企业适合做DCMM吗?

DCMM 标准适用于各类组织,中小企业也可以做。是否需要第三方评估,要看业务需求、投入能力和客户要求。规模较小的企业可以先做自评估,聚焦最影响业务的一两个数据域,把制度、责任人和执行记录建起来,再决定是否申请正式评估。

参考资料

  • 中国日报网,《标准发布,新版DCMM国标7月1日实施!》,2026年1月15日,https://tech.chinadaily.com.cn/a/202601/15/WS69685b52a310942cc499b55f.html
  • 中国软件评测中心,《DCMM十问十答》,2022年5月10日,https://cstc.org.cn/info/1081/234587.htm
  • 新工业网,《新版DCMM 2.0国标发布,7月1日实施》,2026年1月14日,https://xingongye.cn/cms/Intelligent_manufacturing/1670.html
  • 阿里云开发者社区,《DCMM 2.0 评估体系架构与技术路径:486项量化指标落地实践深度解析》,2026年7月23日,https://developer.aliyun.com/article/1750636

推荐文章

准备好构建你的 Agent 团队了吗

立即体验 Agentic Engine, 让 AI 成为真正的团队成员

ThinkingAI Big Logo
电话咨询