1.1. 数据管理成熟度评估需要计划

1.2. 确保实际可行的结果，应在计划内留出时间准备材料和评估结果，评估应在规定的短时间内进行

1.3. 目的是揭露当前的优势和改进的机会，而不是解决问题

1.4. 评估是通过向业务、数据管理和信息技术参与者征求意见来进行的，目的是在证据的支持下就当前的状态能力达成共识

1.4.1. 证据可能来自对组件的检查（如是否存在数据库备份）、访谈（证实某人正在执行评估系统以供重用）或两者兼而有之

1.5. 评估可以扩展以满足组织需要，但修改时须小心谨慎

1.5.1. 如果剪裁或修改模型，模型可能会失去原始的严谨性或可追溯性

1.5.2. 自定义模型时，应保持模型的完整性不变

2.1. 包括收集和评估输入、沟通结果、建议和行动计划

2.2. 定义目标

2.2.1. 任何组织当其决定进行数据管理成熟度评估时，其实已经是在努力改进

2.2.2. 驱动因素必须以目标的形式进行阐明，描述评估的影响范围和重点

2.2.3. 理人员和业务部门必须清楚地了解评估的目标，以确保其与组织的战略方向保持一致

2.3. 选择框架

2.3.1. 现有框架侧重于数据管理的不同方面

2.4. 定义组织范围

2.4.1. 大多数DMM框架的设计都适用于整个企业范围，但在整个企业范围实施可能是不切实际的

2.4.2. 对于第一次评估，最好定义一个可控的范围，如单个业务领域或项目

2.4.3. 所选领域是该组织的一个有意义的子集模块，参与者应是可以影响关键业务流程的人，这些关键的业务流程会对数据资产产生影响

2.4.4. 在局部评估和全企业评估之间的一种折中方法

2.4.5. 局部评估(Localized assessments)

2.4.5.1. 可以更深入地了解细节，也可以更快地完成，因为其范围有限

2.4.5.2. 许多数据资产是共享的，故计划良好的局部评估通常可以聚合和加权以形成企业评估

2.4.6. 企业评估(Enterprise assessments)

2.4.6.1. 侧重于组织中广泛存在的、有时是不连贯的部分

2.4.6.2. 可以由多个局部评估组成，也可以是一个独立的任务

2.4.6.3. 输入、角色、工具和消费者通常是跨企业、多层次的

2.5. 定义交互方法

2.5.1. 在实施DMMA时，组织应遵循所选模型的建议

2.5.2. 包括研讨会、访谈、调查和组件评审

2.5.3. 在所有情况下，都需要通过让参与者对评估标准进行评分来确定响应行动

2.5.4. 评估还包括对产品工件和其他证据的实际检查和评估

2.5.5. 如果在完成评估过程中出现延误，利益相关方可能会失去对数据管理计划的热情及促成积极变革的动力

2.5.6. 建议避免太过详细和全面的分析，强调根据评估领导的专业知识做出正确的判断

2.6. 计划沟通

2.6.1. 沟通有助于评估项目的整体成功以及由此产生相应行动的推进，应该在参与者和其他利益相关方之间直接进行沟通

2.6.2. 数据管理成熟度评估的目的

2.6.3. 评估应如何进行

2.6.4. 他们参与的是什么部分

2.6.5. 评估活动的时间表

2.6.6. 确保有明确的议程，包括解决待办事项问题的计划

2.6.7. 明确计划的方法是否可能在目标业务范围内成功，包括阻力与合作因素

2.6.8. 明确外部检查暴露发现问题可能引发的内部合规问题，以及可能存在的人力资源问题等

2.6.9. 沟通计划应包括对调查结果的汇报，以及在各层级上进行再次沟通的建议时间表，包括一般报告和执行简报

3.1. 收集信息

3.1.1. 下一步的工作是根据交互模型为评估活动收集适当的输入

3.1.2. 包括评估标准的正式评级，还可以包括访谈和焦点小组的成果、系统分析和设计文档、数据调查、电子邮件字符串、程序手册、标准、策略、文件存储库、批准工作流、各种工作产品、元数据存储库、数据和集成参考架构、模板和表

3.2. 执行评估

3.2.1. 总体评级任务和解释通常是多阶段的

3.2.2. 参与者可能会对同一个评估主题产生不同的评级意见，需要通过讨论达成一致意见

3.2.3. 目标是对当前状态达成共识，这种共识应该得到证据的支持（行为和组件的实际证据）

3.2.3.1. 如果利益相关方对当前的状态没有共识，那么将很难就如何提升组织达成共识

3.2.4. 过程

3.2.4.1. 审查评级方法，并为每个工作产品或活动给定初步评级

3.2.4.2. 记录支持证据

3.2.4.3. 与参与者一起讨论，就每个领域的最终评分达成共识

3.2.4.3.1. 在合适的情况下，根据每个标准的重要性使用不同权重

3.2.4.4. 记录关于模型标准的声明和评审员的解释，作为评级的说明

3.2.4.5. 开发可视化工具，展示说明评估结果

4.1. 对结果的解释包括明确提升机会与组织战略保持一致，并建议利用这些机会实施行动

4.2. 报告评估结果

4.2.1. 评估报告是作为一种增强数据管理计划的输入

4.2.2. 评估的业务驱动因素

4.2.3. 评估的总体结果

4.2.4. 按主题分类有差距的评级

4.2.5. 弥补差距的建议方法

4.2.6. 所观察到的组织的优势

4.2.7. 进展的风险

4.2.8. 投资和成果选项

4.2.9. 衡量进展的治理和指标

4.2.10. 资源分析与未来潜在效用

4.2.11. 可在组织内使用或重复使用的组件

4.3. 制定管理层简报

4.3.1. 评估团队应准备管理层简报来总结调查结果（包括优势、差距和建议），管理层使用这些结果作为制定有关目标、计划和时间表的决策的输入

4.3.2. 管理层往往希望目标高于评估建议

4.3.2.1. 希望在成熟度模型中跳级

5.1. DMM评估结果应足够详细和全面，能支撑多年的数据管理改进计划，包括该组织建立数据管理能力所做的最佳实践举措

5.2. 对特定数据管理功能进行改进的系列活动

5.3. 实施改进活动的时间表

5.4. 一旦活动实施，DMMA评级的预期改善情况

5.5. 监督活动，包括在时间线上逐渐成熟的监督

5.6. 路线图将为优化工作流提供目标和节奏，并辅之以衡量进展的方法

6.1. 通过第一次评估建立基线评级

6.2. 定义重新评估参数，包括组织范围

6.3. 根据需要，在公布的时间表上重复DMM评估

6.4. 跟踪相对于初始基线的趋势

6.5. 根据重新评估结果制定建议

6.6. 重新评估也可以重振或重新集中精力

6.7. 可衡量的进展有助于保持整个组织的认同和热情

6.8. 监管框架的变动、内外部政策、可治理方法和战略创新的变化是定期重新评估的其他原因

7.1. 数据管理成熟度框架

7.1.1. 成熟度评估中使用的主要工具是DMM框架本身

7.2. 沟通计划

7.2.1. 沟通计划包括利益相关方的参与模式、要共享的信息类型和时间表等

7.3. 协作工具

7.3.1. 协作工具允许共享评估结果

7.4. 知识管理和元数据存储库

7.4.1. 可以在这些存储库中管理数据标准、策略、方法、议程、会议记录或决策，以及用作实践证明的业务和技术组件

7.4.2. 在一些能力成熟度模型中，缺少这样的存储库是组织成熟度较低的一个度量指标

7.4.3. 一些商务智能应用程序完全依赖元数据编译其视图和报告，而不是将其作为单独的存储库

8.1. 选择DMM框架

8.1.1. 易用性

8.1.1.1. 实践活动是以非技术性术语来描述的，它传达了活动的功能本质

8.1.2. 全面性

8.1.2.1. 该框架涉及广泛的数据管理活动，包括业务参与，而不仅仅是IT过程

8.1.3. 可扩展性和灵活性

8.1.3.1. 框架的结构能够支持增强行业特定或附加的规程，并且可以根据组织的需要全部或部分使用

8.1.4. 内置的未来演进路径

8.1.4.1. 虽然不同组织确定的优先级不同，但DMM框架描述了每个功能逻辑前进的方式

8.1.5. 行业不可知论与行业特定论

8.1.5.1. 某些组织受益于行业特定的方法，但其他组织受益于更通用的框架

8.1.5.2. 所有的DMM框架都应该遵循跨垂直领域的数据管理最佳实践

8.1.6. 抽象或详细程度

8.1.6.1. 实践和评估标准表达详细，可以确保它们指导相关执行工作

8.1.7. 非规定性

8.1.7.1. 框架描述了需要执行的内容，而不是必须如何执行

8.1.8. 按主题组织

8.1.8.1. 框架将数据管理活动放置在适当的情景中，使每个活动都能够单独评估，同时又可识别依赖关系

8.1.9. 可重复

8.1.9.1. 该框架可以得到一致的解释，支持可重复的结果，以便将一个组织与其行业中的其他组织进行比较，并跟踪一段时间内的进展情况

8.1.10. 由中立的独立组织支持

8.1.10.1. 为了避免利益冲突，该模型应由保持中立的供应商广泛提供，以确保最佳实践的广泛代表性

8.1.11. 技术中立

8.1.11.1. 模型的重点应该放在实践上，而不是放在工具上

8.1.12. 培训支持

8.1.12.1. 该模型有全面的培训支持，使专业人员能够掌握框架并优化其使用方法

9.1. 就绪评估/风险评估

9.1.1. 在进行成熟度评估之前，识别潜在风险及一些风险缓解策略是有帮助的

9.2. 组织和文化变革

9.2.1. 建立或增强数据管理程序包括对过程、方法和工具的改变

9.2.2. 随着这些变化，文化也必须改变

9.2.3. 组织和文化变革起始于承认事情可以变得更好，衡量功能的工作通常会带来有意义的变化

10.1. DMMA是整个数据治理活动集的一部分，每个活动都有一个生命周期

10.1.1. DMMA的生命周期包括初始规划和初始评估，然后是建议、行动计划和定期重新评估，而生命周期本身应该受到控制

10.2. DMMA过程监督

10.2.1. 对DMMA过程的监督工作属于数据治理团队

10.2.2. 流程应该有一个执行发起人（最好是首席数据官，CDO），以确保数据管理活动的改进直接映射到业务目标中

10.3. 度量指标

10.3.1. 度量指标除了作为改进策略的核心组成部分之外，也是关键的沟通工具

10.3.2. 初始DMMA指标是表示当前数据管理状态的评级，可以定期对这些进行重新评估，以显示改进趋势

10.3.3. DMMA评级

10.3.3.1. DMMA评级提供了组织能力级别的快照

10.3.4. 资源利用率

10.3.4.1. 这是一个强大的度量指标，帮助人员以计数的形式表示数据管理的成本

10.3.5. 风险敞口

10.3.5.1. 对风险情景做出反应的能力，反映了组织相对于其DMMA评级的能力

10.3.6. 支出管理

10.3.6.1. 表示如何在整个组织中分配数据管理成本，并确定此成本对可持续性和价值的影响

10.3.6.2. 数据管理可持续性

10.3.6.3. 实现主动性的目标和目的

10.3.6.4. 沟通的有效性

10.3.6.5. 教育和培训的有效性

10.3.6.6. 变更采用的速度

10.3.6.7. 数据管理价值

10.3.6.8. 对业务目标的贡献

10.3.6.9. 降低风险

10.3.6.10. 提高运营效率

10.3.7. DMMA的输入

10.3.7.1. 核心输入可以包括以下内容：计数、覆盖范围、可用性、系统数量、数据量、涉及的团队等

10.3.8. 变革速度

10.3.8.1. 指一个组织提高自身能力的速度

10.3.8.2. 通过DMMA建立基线，定期重新评估用于趋势改进