電網企業數據管理能力成熟度評價模型研究

馬文 張新陽 趙曉平

摘 ?要： 本文結合電網企業實際，借鑒國內外主流數據管理能力成熟度評價模型，提出了一套包括數據戰略、數據治理等9個過程域、5個成熟度等級的電網企業數據管理能力成熟度評價模型，旨在為電網企業數據管理勾勒發展藍圖、指明實施路徑、提供工作開展抓手和切入點，并就該模型應用思路進行了研究和探討。

關鍵詞： 數據管理;能力成熟度;評價模型;電網企業

中圖分類號： TP311.12 ? ?文獻標識碼： A ? ?DOI：10.3969/j.issn.1003-6970.2019.04.023

本文著錄格式：馬文，張新陽，趙曉平. 電網企業數據管理能力成熟度評價模型研究[J]. 軟件，2019，40（4）：108-111

【Abstract】： Based on the actual situation of power grid enterprises and referring to the mainstream data management capability maturity evaluation models at home and abroad， this paper proposes a data management capability maturity evaluation model for power grid enterprises， which includes 9 capability domains and 5 maturity levels， such as data strategy， data governance， etc. The purpose is to outline the development blueprint for data management of power grid enterprises， point out the implementation path， provide the grasp and cut-in for work. The application of this model is also discussed.

【Key words】： Data management; Capability maturity; Assessment model; Power grid enterprise

0 ?引言

隨著數字化時代的到來，數據作為重要的戰略性核心資源[1]，在支撐企業經營管理、服務于經濟社會發展等方面發揮著越來越重要的作用。電網企業業務鏈條長，客戶覆蓋面廣，在日常經營管理過程中積累了海量數據，這些數據覆蓋范圍廣、類型多樣、數據量大、潛在價值高，同時開展數據應用也成為電網企業對內提升精益化管理水平，對外應對電力體制改革等發展挑戰的重要抓手。因此，近年來電網企業逐步加大了對數據管理的投入水平，但相關工作成效并不顯著，數據質量水平依然不高、數據應用廣度和深度仍待提升，數據價值未能充分彰顯。從何處入手，如何管好、用好數據，充分釋放數據價值，促進精益化管理和創新發展，當前已成為電網企業面臨的重要課題。

為此，本文結合電網企業數據管理實際，充分借鑒當前國內外主流數據管理能力成熟度評估模型研究成果，研究設計出了一套電網企業數據管理能力成熟度評價模型，旨在為電網企業勾勒出一幅清晰的數據管理能力藍圖，同時希望通過該模型的實施，幫助電網企業準確評估自身數據管理能力水平、存在的主要問題，以及明確數據管理能力提升的路徑。

1 ?數據管理能力成熟度研究現狀[2-6]

能力成熟度模型（Capability Maturity Model，CMM）最早是由卡內基·梅隆大學軟件工程研究所（SEI）于上世紀80年代提出的，旨在改善軟件開發過程，提高軟件開發質量，也可用于其它過程，包括能力關鍵過程域（Key Process Area，KPA）、特定目標（Specific Goals）、特定實踐（Specific Practices）、共用目標（Generic Goals）、共用實踐（Generic Practices）、共用特征（Common Features）、能力級別等。近年來，隨著數據管理重要性日益提升，國內外研究機構和組織基于CMM研究開發了多個數據管理能力成熟度評價模型，現就被廣泛接受和應用的幾個模型進行概要介紹。

1.1 ?SEI的數據管理成熟度（DMM）

軟件工程研究所（SEI）基于CMMI（Capability Maturity Model Integration）相關實踐成果，結合眾多知名廠商在數據管理領域的經驗，于2014年8月正式推出數據管理成熟度（Data Management Maturity，DMM），包括數據管理戰略、數據治理、數據質量、數據操作、數據平臺與架構、支撐流程等6個過程域、25個過程子域、5個成熟度等級，用于評估和提升組織的數據管理水平。

DMM充分借鑒了CMMI的工作成果，可以按需進行裁剪，適用于各類組織，模型可操作性較強，前期采用該模型的微軟、房利美、美聯儲統計局、安大略教師退休基金和房地美等組織均受益匪淺。

1.2 ?EDM Council的數據管理成熟度模型（DCAM）

企業數據管理協會（EDM Council）基于眾多數據管理實踐案例，于2015年2月發布了主要面向金融行業的數據管理成熟度模型（Data Management Capability Model，DCAM），該模型包括數據管理策略、數據管理業務案例、數據管理程序、數據治理、數據架構、技術架構、數據質量、數據操作等8個過程域、36個過程子域、5個成熟度等級，清晰的描述的數據管理成熟度評價方法及標準。

DCAM主要面向金融行業應用，切合金融行業業務需求，并在評價的過程中會給出業界平均水平的參考值，幫助企業清楚了解自身數據管理水平在整個行業中所處位置。

1.3 ?信標委數據管理能力成熟度評估模型（DCMM）[7]

全國信息技術標準化委員會于2018年3月正式發布數據管理能力成熟度評估模型（Data Management Capability Maturity Assessment Model，DCMM），該模型在研發過程中充分借鑒多所著名高校相關研究成果，并參考了國內金融、互聯網等行業實踐經驗，是國內正式發布的第一個數據管理成熟度評價模型，包括數據戰略、數據治理、數據架構、數據應用、數據安全、數據質量、數據標準、數據生存周期等8個過程域、29個過程子域、5個成熟度等級。

DCMM充分考慮了國內數據管理發展實際，相對與國外數據管理成熟度模型，將數據標準、數據安全、數據應用等納入過程域，并從過程描述、過程目標及能力等級標準等方面逐一對各過程子域進行描述，可操作性和適用性較強。

2 ?電網企業數據管理能力成熟度評價模型研究[7-8]

本文以構建適用于電網企業的數據管理能力成熟度評價模型為目標，在充分調研電網企業數據管理現狀的基礎上，充分借鑒前述業界主流數據管理能力成熟度評價模型，設計了包括數據戰略、數據治理、數據架構、數據標準、數據質量、數據安全、數據應用、數據生存周期、數據平臺等9個過程域、32個過程子域、5個成熟度等級的電網企業數據管理能力成熟度評價模型。

2.1 ?評價模型過程域

（1）數據戰略

數據戰略是指企業開展數據工作的愿景、目的、目標和原則，數據戰略過程域包括數據戰略規劃、數據戰略實施和數據戰略評估等三個過程子域。

電網企業根據自身數據需求，定義數據管理愿景、目的、目標和原則，并據此構建數據職能框架，評估企業數據管理和數據應用的現狀及其與愿景、目標之間的差距，進而制定階段性數據任務目標、確定實施步驟。在數據戰略實施過程中，電網企業應跟進相關任務實施進度，評估實施質量，必要時對戰略進行調整。

（2）數據治理

數據治理是對數據進行處置、格式化和規范化的過程，數據治理過程域包括數據治理組織、數據制度建設、數據治理溝通和數據認責機制等四個過程子域。

電網企業需要設立數據組織架構及崗位，明確職責分工，制定數據管理制度及其管理體系，指導和規范數據管理工作開展，并輔以高效的溝通和認責機制，夯實數據管理基礎，協同保障數據管理工作有序、高效開展。

（3）數據架構

數據架構是通過企業級數據模型定義數據需求，指導對數據資產的分布控制和整合，部署數據的共享和應用環境，以及元數據管理的一套整體規范，包括數據模型、元數據管理、數據分布、數據集成與共享等四個能力子域。

電網企業應通過設計企業級數據模型承載企業數據需求，并通過應用級數據模型明確數據在信息系統中的分布及權威數據源，同時，構建包括創建、存儲、整合與控制等在內的元數據管理機制，包括制度、標準、技術等在內的跨系統、跨專業的集成共享機制，共同承載數據架構相關職能。

（4）數據標準[9]

數據標準時數據的命名、定義、結構和取值規范方面的規則和基準，數據標準能力域包括業務術語、參考數據、主數據、指標數據等四個能力子域。

電網企業應從建立和規范管理兩個方面建立包括業務術語、參考數據、主數據和指標數據在內的數據標準體系，在企業范圍內實現對業務和數據的一致理解、參考數據和主數據的統一和權威、指標數據的標準和統一。數據架構和數據標準共同指導和規范企業信息化建設。

（5）數據質量[10]

數據質量是在特定環境下，數據特性對于描述和使用需求的滿足程度，數據質量能力域包括數據質量需求、數據質量檢查、數據質量分析和數據質量提升等四個能力子域。

電網企業應基于數據模型、數據標準、元數據、業務邏輯等梳理數據質量具體需求，通過開展數據質量監測和核查驗證數據對質量需求的滿足情況，并對發現的問題進行分析和解決，形成常態的、閉環的數據質量管理工作機制，促進數據質量持續提升，夯實數據應用基礎。

（6）數據安全

數據安全是指數據的機密性，完整性和可用性，數據安全能力域包括數據安全標準、數據安全管理和數據安全審計等三個能力子域。

電網企業應結合企業管理需求、監管需求以及相關的標準等信息統一制定數據安全標準與策略，承載企業數據安全需求，開展數據訪問的授權、分類分級的控制等數據管理工作，并從過程、規范、法規、供應商等方面對數據安全進行審計，確保企業的安全需求、監管需求得到滿足，及時發現數據安全隱患、問題，提出數據安全管理相關建議，促進數據安全管理水平優化提升。

（7）數據應用

數據應用是指以數據價值實現為目標，對數據進行加工處理并形成成果的過程，數據應用能力域包括數據分析、數據開放共享、數據服務等三個能力子域。

電網企業需要構建包括常規統計報表、多維分析、動態預警、趨勢分析等在內的數據分析體系，并在確保數據安全的情況下，積極開展數據的“引進來、走出去”活動，促進數據跨企業、跨行業融合應用，支撐企業精益化管理和分析決策。同時，電網企業應探索基于已有數據及市場需求，研發數據產品，創新企業經營模式，實現數據增值。

（8）數據生存周期

數據生存周期是將原始數據轉化為可用于行動的知識的一組過程[11]，數據生存周期能力域包括數據需求、數據設計和開發、數據運維、數據退役等四個能力子域。

數據生存周期涵蓋了數據從需求到退役和銷毀的全過程，各環節均對數據質量有重要影響，因此，電網企業應樹立數據生存周期管理理念，在數據生存周期各環節均應規范管理，共同促進數據質量提升和應用。

（9）數據平臺[12]

數據平臺是指企業內涉及數據集成、數據存儲、數據管理、數據應用等服務的綜合性平臺，數據平臺能力域包括平臺規范、平臺架構和平臺管理等三個能力子域。

數據平臺是電網企業數據能夠得到有效管理和應用的基礎，在數據平臺管理過程中需要建立統一的規范體系，指導數據平臺的構建、管理和應用，通過數據平臺促進相關標準、架構和制度的落地實施，促進數據融合共享。

2.2 ?評價模型成熟度評估等級

電網企業數據管理能力成熟度分為五個等級，分別為初始級、受管理級、穩健級、量化管理級和優化級[3，7]，每個層次的基本特征為。

初始級：電網企業沒有意識到數據的重要性，沒有統一的數據管理流程，數據孤島現象普遍存在，數據質量問題常導致低下的客戶服務質量，繁重的人工維護工作等。

受管理級：電網企業已經意識到數據是資產，根據管理策略的要求制定了管理流程，指定了相關人員進行初步的管理，并且識別了數據管理、應用相關的干系人等。

穩健級：電網企業已將數據看做實現目標的重要資產，在企業層面制定了一系列標準化數據管理流程，數據需求能夠得到快速滿足，有詳細的數據需求響應處理規范、流程。

量化管理級：電網企業認為數據是獲取競爭優勢的重要資源，并認識到數據在業務流程優化、工作效率提升等方面的作用，數據管理相關流程被全面優化，數據管理工作被量化考核，并應用相關工具對考核進行支撐。

優化級：數據被認為是企業生存和發展的基礎，相關管理流程能夠實時優化，能夠在行業內進行最佳實踐的分享。

3 ?電網企業數據管理能力成熟度評價模型應用思路

電網企業數據管理能力成熟度評價模型既是一套成熟度評價模型，也為電網企業數據管理勾勒出一幅藍圖，并明確了該藍圖實現的路徑。電網企業可以以數據管理能力成熟度評估為切入點，通過開展評估工作，準確識別從數據戰略到數據平臺的數據管理各能力域發展現狀、存在的主要問題，并以此為契機，參照模型各能力域不同成熟度等級指明的數據管理能力發展路徑，有針對性的開展數據管理能力提升工作。

數據管理能力成熟度評價工作不是一次性工作，需要定期或不定期按需開展。電網企業針對數據管理能力成熟度評價發現的問題進行整改及數據管理能力提升后，需要再次開展評估，旨在評估之前發現問題的整改情況、兩次評估之間企業數據管理能力提升情況以及依然存在的問題，為后續進一步開展數據管理能力提升指明方向。

4 ?結束語

本文研究、設計了電網企業數據管理能力成熟度評價模型，旨在為電網企業數據管理勾勒發展藍圖、指明實施路徑，并為電網企業解決當前數據管理工作存在的問題提供抓手和切入點，為數據管理工作有序、高效開展，推進數據管理能力持續提升指明方向。后續，電網企業應密切關注國內外數據管理能力成熟度發展及實踐的最新情況，并結合電網企業數據管理能力成熟度評價模型的實踐情況，總結、提煉該模型需要完善的方向，持續開展模型優化完善關注，確保其持續適用。

參考文獻

國務院. 促進大數據發展行動綱要. 國發（2015）50號， 2015.

葉蘭. 研究數據管理能力成熟度模型評析[J]. 圖書情報知識， 2015（2）： 115-123.

百度百科. CMM（能力成熟度模型）[OL]. （2019-02-25） [2019.3.8]. https：//baike.baidu.com/item/CMM/220223？fr=aladdin.

陳琰， 朱虹， 鮑威. 電網企業數據管理成熟度評價體系的應用研究[J]. 電子世界， 2018（02）： 26-30.

楊華飛. 基于DCMM模型的數據資產管理架構研究[C]. 2017年“電子技術應用”智能電網會議論文集. 北京： 國網電投（北京）科技中心， 2017： 26-30.

黨洪莉， 譚海兵. 基于DMM的數據管理成熟度模型及在服務評估中的應用[J]. 現代情報， 2017， 37（09）： 118-121.

GB/T 36073-2018 數據管理能力成熟度評估模型[S]. 北京： 中國標準出版社， 2018

DAMA International. The DAMA Guide to the Data Management Body of Knowledge[M]. 北京： 清華大學出版社， 2012： 12.

Ching-Heng Lin， Nai-Yuan Wu， Der-Ming Liou. A multi-te- chnique approach to bridge electronic case report from design and data standard adoption[J]. Journal of Biomedical Informatics， 2015， 53（2）： 49-57.

Danette McGilvray. Executing Data Quality Projects： Ten Steps to Quality Data and Trusted Information[M]. 北京： 電子工業出版社， 2010： 59-60.

GB/T 35295-2017 信息技術 大數據 術語[S]. 北京： 中國標準出版社， 2017

馬凱航， 高永明， 吳止鍰， 等. 大數據時代數據管理技術研究綜述[J].軟件， 2015， 36（10）： 46-49.