在信息化时代，大数据已经成为推动经济转型发展的新动力，大数据持续激发商业模式创新，不断催生新业态，成为社会发展的重要驱动力。但由于大数据是相对较新的行业，相关的数据管理理论还不完善。如何完善，如何规范？CMMI研究院DMM开发团队成员Kyle Morton，在2018上海静安国际大数据论坛上，做了关于“数据管理成熟度模型”的主题演讲。

什么是“数据管理成熟度模型”？它的用途是什么？数据管理成熟度模型，最先是作为基础实践的参考模型，它是数据专家在大数据领域打造的一个工具。把实践的数据理论集成在模型框架中，能够为企业提供帮助，指导企业更好地管理数据。

Kyle Morton表示,大数据是数字化转型中的核心，包括人工智能、物联网、公益服务、云计算、智慧城市、智能电网这些元素，它们是数字化转型的关键，都依赖于大数据，所以大数据的数据必须是精准且适用于这些目的的。

数据管理成熟度模型可以帮助机构和企业建立、改进、量化大数据管理能力和技术。这能让企业在数字化变革时代中，在市场上与其他企业竞争中取得成功。

据悉，DMM项目的组成主要有四个部分，即模型、培训、评估、基准拼接。DMM数据管理成熟度模型，则包括数据管理方面，即数据管理的策略、数据质量、数据操作、数据治理和平台及架构，可以有效地帮助企业建立维护数据管理的功能。

Kyle Morton指出，大数据环境下，如何将数据作为资本来加以运用是大部分企业面临的困惑，其主要原因是没有合适的数据策略，没有将数据和企业的业务联系起来，或根本不清楚如何使用数据。而“数据管理成熟度模型”则可以用不同的方式来改善这个问题，作为一个参考模型，它可以在业务梳理中起到发挥连接、协调的功能，将企业各部门连接，实现人和人之间的连接。