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。