实用资料：如何介绍你的公司？数据管理演进4阶段

企业想要改进其整体的数据质量，第一步就是理解数据管理成熟度模型。该模型可以帮助你掌握数据管理的实现是怎样一个循序渐进的过程。

有远见的企业都认识到了一个关键的理念：浪费在无效数据管理上的成本要远远高于有效数据管理所需的成本。简而言之，企业依赖于数据。抛开行业、收入规模，竞争环境等因素，每个企业都要靠数据来生成有助于企业做出有效决策的信息。

想要获得成功，需要业务团队与IT团队合作执行数据管理计划。业务团队负责建立管理数据的业务规则，并负责最终验证数据的质量。IT团队负责建立并管理整体环境―架构、技术设备、系统以及从企业各个部门采集数据并存储数据的数据库。

企业数据管理成熟度模型是一种新框架，可以帮助企业确定并量化其数据成熟程度。通过企业数据管理成熟度评估，你可以了解低估数据管理工作可能带来的风险。成熟度模型还可以帮助企业了解数据管理演进到下一阶段后将带来的收益和所需的成本。

企业数据管理成熟度模型是一个包含了四个阶段数据管理成熟度的统一体。从其中某个阶段演进到下一阶段需要一定的时间。通常，企业的不同部门也可能会处于成熟度模型的不同阶段。如果所需成本高于收益，企业最终可能不会选择演进到更高的成熟度阶段。

实际上，随着企业向更高阶段演进，可能获得的潜在收益也越来越高，而模型中的每个阶段都是需要相关投入的。可以从四个方面来定义每个阶段的发展：

1. 人：需要哪些人参与其中，他们需要做出何种贡献？
2. 流程： 必须进行何种活动？
3. 技术： 必须投资何种技术？
4. 风险与回报： 企业在当前阶段面临何种风险？数据管理演进到下一个阶段，企业会获得何种收益？

第1阶段：尚无数据管理意识

企业数据管理成熟度模型的最初阶段通常很混乱。部门间或各职能间针对数据问题进行合作非常少见。处于阶段一的企业几乎没有制定有关数据管理的制度和策略。实际上，许多文件和数据库中都存有相同或相似的数据。处于本阶段的企业可能有一个储存客户信息的计费数据库，而相似的数据同时还保存在销售自动化系统和营销数据库中。

结果，企业内部各部门间的数据质量参差不齐。财务数据库可能保存了高质量的数据，而营销数据库中却充斥了错误的地址数据或是重复的记录。

尚无数据管理意识的企业无法有序组织数据管理活动。有一个典型的方法适用于处在该阶段的企业：让数据所有者或IT部门员工在必要的时刻更正错误数据。除了把数据保存在独立的数据库中，没有人会理解为什么会存在问题，或者这些问题将来会有何种影响。

若要改进，企业需要认识数据完整性或可用性的问题。通常，能认识到数据管理方面的缺陷可能会引发组织层面的深层问题，并能够确认这些问题的源头就足够了。认识问题，加上解决数据管理缺陷的决心，就可以帮助企业开始了解数据管理的问题、风险和回报。

在这个阶段，企业在人员、流程、技术、风险与回报四个方面的表现如下：

人：成功依赖于为数很少的几位高级人才；数据库的运行依赖可以运用不同方法调整并更正数据的员工；管理层不致力于解决也不认可数据完整性问题；数据质量出问题，企业常常认为是 IT部门的错。

流程：没有成文的数据管理流程制度，数据管理混乱，以项目为中心；通过人工驱动的流程，在问题发生时才着手解决问题；几乎没有长期解决问题的决心；企业内部广泛存在重复数据，导致职能单位间资源浪费严重。

技术：工具主要包括一些常用软件（微软的 EXCEL和ACCESS），未使用功能强大的数据管理软件 ；没用图表展示数据，也没用使用分析或审计等方法来确定数据的特征；仅在个别部门或数据源头进行数据清理或标准化；采用了一些技术来辅助人工的质量改进措施。

风险与回报：风险非常高，因为数据问题会导致客户流失（因为错误理解客户价值）或不合理的业务流程；虽然没有制定相关的流程来分析孰是孰非，但还是有一些人成为替罪羊，从而受到指责；回报低，除了个别员工或部门获得成功之外，企业几乎没有从数据管理中获得任何收益。

第2阶段： 被动做出反应

到达第二阶段后，企业就会理解所发生的数据管理问题，并意识到数据对企业的成功至关重要。但是，只有当发生重大问题或项目偏差时才会着手改进数据质量。处于该阶段的企业最多也就是在问题发生时做出反应，以期将危害降低到最小程度。

在第二阶段，数据问题的解决方案并不是集成的，而是无关联的点状解决方案。此时，向第三阶段前进的动力通常是管理层的战略构想，即搞好数据管理工作可以带来实际的业绩。为了向下一阶段迈进，企业必须将流程与技术整合，以便从数据资源中获得更多成果。

企业还必须制定成文的数据管理制度，并将其作为应用开发的核心竞争力来执行。在新系统和数据仓库上线后，员工必须了解企业的数据管理流程和相关协议。为确保相关制度能够到位，需要进行一些必要的兼容性测试。最后，企业必须就数据管理流程的所有权达成共识，将职责分配到相关部门。

在这个阶段，企业在人员、流程、技术、风险与回报四个方面的表现如下：

人：成功依赖于一些专业技术员工（数据库管理员、IT员工等）；员工个体创建适用的流程，但整个团队或部门缺少统一的标准化流程 ；缺少长期的解决方案； 公司管理层几乎不认可数据的价值。

流程：开始有较强势的数据管理职能，但重点仍放在在发生问题时改进数据质量；大多数流程都是短期应急的，重点针对近期所发现的某些问题；在单个团队和部门内部，任务、角色被标准化。

技术：通常会使用一些战术性数据管理工具（例如数据图表展示或数据质量解决方案）；大多数数据没有整合，但有一些个体员工或部门尝试整合数据；出现了一些数据库管理战术，例如应激反应式的性能监控 ；试图整合那些因质量问题需要放弃或重做的数据（例如数据仓库）。

风险与回报：风险高，因为缺少数据整合，并且整个公司范围内数据的整体准确性不佳；虽然偶尔会进行数据分析和更正，但涉及跨职能时仍然会发生一些数据错误；回报有限，且大多数都不确切；多数投资回报都是通过个体流程或员工个体取得的；公司层面上，很少或几乎没有意识到数据管理的好处。

第3阶段： 主动防范风险

达到第三阶段的企业可以防范风险，降低不确定性。在这个阶段，数据管理在组织内部开始发挥关键作用，数据不会再被低估，而被视作可以有效帮助企业做出更优决策的资产。随着处于此阶段的企业逐渐成熟，一致、准确、可靠的数据将为其带来更多可见的实际价值。

在第三阶段，企业将放远眼光，认识到数据问题对与企业使命相关的关键信息具有什么影响。同时，企业还拥有相应的支持高级别数据检视和更正的必要技术。企业管理层开始批准数据管理项目。已经有些企业具备了达到此成熟度所需的必要条件。

演进到第四也就是最后一个阶段，与之前的人员、流程，或技术演进一样，是一种文化的演进。文化的变革促进员工行为方式的转变，因为新的、更优的流程和技术为员工提供了更加方便、适用的数据改进框架。

在这个阶段，企业在人员、流程、技术、风险与回报四个方面的表现如下：

人：管理层理解并深刻认识到数据管理在公司制度、举措中的重要性；数据管理举措得到了必要的人员与资源支持，为得到高质量数据创造了条件 ；企业所有或大多数部门都参与到数据管理流程中 ；企业高管决策层开始将数据视为战略资产。

流程：企业数据更为标准化，一致性也得到加强，更容易度量；制定了一系列的措施确保数据的高质量；经常将企业的数据度量指标与业界标准进行比较，从而了解哪些地方需要改进；数据管理目标从问题更正模式转变为问题防范模式。

技术：数据管理技术提供商成为企业的战略合作伙伴，并且在实施数据管理技术的同时协助企业定义最佳实践；成立公司数据管理团队，维护公司数据元素的数据定义、同义词、业务规则、业务价值；持续的审计与数据监测帮助企业时刻保持数据的完整性。

风险与回报：风险中等到较低；通过提供更优信息提高了决策的可靠性，从而降低了风险；回报中等到高；数据质量的改进通常只局限于某个职能领域，然后随着更多员工加入其中，质量改进会拓展到更宽泛的领域。

第4阶段：能够预知问题

在第四阶段，企业对能取得的成果已经基本确定。数据质量是所有业务流程的组成部分，是整个企业的基础，而流程是完全自动化的。

为了保证数据在可接受的范围内，必须实时执行数据管理流程，同时保证数据得到持续验证。既然已经对过往出现的数据质量问题有充分了解，防范数据缺陷成为处于第四阶段的企业需要重点关注的方面。最后，处于本阶段的企业还有一个重要特征，就是数据管理工具已经成为一种业务流程，而非一种技术工具。

在成熟度模型的最后阶段，整个企业内部都发生了重大的文化转变。而且，企业不会再忽视数据管理的重要性，而是制定更全面的、涉及企业范围内的计划，提升管理关键业务数据流程的级别。凭借企业高级管理层的支持以及所有业务职能部门的认可，该计划将会得到顺利执行，从而保证信息更为一致、准确、可靠，为整个公司提供支持。

在这个阶段，企业在人员、流程、技术、风险与回报四个方面的表现如下：

人：管理层全面支持数据管理的流程和标准；数据质量改进项目由公司高级管理层发起，并得到公司CEO的直接支持；数据管理团队在全公司范围内运作，并得到数据质量管理员、应用开发人员、数据库管理员的支持；公司上下奉行数据采集和管理的“零缺陷”政策。

流程：拥有帮助企业达到数据完整性最高级别的流程；拥有一套完善的流程，通过定期的数据质量监控，确保数据在任何时刻都保持高度的一致性、准确性和可靠性；只有严密思考新举措对现有数据管理架构的影响后，才会执行这些新举措。

技术：整个公司范围内的数据管理工具都被标准化；公司所有部门都使用数据管理团队提供并维护的标准元数据和规则定义；数据质量审计结果不断被检视，任何偏差都会迅速被解决；数据模型准确反映所有企业数据元素的业务含义和技术细节。

风险与回报：风险低；数据完全统一，并被严格控制，帮助企业维护有关客户、前景、库存、产品的高质量信息；回报高；坚定不移地在全公司范围内执行数据管理，有助于更好地理解企业当前的业务概况，帮助管理层提高在根据数据做决策时的信心。

如果企业想改进其整体的数据质量，要做的第一步就是理解企业数据管理成熟度模型。该模型可以帮助你了解所在企业当前的发展阶段，并发现向下一阶段演进所需采取的措施（如果有的话）。从而，你可以学习到使数据价值最大化的技巧，并开始将数据视为提升业务竞争力的重要战略资产。

企业数据管理成熟度模型的最初阶段通常很混乱。部门间或各职能间针对数据问题进行合作非常少见。

处于第4阶段的企业还有一个特征，就是数据管理工具已经成为一种业务流程，而非一种技术工具。