如何全面调研和了解企业的数据管理现状？-数字化转型网www.szhzxw.cn

数字化转型网数据专题将关注数据治理、数据质量管理、数据架构、主数据管理、数据仓库、元数据管理、数据备份、数据挖掘、数据分析、数据安全、大数据、数据合规、等数据相关全产业链相关环节。

摸家底需要全面调研和了解企业的数据管理现状，以便做出客观切实的数据管理评估！

1、数据资源普查

数据资源普查的方法常用的有两种，一种是自顶向下的梳理和调研，另一种是自底向上的梳理和调研。

自顶向下的调研一般会用到IRP（信息资源规划）和BPM（业务流程管理）两个方法。这里重点介绍一下IRP，信息资源规划（Information Resource Planning ,简称IRP），是指对所在单位信息的采集、处理、传输和使用的全面规划。其核心是运用先进的信息工程和数据管理理论及方法，通过总体数据规划，奠定资源管理的基础，促进实现集成化的应用开发，构建信息资源网。数字化转型网www.szhzxw.cn

IRP是信息工程方法论、总体数据规划和信息资源管理标准的结合体，其实现方法可概括为：IRP = 两个阶段 + 两条主线 + 三个模型 + 一套标准，如下图所示：

采用IRP方法进行数据梳理需要对职能域、业务域进行定义，并对每个职能域和业务域中的业务流程进行梳理，同时需要收集各类业务单据、用户视图，并对每个单据和用户视图进行梳理和数据元素分析。

该方法优点让企业能够对现有数据资源有个全面、系统的认识。特别是通过对职能域之间交叉信息的梳理，使我们更加清晰地了解到企业信息的来龙去脉，有助于我们把握各类信息的源头，有效地消除“信息孤岛”和数据冗余、控制数据的唯一性和准确性，确保获取信息的有效性。缺点是需要消耗较大的成本和周期。这种方法适用于包含咨询的主数据项目建设。数字化转型网www.szhzxw.cn

由底向上的主数据梳理和调研，一般先确定主数据主题域或数据范围。在范围确定的前提下，从企业信息系统入手，对已建系统、在建系统、待建系统的数据视图进行梳理、分析，识别出主数据在信息系统的分布情况，理清数据来源去向，标准情况、质量情况。另外，还需要对系统未管理的数据（即，我们常说的线下数据）进行整理分析。

在这个过程中，需要在既定的数据范围内，摸透企业主数据的管理情况、数据标准情况、数据质量情况、数据共享情况……。该方法的优点在于针对性强，快速实施、快速见效，缺点是梳理的数据不够全面和系统。一般是有了明确的项目目标和范围的情况下采用该方法最佳。

企业的数据名目繁多，千变万化，我们不可能一次性完成对所有数据资源的梳理和分析。所以，不论使用哪种方法进行需求梳理，企业都要选择好业务重点，优先实施，不能胡子眉毛一把抓。

明确范围、明确范围、明确范围，重要的事情说三遍。数字化转型网www.szhzxw.cn

2、主数据识别

主数据的识别一般分为四个步骤：

第一步，确定主数据识别指标。

第二步，基于主数据识别识别，构建评分体系，确定指标权重。

第三步，根据业务调研和数据普查结果，确定主数据参评范围。

第四步，依据评分标准，识别出企业主数据。数字化转型网www.szhzxw.cn

2.1. 主数据识别指标，主要从主数据的特征考量：

参见之前谈数据公众号分享的：《主数据的3大特征、4项超越和主数据管理的3个二八原则》

业务价值。主数据具备充足的业务价值。主数据描述企业最核心的数据，是企业最有价值的数据资产。

数据共享性。主数据一般是不同业务部门之间、不同业务系统之间高度共享的数据，如果数据只在一个系统使用，并且未来也不会共享给其他系统，一般不作为主数据管理。

实体独立性。主数据是不可拆分的数据实体，如产品、客户，是所有业务行为和交易的基础。

识别唯一性。在组织范围内同一主数据要求具有唯一的识别标志，如物料、客户都必须有唯一的编码。

相对稳定性。与交易数据相比主数据是相对稳定的，变化频率较低。变化频率较低并不意味着一成不变，例如：客商更名会引起客商主数据的变动、人员调动会引起人员主数据的变动等等。

长期有效性。主数据一般具有较长的生命周期，需要长期保存。数字化转型网www.szhzxw.cn

2.2. 建立评分体系，确定指标权重。

2.3. 数据资源普查和参评数据准备。主要是根据前期的业务调研情况和数据普查情况，确定参评数据范围，并准备出参评数据。数字化转型网www.szhzxw.cn

2.4. 以及打分模板进行打分，识别出企业主数据。该过程需要充分的VER和VAL。

3、数据管理能力评估

对于数据管理能力的评估，目前已经有了比较成熟的评价模型，典型的有：

IBM数据治理成熟度评估模型。推荐阅读：IBM的《数据治理统一流程》一书。

SEI的数据能力成熟度模型（DMM）。数字化转型网www.szhzxw.cn

EDM的数据能力成熟度模型（DCAM）。

DataFlux 数据治理成熟度模型。

Oracle MDM 主数据管理成熟度模型。

MD3M 主数据管理能力成熟度模型。数字化转型网www.szhzxw.cn

国内，全国信息技术标准化技术委员于2014年会启动了《数据能力成熟度评价模型》的制定工作。数据能力成熟度评价模型（Data Capability Maturity Model 简称DCMM）是国内关于数据能力成熟度模型的一项国家标准，在制定的过程中充分吸取了国内先进行业的发展经验（以金融业为主），结合了国际上DAMA（国际数据管理协会）《数据管理知识体系指南DMBOK》中的内容。