为什么数据汇聚了、报表上线了，评估时数据标准、数据质量、元数据管理仍然大量失分？
问题往往不在技术，而在于企业把数据中台当成了 IT 项目来建，却没有按照 DCMM 的数据管理体系来建。如果说数据中台是发动机，DCMM 就是驾驶手册——光有马力没有方向，最多在原地打转。
DCMM 八域速览：中台能做什么
DCMM（GB/T 36073-2018）[1]定义了八个能力域和五级成熟度。八个域中，一半是战略和组织层面的，一半是执行和技术层面的。数据中台能直接承载的是后者。
| 能力域 | 类别 | 中台承载度 | 中台能做什么 |
|---|---|---|---|
| 数据战略 | 战略 | 低 | 提供数据支撑决策，战略制定靠组织 |
| 数据治理 | 组织 | 中 | 提供元数据/标准/质量工具，制度靠人 |
| 数据架构 | 设计 | 高 | 数据模型、数据分布、数据流转的核心载体 |
| 数据标准 | 执行 | 高 | 标准落标、字典管理，中台直接执行 |
| 数据质量 | 执行 | 高 | 质量规则、问题追溯、质量报告自动化 |
| 数据安全 | 执行 | 中 | 分类分级、脱敏、权限管控的技术手段 |
| 数据应用 | 价值 | 高 | 报表、API、资产门户、AI智能用数 |
| 数据生存周期 | 管理 | 中 | 归档、销毁策略，配合制度和流程 |
截至 2024 年 7 月，全国累计 3298 家次完成 DCMM 贯标评估[2]。2026 年 7 月 1 日起，新版 GB/T 36073-2025（DCMM 2.0）将正式实施[3]，对企业的数据管理能力提出了更高要求。
为什么很多企业建了中台，DCMM 还是上不去
某制造企业的现状很典型：ERP、MES、CRM、OA 全部接入了数据中台，数据汇聚看似完成了。但 DCMM 评估时一查——
客户名称在三个系统里三种写法，产品编码各厂区不统一，同一个指标在不同报表里口径不一致。更致命的是：数据的质量问题无法追溯到源头——不知道是哪个系统录入的、什么时候出的问题、谁该负责。
根因就一条：中台建设完成 ≠ 数据管理能力形成。
DCMM 评估考察的不是"你有没有平台"，而是"你有没有能力"。八个能力域里，数据标准、数据质量、元数据管理、数据架构这四个域，直接把这家企业的分数拉到了二级以下。平台跑通了，能力没跟上。
注：本文聚焦数据管理能力评估（DCMM）。制造业企业在智能制造能力评估方面，应关注 CMMM（GB/T 39116-2020《智能制造能力成熟度模型》、GB/T 39117-2020《智能制造能力成熟度评估方法》），覆盖人员、技术、资源、制造四大能力要素。DCMM 与 CMMM 评估维度不同，不可相互替代。
补上这四个域需要什么？元数据管理——把全量数据的来龙去脉搞清楚；标准管理——统一编码规范和命名规则；质量闭环——从发现问题到修复问题形成机制；血缘体系——从源头到应用全链路可追溯。补齐之后，DCMM 三级才有底。
理采存管用 × DCMM：一张对照表
龙石数据在实践中提出的"理采存管用"方法论，可以和 DCMM 的能力域做系统对照[4]：
| 方法论 | 对应 DCMM 能力域 | 中台动作 | 对应龙石数据模块 |
|---|---|---|---|
| 理 | 数据战略 → 数据架构 | 梳理业务流程、盘点数据资源 | 数据源接入 元数据接入 |
| 采 | 数据架构 → 数据生存周期 | 打通数据、汇聚数据 | 数据集成（数据源接入、数据归集）； 数据填报 |
| 存 | 数据架构 → 数据标准 | 模型规划，规范数仓 | 数据底座（底层存储与计算）； 数据规划（数据模型管理）； |
| 管 | 数据治理/标准/质量/安全 | 全域管理，提升质量 | 数据治理（元数据、主数据、标准登记/制定）； 数据质量管理； 数据安全管理。 |
| 用 | 数据应用 | 便捷应用，促进数据价值释放 | 数据应用（数据查询、数据可视化）； 数据开发（数据标签、数据指标）； 数据共享（API共享、数据共享）； 数据资产（目录发布与应用）。 |
补充说明： 龙石数据中台严格遵循“理采存管用”方法论进行模块化设计。各模块既可独立部署，也能协同工作，共同支撑数据全生命周期的治理与应用。
这个对照表的价值在于：当评估师问"数据标准怎么落地的""数据质量怎么管的"——如果中台是按理采存管用建的，答案是现成的。
四个关键能力域的中台落地
数据标准：从文档到执行。 DCMM 要求不只要"制定标准"，更要"执行标准"。中台的路径是：在元数据管理模块中定义标准（字段名、类型、值域），数据接入时自动校验合规性，不合规的退回源系统。龙石在多个项目中通过标准自动落标，将字段合规率从 60% 提升到 95% 以上。
数据质量：从事后救火到持续监控。 DCMM 数据质量域涵盖质量需求、检查、分析和提升四个过程域[5]。中台的做法是质量规则配在入库和使用两个环节——数据进来时检查，业务人员申请数据时能看到质量评分。江西某国控集团通过建立质量闭环管理机制，半年内将核心数据质量问题的修复周期从两周缩短到两天。
数据架构：从有模型到模型在运转。 DCMM 要求管理数据模型、分布、流转和集成。中台通过元数据建立数据地图，通过血缘分析建立数据流转图。当业务部门想关联分析两个数据域，一分钟内就能看到它们的血缘关系——不用再找人问"这数据从哪来的"。
数据应用：从能出报表到业务自助。 DCMM 的最高要求是"数据驱动决策"[6]。中台支撑这一步的关键是降低用数门槛——资产门户让业务人员用业务语言找数据，AI 智能用数让不会写 SQL 的人也能分析。某市监局通过中台将多个业务条线的数据归集后，统一对外提供数据服务接口，业务部门从"找 IT 排期"变成了"在线申请、自动审批"。
DCMM 五级成熟度：你的中台在哪个位置
| 成熟度 | 中台表现 | 典型特征 |
|---|---|---|
| 1级 初始级 | 数据分散，手工出报表 | 中台还没建或刚立项 |
| 2级 受管理级 | 数据接进来了，有基础治理 | 元数据采集了、质量标准定了，但使用率不高 |
| 3级 稳健级 | 治理形成闭环，业务开始用了 | 质量持续监控、标准自动落标、业务自助用数 |
| 4级 量化管理级 | 可量化评估 | 使用率、质量趋势、业务贡献度有指标可查 |
| 5级 优化级 | 持续优化、自动演进 | 治理规则自优化、AI 辅助决策 |
大部分上了中台的企业在 2 级——数据集中了、基本治理做了，但下一步怎么走不清楚。从 2 级到 3 级的关键，是把数据标准和数据质量的执行从"人工"变成"自动"。这个转变通常需要 12-24 个月——因为这不只是技术升级，更是组织习惯的改变。
常见问题
Q：DCMM 必须先建数据中台吗？ 不一定。DCMM 评估的是能力，不是平台。但没有中台的企业在数据架构、数据标准、数据质量这几个域很难拿到高分——因为这些能力需要平台承载和执行[7]。
Q：理采存管用和 DCMM 是什么关系？ 不冲突。DCMM 是国家标准，告诉你"管什么"；理采存管用是落地方法论，告诉你"怎么管"。一个是检查清单，一个是施工图纸。
Q：企业多久能提升一个 DCMM 等级？ 从初始到受管理，快的 6-12 个月（上中台+基础治理）。从受管理到稳健，通常需要 12-24 个月——需要把标准和质量从人工变成自动。之后每级 12-18 个月，关键是持续投入，不是突击冲刺。
写在最后
很多企业认为建了数据中台，就等于做好了数据管理。[8]
但 DCMM 告诉我们：平台只是工具，能力才是目标。DCMM 回答的是"企业应该具备什么能力"，数据中台回答的是"这些能力如何落地"。两者缺一不可。
DCMM 2.0 即将实施的窗口期，每一个正在建设或已经建成数据中台的企业，都值得用 DCMM 的框架重新审视自己的建设思路——你建的到底是平台，还是能力？企业未来竞争的核心，不是拥有多少数据，而是能否把数据变成持续创造价值的资产。
参考来源
[1] GB/T 36073-2018，数据管理能力成熟度评估模型，全国信息技术标准化技术委员会(TC28)，2018年3月发布，2018年10月实施 — openstd.samr.gov.cn
[2] 中国电子信息行业联合会，DCMM贯标评估年度报告，2024
[3] GB/T 36073-2025（DCMM 2.0），2026年7月1日起实施 — 全国标准信息公共服务平台
[4] DAMA International, "What is Data Management?" — dama.org
[5] 中国信息通信研究院，《数据要素白皮书（2023年）》，2023年9月 — caict.ac.cn
[6] 艾瑞咨询，《2024年中国企业数据治理白皮书》，2024 — iresearch.cn
[7] DAMA International, "DAMA-DMBOK2R," 2nd ed., revised. Technics Publications, 2024 — dama.org
