很多企业第一次接触 DCMM 时，关注点都放在“怎么评”“能评几级”“材料怎么准备”。但真正做过一次差距评估后，数据团队往往会遇到另一个更实际的问题：报告列出了很多短板，可这些短板怎么排成建设计划？
评估报告里可能写着：数据标准体系不完善，数据质量闭环不足，元数据覆盖不完整，资产目录尚未形成业务化使用，治理组织职责不清晰。这些判断都对，但如果不能转化为行动，评估就会停留在诊断层面。
DCMM 2.0（GB/T 36073-2025）给企业提供的是能力目标。它帮助企业看清数据战略、数据治理、数据架构、数据资产、数据标准、数据质量、数据安全、数据生存周期、数据应用流通等方面的成熟度。但从目标到落地，中间还需要一套工程路径。
“理采存管用”可以理解为这样的路径：先理清目标、组织和家底，再采集数据、建设模型、治理质量和标准，最后让数据被共享、被应用、被持续运营。DCMM 说明要达到什么水平，理采存管用则帮助企业回答从哪里开始、按什么顺序做、每一步交付什么。
二、先把 DCMM 评估结果翻译成三类差距
企业拿到评估结果后，不宜马上把每个问题都变成一个项目。较为稳妥的做法，是先把问题归成三类。
| 差距类型 | 常见表现 | 后续建设重点 |
|---|---|---|
| 组织差距 | 有制度无责任人，有委员会无运行机制 | 治理组织、数据管家、考核机制 |
| 管理差距 | 有标准文档，无标准执行记录 | 标准落标、质量规则、元数据责任 |
| 平台差距 | 有系统菜单，无流程闭环 | 资产目录、质量工单、血缘追溯、API 服务 |
组织差距决定事情有没有人负责。数据治理首先是组织治理，其次才是技术治理。如果企业没有数据责任人、数据管家、治理委员会或跨部门协调机制，平台再完整也容易变成少数技术人员维护的系统。
管理差距决定规则能不能执行。标准、制度、流程写出来并不难，难的是让它进入数据接入、建模、质量检查、资产发布和业务使用的日常过程。
平台差距决定执行能不能被记录。没有平台承载，很多治理动作只能靠会议纪要、Excel 和人工催办，难以形成可复验的能力。
三、用“理”把评估问题变成治理目标
“理”是很多企业最容易低估的一步。它不是写一份规划方案，而是把治理目标、组织职责和数据家底理清楚。
在 DCMM 贯标背景下，“理”阶段至少要产出四类内容：数据治理目标、核心数据资产清单、数据标准框架、责任矩阵。没有这些内容，后面的采集、建模和质量规则都容易失去边界。
福建某交投集团的资产入表实践可以作为参考。项目启动时，企业拥有充电系统、调度系统、安防系统等多类业务数据，上千张业务表分散在不同系统中。表面上看数据不少，但企业并不清楚哪些数据真正有价值、质量如何、是否具备入表条件。项目首先做的不是写应用，而是全量数据资产盘点，形成标准化的数据资产目录，再进入质量评价和合规审核。
这个顺序对 DCMM 贯标同样重要。企业只有先知道自己有什么数据、哪些数据重要、责任人是谁，才能进一步讨论标准、质量、共享和应用。
四、用“采”和“存”把分散数据变成可治理对象
“采”解决的是数据从哪里来、如何进入统一平台的问题。“存”解决的是数据进入平台后如何组织、如何建模、如何形成稳定的数据底座。
很多企业在评估中暴露的问题，并不是没有数据，而是数据散落在不同系统中。业务系统各自建设，接口方式不同，字段口径不同，更新频率不同。这样的数据即使能被导出，也很难被持续治理。
采集阶段要明确数据源、采集方式、采集频率和责任边界。常见数据源包括数据库、API、文件、消息等。对于设备或物联网相关数据，通常应先由物联网平台完成接入，数据中台再对接该平台获取结构化数据，不宜把数据治理平台定位为直接处理物联网协议的系统。
存储和建模阶段，则要把分散数据纳入统一的数据仓库分层和主题域模型中。常见做法是 ODS、DW、ADS 分层：ODS 保留贴源数据，DW 形成治理后的主题数据，ADS 面向应用和服务。
江西某国控集团在建设数据中台时，对接了协同办公、财务、投资、产权、人力、党建等 10 余套业务系统，并围绕办公、人力资源、财务管理、法律风控、股权管理等主题建立数据仓库。这一步的价值在于，把原本分散的监管数据变成可统一管理、可共享、可分析的数据对象。
五、用“管”把标准、质量、元数据做成闭环
“管”是 DCMM 能力建设中最能体现成熟度的环节。很多企业的数据治理项目之所以效果不稳定，原因不是没有规则，而是规则没有形成闭环。
标准管理要解决“同一个数据是否有同一个说法”。字段命名、数据元、代码集、指标口径，都应从文档进入平台，并与真实表字段和资产目录关联。
质量管理要解决“数据是否可信”。质量规则不能只是跑出报表，还要形成发现、定位、修复、复验的流程。较为稳妥的技术模式是旁路监测：数据正常入仓，质量模块并行扫描，发现问题后打标记、发告警、生成整改工单，不阻断业务链路。
元数据管理要解决“数据是否可理解、可追溯”。基础元数据可以自动采集，平台内链路可以自动记录血缘关系；对于平台外脚本、历史任务等未覆盖环节，则需要支持手动维护补全。
华东某大型化工企业在数据中台建设过程中，同步建立数据标准和质量管理机制，并成立数据管理部、设立数据管家岗位，将数据治理纳入绩效考核体系。项目完成后，库存周转率提升 28%，订单交付及时率提升至 91%，报表出具周期提前 4 天。这个案例说明，“管”不是后台配置项，而是组织机制和平台流程共同运行的结果。
六、用“用”证明治理能力真的产生价值
贯标不是终点。数据治理能力是否成熟，最终还要看业务是否能使用可信数据。
“用”阶段包括资产目录、数据服务、API 共享、报表分析、AI 用数等能力。企业应当让业务人员能够用业务语言找到数据，看到数据来源、质量状态和申请条件，并在授权范围内获取数据服务。
江西某国控集团建设数据资产目录和 API 共享服务后，监管数据可以更快支撑财务监管、风险预警和穿透式查询。项目完成后，业务人员工作量减少 60% 以上。这个结果并不是单个应用带来的，而是前面的标准、采集、建模、质量和资产目录共同支撑的。
部分产品如龙石数据中台，会将数据标准、元数据、质量规则、资产目录、API 服务和 AI 用数组织在同一套平台中。但工具只是载体，企业仍需要治理组织和运营机制，让“用”中发现的问题反向推动“管”和“理”的持续改进。
七、三阶段路线：从差距评估到长效运营
把 DCMM 评估结果转成建设计划时，不建议一次性铺开所有能力域。更可行的方式是三阶段推进。
| 阶段 | 参考周期 | 核心任务 | 产出 |
|---|---|---|---|
| 第一阶段：理清基线 | 4-6 周 | 资产盘点、标准梳理、质量基线 | 资产清单、标准清单、质量报告 |
| 第二阶段：跑通闭环 | 6-8 周 | 选 1-2 个核心数据域跑通采存管用 | 可复用流程、样板数据域 |
| 第三阶段：扩展运营 | 持续 | 横向扩业务域，纵向提高质量与应用 | 常态化运营机制 |
第一阶段不要追求“大而全”，重点是摸清家底、识别最有价值的数据域。第二阶段要打样，选择一个业务方愿意参与、数据基础相对清晰、价值容易看见的场景，跑通从标准到应用的闭环。第三阶段再扩展到更多业务域，同时把规则、工单、报告、资产目录和培训机制固化下来。
八、对应关系示意：DCMM 2.0 × 理采存管用 × 平台能力
| 理采存管用 | 侧重能力 | 平台支撑 |
|---|---|---|
| 理 | 数据战略、治理、资产盘点 | 资产目录初稿、组织和标准框架 |
| 采 | 数据架构、生存周期 | 数据集成、全量/增量同步 |
| 存 | 数据架构、数据标准 | 分层模型、主题库 |
| 管 | 标准、质量、安全、主数据 | 元数据、主数据、质量规则、分类分级 |
| 用 | 数据资产、应用流通 | 数据服务、API、BI、AI 用数 |
上表是工程落地视角下的对应关系示意，并非 DCMM 能力域与理采存管用阶段的严格一一对应。比如“理”侧重战略、组织、制度和家底盘点，不只是运营保障；“存”侧重数据模型和数仓分层，也不等同于资产管理。
真正有价值的，是把评估语言转换为建设语言。评估说“数据标准能力不足”，建设语言就应转成“核心数据元标准未发布、字段未落标、标准执行缺少记录”。评估说“数据质量闭环不足”，建设语言就应转成“质量规则未覆盖核心表、问题无工单、修复后无复验”。这样，评估才会真正推动能力提升。
九、FAQ
Q1：DCMM 贯标应该先补制度还是先建平台？
通常应先通过“理”阶段明确目标、家底和责任基线，再选择核心数据域跑平台闭环。制度和平台不宜割裂，制度要在平台流程中被执行，平台也要反映制度要求。
Q2：评估报告问题很多，先做哪一项？
建议优先选择业务价值高、数据基础相对清晰的数据域，从标准、质量、元数据、资产目录四件事跑通闭环。一个样板域跑通，比多个领域同时浅尝更容易形成共识。
Q3：理采存管用能替代 DCMM 吗？
不能。DCMM 是能力评估标准，理采存管用是工程实施路径。前者回答“应该达到什么水平”，后者回答“怎么把能力建起来”。
Q4：企业已有数据平台，还需要重新建设吗？
不一定。可先评估现有平台是否支撑标准执行、质量闭环、血缘追溯和资产服务。如果已有平台能补齐关键能力，不必推倒重来；如果核心流程无法闭环，再考虑模块补强或平台升级。
参考来源
1. 国家市场监督管理总局、国家标准化管理委员会，《数据管理能力成熟度评估模型》（GB/T 36073-2025）
2.DAMA International，《DAMA数据管理知识体系指南（DAMA-DMBOK，第2版）》
