MOC-DCMM-DAMA Map

用 DCMM 和 DAMA 组织数据治理、数据管理成熟度和落地证据的知识地图。

Backlinks

Scope

这张地图用于把数据治理知识从“概念学习”推进到“能力评估、制度建设、平台落地和项目证据”。

Core Concepts

Governance Operating Model

flowchart LR
  A["Strategy"] --> B["Governance Organization"]
  B --> C["Policy / Standard"]
  C --> D["Metadata / Quality / Security"]
  D --> E["Data Asset / Data Product"]
  E --> F["Business Value"]
  F --> A

DCMM Lens

  • 数据战略：战略规划、实施、评估。
  • 数据治理：组织、制度、沟通。
  • 数据架构：模型、分布、集成共享、元数据。
  • 数据标准：业务术语、参考数据、主数据、数据元、指标。
  • 数据质量：需求、检查、分析、提升。
  • 数据安全：策略、管理、审计。
  • 数据生存周期：需求、设计开发、运维、退役。
  • 数据应用流通：分析、服务、开放共享和价值实现。

DAMA Lens

  • Data Governance
  • Data Architecture
  • Data Modeling and Design
  • Metadata Management
  • Data Quality
  • Reference and Master Data
  • Data Warehousing and BI
  • Data Security

Phase 2 Capability Cards

类型笔记DCMM / DAMA 视角
治理机制卡Data Governance Operating Model数据治理组织、制度、流程、平台和度量
元数据能力卡Data Lineage元数据管理、影响分析、质量追踪和审计
安全控制卡Data Security数据分类分级、权限、脱敏和审计
指标治理卡Metrics Governance数据标准、指标口径、变更和质量规则
工程可靠性卡Data Observability数据质量监控、异常发现和问题闭环

Practices

  • 将每个治理主题沉淀为“制度 + 流程 + 平台能力 + 项目证据”。
  • 为核心数据域定义业务术语、指标口径、数据标准和质量规则。
  • 将元数据、血缘、质量、权限和审计纳入上线门禁。
  • 用成熟度等级记录从不可控到可度量、可优化的演进路径。

Questions

  • DCMM 和 DAMA 的关系是什么？
  • 数据标准、元数据、数据质量之间如何协同？
  • 如何设计指标口径治理流程？
  • 如何把治理结果转化为 CDO/CDAO 可理解的价值指标？

Outputs

  • 数据治理能力雷达
  • DCMM 差距分析表
  • DAMA 知识域学习路线
  • 数据标准和质量规则模板
  • 治理运行机制和责任矩阵
  • Data Architecture Review Playbook