2.1 國內外數據管理模型發展歷程

2.1.1 數據管理技術發展歷程

數據管理活動是伴隨著數據的產生而產生的?？梢哉f，數據管理經歷了一個漫長的過程。從技術角度來說，數據管理技術的發展大體可歸為3個階段。

人工管理階段（20世紀50年代中期以前），計算機主要用于科學計算，外部存儲器只有磁帶、卡片、紙帶等，還沒有磁盤等直接存取/存儲設備，軟件只有匯編語言，尚無數據管理方面的軟件，數據處理方式基本是批處理。

文件系統階段（50年代后期至60年代中期），計算機不僅用于科學計算，還用于信息管理。

數據庫管理系統階段（60年代后期以來），數據管理技術進入數據庫系統階段，數據庫系統克服了文件系統的缺陷，提供了對數據更高級、更有效的管理。

2.1.2 數據管理研究早期探索

雖然數據管理活動出現很早，但數據管理概念直到20世紀80年代才出現，是伴隨數據隨機存儲技術和數據庫技術的使用、計算機系統中的數據可以方便地存儲和訪問而提出的?！皵祿芾怼边@一術語被用來描述數據庫管理人員和技術人員所做的工作。1988年，麻省理工學院兩位教授啟動全面數據質量管理計劃（TDQM），可以將這一時期看作數據管理研究萌芽期。同年，DAMA國際成立，致力于企業信息和數據管理的研究、實踐及相關知識體系的整理，在數據管理方面有極為深厚的知識沉淀和豐富的經驗。隨著數據倉庫的應用落地和展開，在2000年左右，數據治理的相關理念也逐漸形成。2002年，美國學者沃森（H.Watson）探討了數據倉庫治理在Blue Cross和Blue Shield of North Carolina兩家公司[已合并為北卡羅來納州藍十字與藍盾公司（Blue Cross and Blue Shield of North Carolina, BCBSNC）]的最佳實踐，被認為拉開了數據治理在企業管理中的大幕。

2.1.3 數據管理模型研究與廣泛應用

隨著時代的發展，數據管理已經從技術人員的工作逐漸成為組織管理者、業務管理人員、技術管理人員都參與其中的活動。數據管理逐步從組織的整體層面來進行，橫跨組織的銷售、市場、業務等管理領域。隨著數據管理內涵不斷拓展，有關數據管理模型也不斷涌現并廣泛應用。

數據管理模型研究及應用領域，以美國高德納（Gartner）公司、企業數據管理協會（EDM Council）、DAMA國際、美國卡內基·梅隆大學軟件工程研究所（SEI）、國際數據治理研究所（The Data Governance Institute, DGI）、IBM公司等組織為代表，提出了自成體系的數據管理框架或數據管理相關理論模型。據不完全統計，截至2020年，已知的全球數據管理模型約有20個。常見的數據管理模型有DGI的數據治理框架（Data Governance Framework, DGF, 2004）、Gartner公司的數據治理模型（The EIM Maturity Model，2008）、DAMA國際的數據管理知識體系（Data Management Body of Knowledge, DMBOK, 2009，2017）、IBM公司的數據治理成熟度模型（Data Governance Maturity, DGM, 2010）、EDM Council的數據管理能力評估模型（Data Management Capability Assessment Model, DCAM, 2014）、SEI的數據管理成熟度模型（Data Management Maturity Model, DMM, 2014）等。

2004年，DGI首次發布數據治理框架，在框架模型中初步提出了RPP（人員/流程/規則）框架。但該框架沒有對數據治理的具體工作內容給予細化或明確說明。

2008年，Gartner公司的數據治理模型描述了數據管理的構成要素及要素之間的層級關系，包含主數據管理基礎設施、數據安全與活動監控、數據庫架構、數據集成與主數據管理等13個組成部分，數據治理和信息管理僅是該模型的組成部分。Gartner公司同時提出了數據治理與信息管理的要素模型，來描述支撐數據治理方案的基本要素，該模型包含規范、計劃、建設和運營4個部分，定義了企業在數據治理的4個階段應重點關注的內容，適用于實施數據治理計劃的任何組織。

2006年，DAMA國際發布數據管理框架。2009年，DAMA國際撰寫的《DAMA數據管理知識體系指南》（DAMA-DMBOK）出版。2017年，DAMA國際撰寫的《DAMA數據管理知識體系指南（第2版）》（DAMA-DMB OK2）出版。該體系是業界數據管理實踐的結晶，成為從事數據管理工作的經典參考資料和指南。

2010年，IBM公司發布《數據治理統一流程》。在該書中，IBM公司提出了數據治理成熟度模型（DGM），在充分借鑒能力成熟度模型（Capability Maturity Model, CMM）的基礎上，針對數據管理的不同領域進行詳細的定義，每個領域都按照CMM的模式進行階段劃分。根據IBM公司的定義，數據治理域被劃分為數據風險管理和合規、數據價值創建等11個子域，模型為11個子域定義了5個階段，并且定義了一系列指標，采用問卷調研方式評估組織目前的數據管理狀況，方便組織對自身的數據進行全面管理。

2014年，EDM Council主導，組織金融行業的企業參與編制和驗證，基于眾多實際案例的經驗總結編寫了DCAM。DCAM首先定義了數據能力成熟度評估涉及的能力范圍和評估準則，然后從戰略、組織、技術和操作的最佳實踐等方面描述了如何成功地進行數據管理，最后結合數據的業務價值和數據操作的實際情況定義了數據管理的原則。EDM Council先后發布了兩個版本的DCAM，較新的DCAM 2.0于2017年發布，其主要強調團隊協作（流程）、標準執行和資金支持，分為數據管理戰略與業務案例、數據管理流程與資金、數據架構、技術架構、數據質量管理、數據治理、數據操作七大職能域。

2014年，SEI基于能力成熟度模型集成（CMMI）的方法和經驗，結合眾多知名廠商在數據管理領域的經驗，推出DMM，將能力成熟度概念引入數據管理領域。DMM由5個支持過程域和20個數據管理過程域構成，并通過5個基礎設施及支持流程的綜合運用，形成完整的數據管理成熟度模型。DMM是一個能實現業務部門利益與IT相互匹配的強大加速器，可為組織提供一套最佳實踐標準，制定讓數據管理戰略與單個商業目標相一致的路線圖。

2018年，我國正式發布《數據管理能力成熟度評估模型》（DCMM）國家標準。與此同時，相關行業管理部門也針對本行業數據管理特點不斷出臺有關制度，規范行業數據管理工作。2018年5月，中國銀行保險監督管理委員會（簡稱“銀保監會”）發布《銀行業金融機構數據治理指引》，提出銀行業金融機構應當將數據治理納入公司治理范疇，建立自上而下、協調一致的數據治理體系，法定代表人或主要負責人對監管數據質量承擔最終責任。數據治理應當覆蓋數據的全生命周期，覆蓋業務經營、風險管理和內部控制流程中的全部數據，覆蓋內部數據和外部數據，覆蓋監管數據，覆蓋所有分支機構和附屬機構，這也標志著數據治理在我國銀行業金融機構全面實踐時代的到來。2018年11月，中國證券業協會發布《證券公司數據治理操作指引（征求意見稿）》，明確了對于證券公司的數據治理架構、數據管理機制、數據質量管控等方面的要求，提出將數據安全管控納入數據治理體系的要求。該征求意見稿中提出證券公司要“積極推進行業數據生態建設”，加強大數據標準管理、安全管理和服務管理。2019年6月，工業和信息化部印發《電信和互聯網行業提升網絡數據安全保護能力專項行動方案》，針對電信和互聯網行業，堅持維護數據安全與促進數據開發利用并重，堅持數據分類分級保護，加快推動構建行業網絡數據安全綜合保障體系。2020年2月，工業和信息化部辦公廳印發《工業數據分類分級指南（試行）》，目的之一就是更好地推動DCMM貫標落實，指導組織提升工業數據管理能力，促進工業數據的使用、流動與共享，釋放數據的潛在價值，賦能制造業高質量發展。