數據管理能力成熟度評價模型（GB/T36073-2018, DCMM）作為我國首個數據管理領域國家標準，將組織內部數據能力劃分為數據戰略、數據治理、數據架構、數據標準、數據質量、數據安全、數據應用、數據生存周期8大能力域及28個能力項。

數據質量  

數據質量是指在指定條件下使用時，數據的特性滿足明確的和隱含的要求的程度。該能力域下有4個能力項：數據質量需求、數據質量檢查、數據質量分析、數據質量提升。

一、數據質量需求

數據質量需求明確數據質量目標，根據業務需求及數據要求制定用來衡量數據質量的規則，包括衡量數據質量的技術指標、業務指標以及相應的校驗規則與方法。

數據質量需求是度量和管理數據質量的依據，需要依據組織的數據管理目標、業務管理的需求和行業的監管需求并參考相關標準來統一制定、管理。

1.1 過程描述

a) 定義數據質量管理目標，依據組織管理的需求，參考外部監管的要求，明確組織數據質量管理目標；

b) 定義數據質量評價維度，依據組織數據質量管理的目標，制定組織數據質量評估維度，指導數據質量評價工作的開展；

c) 明確數據質量管理范圍，依據組織業務發展的需求以及常見數據問題的分析，明確組織數據質量管理的范圍，梳理各類數據的優先級以及質量需求；

d) 設計數據質量規則，依據組織的數據質量管理需求及目標，識別數據質量特性，定義各類數據的質量評價指標、校驗規則與方法，并根據業務發展需求及數據質量檢查分析結果對數據質量規則進行持續維護與更新。

1.2 過程目標

a) 形成明確的數據質量管理目標；

b) 明確各類數據質量管理需求；

c) 建立持續更新的數據質量規則庫。 

1.3 能力等級標準

第1級：初始級

在項目中分析了數據質量的管理需求，并進行了相關的管理。

第2級：受管理級

1) 制定數據質量需求相關模板，明確相關管理規范；

2) 在組織或業務部門識別了關鍵數據的質量需求；

3) 設計滿足本業務部門需求的數據質量評價指標，并建立了數據質量規則庫。

第3級：穩健級

1) 明確組織層面的數據質量目標，統一數據質量需求相關模板、管理機制；

2) 建立數據認責機制，明確各類數據管理人員以及相關職責，制定各類數據的優先級和質量管理需求；

3) 數據質量目標的制定考慮了外部監管、合規方面的要求；

4) 設計組織統一的數據質量評價體系以及相應的規則庫；

5) 明確新建項目中數據質量需求的管理制度，統一管理權限。

第4級：量化管理級

1) 數據質量需求能滿足業務管理的需要，融入數據生存周期管理的各個階段；

2) 數據質量評價指標體系的制定參考了國家、行業相關標準；

3) 量化衡量數據質量規則庫運行的有效性，持續改善優化數據質量規則庫。

第5級：優化級

在業界分享最佳實踐，成為行業標桿。

二、數據質量檢查

數據質量檢查根據數據質量規則中的有關技術指標和業務指標、校驗規則與方法對組織的數據質量情況進行實時監控，從而發現數據質量問題，并向數據管理人員進行反饋。

2.1 過程描述

a) 制定數據質量檢查計劃，根據組織數據質量管理目標的需要，制定統一的數據質量檢查計劃；

b) 數據質量情況剖析，首先根據計劃對系統中的數據進行剖析，查看數據的值域分布、填充率、規范性等，切實掌握數據質量實際情況；

c) 數據質量校驗，依據預先配置的規則、算法，對系統中的數據進行校驗；

d) 數據質量問題管理，包括問題記錄、問題查詢、問題分發和問題跟蹤。

2.2 過程目標

a) 制定數據質量檢查計劃；

b) 全面監控組織數據質量情況；

c) 建立數據質量問題管理機制。

2.3 能力等級標準

第1級：初始級

基于出現的數據問題，開展數據質量檢查工作。

第2級：受管理級

1) 定義了數據質量檢查方面的管理制度和流程，明確數據質量檢查的主要內容和方式；

2) 業務部門根據需要進行數據質量剖析和校驗；

3) 在各新建項目的設計和實施過程中參考了數據質量規則的要求。

第3級：穩健級

1) 明確組織級統一的數據質量檢查制度、流程和工具，定義了相關人員的職責；

2) 根據組織內外部的需要，制定了組織級的數據質量檢查計劃；

3) 在組織層面統一開展數據質量的校驗，幫助數據管理人員及時發現各自的數據質量問題；

4) 在組織層面建立數據質量問題發現、告警機制，明確數據質量責任人員；

5) 建立了數據質量相關考核制度，明確了數據質量責任人員考核的范圍和目標；

6) 明確新建項目各個階段數據質量的檢查點、檢查模板，強化新建項目數據質量檢查的管理。

第4級：量化管理級

1) 定義并應用量化指標，對數據質量檢查和問題處理過程進行有效分析，可及時對相關制度和流程進行優化；

2) 數據質量管理納入業務人員日常管理工作中，可主動發現并解決相關問題。

第5級：優化級

在業界分享最佳實踐，成為行業標桿。

三、數據質量分析

數據質量分析是對數據質量檢查過程中發現的數據質量問題及相關信息進行分析，找出影響數據質量的原因，并定義數據質量問題的優先級，作為數據質量提升的參考依據。

3.1 過程描述

a) 數據質量分析方法和要求，整理組織數據質量分析的常用方法，明確數據質量分析的要求；

b) 數據質量問題分析，深入分析數據質量問題產生的根本原因，為數據質量提升提供參考；

c) 數據質量問題影響分析，根據數據質量問題的描述以及數據價值鏈的分析，評估數據質量對于組織業務開展、應用系統運行等方面的影響，形成數據質量問題影響分析報告；

d) 數據質量分析報告，包括對數據質量檢查、分析等過程累積的各種信息進行匯總、梳理、統計和分析；

e) 建立數據質量知識庫，收集各類數據質量案例、經驗和知識，形成組織的數據質量知識庫。

3.2 過程目標

a) 建立數據質量問題評估分析方法；

b) 定期分析組織數據質量情況；

c) 建立持續更新的數據質量知識庫。

3.3 能力等級標準

第1級：初始級

基于出現的數據質量問題進行分析和評估。

第2級：受管理級

1) 在某些業務部門建立數據質量問題評估分析方法，制定數據質量報告模板；

2) 對數據質量問題進行分析，明確數據質量問題原因和影響；

3) 在某些業務部門建立數據質量報告。

第3級：穩健級

1) 制定組織層面的數據質量問題評估分析方法，制定統一的數據質量報告模板，明確了數據質量問題分析的要求；

2) 制定數據質量問題分析計劃，定期進行數據質量問題分析；

3) 對關鍵數據質量問題的根本原因、影響范圍進行分析；

4) 組織定期編制數據質量報告，并發送至利益相關者進行審閱；

5) 建立數據質量分析案例庫，提升組織人員對于數據質量的關注度；

6) 對產生的信息進行知識總結，建立數據質量知識庫。

第4級：量化管理級

1) 建立數據質量問題的經濟效益評估模型，分析數據質量問題的經濟影響；

2) 通過數據質量分析報告及時發現潛在的數據質量風險，預防數據質量問題的發生；

3) 持續改善優化數據質量知識庫。

第5級：優化級

1) 通過數據質量分析提升員工數據質量的意識，建立良好的數據質量文化；

2) 在業界分享最佳實踐，成為行業標桿。

四、數據質量提升

數據質量提升是對數據質量分析的結果，制定、實施數據質量改進方案，包括錯誤數據更正、業務流程優化、應用系統問題修復等，并制定數據質量問題預防方案，確保數據質量改進的成果得到有效保持。

4.1 過程描述

a) 制定數據質量改進方案，根據數據質量分析的結果，制定數據質量提升方案；

b) 數據質量校正，采用數據標準化、數據清洗、數據轉換和數據整合等手段和技術，對不符合質量要求的數據進行處理，并糾正數據質量問題；

c) 數據質量跟蹤，記錄數據質量事件的評估、初步診斷和后續行動等信息，驗證數據質量提升的有效性；

d) 數據質量提升，對業務流程進行優化，對系統問題進行修正，對制度和標準進行完善，防止將來同類問題的發生；

e) 數據質量文化，通過數據質量相關培訓、宣貫等活動，持續提升組織數據質量意識，建立良好的數據質量文化。

4.2 過程目標

a) 建立數據質量持續改進策略；

b) 制定數據質量改進方案；

c) 建立良好的數據質量文化。

4.3 能力等級標準

第1級：初始級

對業務部門或應用系統中出現的數據問題進行數據質量校正。

第2級：受管理級

1) 制定數據質量問題提升的管理制度，指導數據質量提升工作；

2) 明確數據質量提升的利益相關者及其職責；

3) 批量進行數據質量問題更正，建立數據質量跟蹤記錄；

4) 根據數據質量問題的分析，制定并實施數據質量問題預防方案。

第3級：穩健級

1) 建立組織層面的數據質量提升管理制度，明確數據質量提升方案的構成；

2) 結合利益相關者的訴求制定數據質量提升工作計劃，并監督執行；

3) 定期開展數據質量提升工作，對重點問題進行匯總分析，制定數據質量提升方案，從業務流程優化、系統改進、制度和標準完善等層面進行提升；

4) 明確數據質量問題責任人，及時處理出現的問題，并提出相關建議；

5) 持續開展培訓和宣貫，建立組織數據質量文化氛圍。

第4級：量化管理級

1) 組織中的管理人員、技術人員、業務人員能協同推動數據質量提升工作；

2) 能通過量化分析的方式對數據質量提升過程進行評估，并對管理過程和方法進行優化。

第5級：優化級

1) 開展數據質量提升工作，避免相關問題的發生，形成良性循環；

2) 業界分享最佳實踐，成為行業標桿。