DAMA 和 DCMM:数据治理的两套体系到底在说什么


一家零售公司的月度经营会上,运营部说上个月活跃用户 380 万,数据团队算出来是 310 万。两边都没算错——运营口径是”当月打开过 App 的去重设备”,数据团队口径是”当月有下单行为的注册会员”。争论到最后发现:公司根本没有一个地方定义过”活跃用户”。这不是技术故障,是治理缺位的日常。

每个做数据的人迟早会遇到这一幕:口径打架、一物多码、报表对不上、出了数据事故没人负责。遇到得多了,公司就会去找解法——然后立刻撞上一堆外来词:DAMA、DMBOK、CDGA、CDGP、DCMM。这些词经常被混为一谈,其实分属五个层面:一个协会、一本书、两类个人认证、一种企业评估。这篇从数据治理的来龙去脉讲起,把这几样东西各自是什么、彼此什么关系说清楚。

一、背景:数据的问题,从来不是技术问题

先说说数据治理这件事是怎么来的。

大部分公司的数据乱象,起点都很相似。业务系统一个一个上:ERP 一套客户编码,CRM 一套,电商中台又一套,于是”同一家供应商”在五个系统里有五个身份,对账时谁也说不清哪条是对的。报表各做各的:市场部的”销售额”含税,财务的不含税,运营的还把退款剔掉了——三个数字各有各的道理,放到一起就是三个事故。更深一层的问题是责任:数据出了错,没有人是天然的责任人。技术团队觉得”我们只负责把数跑准,口径是业务定的”,业务部门觉得”我们哪懂什么字段”——结果任何一个数据问题都找不到 owner。

这些事单看每一件都有临时解法:拉个会对齐口径、建个对照表、找人手工修数。但问题会反复出现、跨系统传染,临时解法的维护成本越堆越高。到这一步,公司就意识到了:数据需要一套显式的规则体系——什么算对、谁来负责、按什么流程改。这套东西,就是数据治理。

外部环境把这件事从”可做可不做”变成了”必须做”。2021 年《数据安全法》和《个人信息保护法》相继施行,数据合规从倡议变成了带罚则的法定义务;2022 年底”数据二十条”出台,把数据列为与土地、劳动力、资本并列的生产要素;2024 年起财政部规定施行,数据资源可以入表——数据从 IT 部门的运维对象,变成了要进财务报表的资产。资产就要有账可查:这批数据归谁管、质量如何度量、出了问题怎么追责。把数据当资产管理的那一刻,治理就成了前置条件。

而放眼望去,成体系的方法论就两套:国际上通行的是 DAMA 的知识体系(DMBOK),国内落地用的是国家标准 DCMM。一个讲”该管什么、为什么”,一个讲”怎么评、做到什么程度算数”。

二、先把词分清:这五样东西不是一回事

名称 全称 它到底是什么
DAMA Data Management Association(国际数据管理协会) 1980 年成立的行业协会,数据管理领域的”专业社群”
DAMA-DMBOK2 Data Management Body of Knowledge(数据管理知识体系指南第 2 版) 一本书(2017 年出版),数据治理领域的知识体系总纲,地位类似项目管理界的 PMBOK
CDGA / CDGP 数据治理工程师 / 数据治理专家 个人认证,DAMA 中国推出的中文考试认证,考 DMBOK 知识体系
CDMP Certified Data Management Professional 个人认证:DAMA 国际的英文认证,全球通行
DCMM 数据管理能力成熟度评估模型(GB/T 36073-2018) 国家标准 + 企业评估:不是书、不是个人考试,是组织申报、评估机构现场评估、按等级发证的”贯标”体系

最常见的混淆是后两个:DCMM 评的是企业,CDGA/CDGP 考的是个人——个人无法”考 DCMM”,企业也不会发 DMBOK 证书。分清这个,再看两套体系的内容。

三、DAMA 和 DMBOK:全世界数据管理者的共同语言

DAMA 协会本身不用多说,关键是它的核心产出:DMBOK(Data Management Body of Knowledge)。2009 年出第一版,2017 年的第二版(DMBOK2)是目前公认的权威版本——它干的事情,是把散落在数据库、BI、信息安全等各个领域几十年的数据管理实践,收拢成一套统一的词汇和框架。

DMBOK2 最出名的就是车轮图:数据治理居于圆心,十个职能域环绕四周,合称十一个知识领域。

DAMA-DMBOK2 车轮图:数据治理居中,十个职能域环绕(本文参考 DMBOK2 框架自绘)

图源:参考 DAMA-DMBOK2 车轮图框架自绘

十个域光念名字没什么感觉,按”这域在解决什么问题”过一遍才有用:

打地基的三个。数据架构回答”企业有哪些数据、放在哪、怎么流转”——它是数据版的建筑总图;数据建模与设计把架构落到具体的实体关系和数据结构上;数据存储与操作管数据库从建库、调优到备份恢复的日常。这三件事做不好,后面的治理都是空中楼阁——连数据在哪都说不清,谈何治理。

通管道的四个。数据集成与互操作解决系统之间的搬运与转换,ETL 就在这里;数据仓库与商务智能是分析侧,报表、指标、看板都属于它;文档与内容管理管非结构化数据——合同、报告、图片,它们占企业数据的大头却最容易被治理遗忘;参考数据与主数据专治”一物多码”:客户、供应商、物料这些跨系统共享的基础数据,必须有一份全公司公认的主版本。开头那个零售公司的供应商五套编码,缺的就是这个域。

守底线的三个。数据安全管谁能看什么、操作是否留痕;元数据管理管”数据的数据”——每张表每条口径谁维护、什么含义、血缘从哪来到哪去,它是治理解题时的地图;数据质量管理按完整性、唯一性、及时性、有效性、准确性、一致性六个维度持续度量——开头那个”活跃用户两个数”的口径之争,在这套语言里就是”指标定义不一致”的质量问题。

而治理之所以在圆心,是因为 DMBOK2 给它的定位不是又一个技术领域,而是”对数据管理活动的管理”:定规则、定角色、定流程、做监督。数据治理不负责清洗某张具体的表,它负责的是——这张表的口径谁说了算、清到什么程度算合格、出了问题找谁。

还有一条容易被忽略的线索:数据生命周期。DMBOK2 把数据的一生划成五段——规划、设计、实施、运维与保障、优化——所有知识领域都嵌在这条线上。它解释了为什么治理不能是一次性项目:设计阶段没定的标准,会在运维阶段变成无法追溯的包袱;采集阶段没管住的隐私,会在应用阶段变成合规事故。治理必须在每一段都在场。

数据生命周期五阶段:规划、设计、实施、运维与保障、优化,治理贯穿全程(本文自绘)

图源:参考 DAMA-DMBOK2 数据生命周期自绘

四、DCMM:把知识体系变成国标和考卷

DMBOK 有个天然短板:它是一本指导书,读完知道”应该管什么”,但企业不知道“做到什么程度算合格、谁来验收”。这个空缺由国家标准补上。

DCMM(《数据管理能力成熟度评估模型》,GB/T 36073-2018)2018 年发布,是我国数据管理领域的第一个国家标准,由工信部电子标准院牵头。它继承了 DMBOK 的知识框架,但做了两个关键改造:把知识翻译成可逐项验收的评估条款,再加一把成熟度的尺子。

八大能力域,28 个能力项

DCMM 把数据管理划成八大能力域,域下细分 28 个能力项,逐项评估:

DCMM 八大能力域与代表性能力项(参考 GB/T 36073-2018 自绘)

图源:参考 GB/T 36073-2018 自绘,仅列代表性能力项

对照 DMBOK 能看出国标的几个取舍:数据战略被提为独立能力域(DMBOK 里战略属于治理的一部分——国标把”想清楚要什么”提到了显式位置);数据标准单列成域(业务术语、主数据与参考数据、数据元、指标数据——DMBOK 里这些散在元数据和参考数据管理中);增加了数据应用域(数据分析与开放共享——国标更强调数据要用起来,不能只管好)。

五级成熟度:每一级都是一个企业画像

每个能力项按五级评估,组织综合后落在某个等级上。五级不是抽象分数,每级对应一种真实的企业状态:

DCMM 成熟度五级阶梯(参考 GB/T 36073-2018 自绘)

图源:参考 GB/T 36073-2018 自绘

  • 1 初始级:数据问题靠”谁懂谁查”,出了事翻日志、问老员工,没有文档没有标准——大部分没做过数据治理的公司都在这级
  • 2 受管理级:个别项目里开始有意识地管数据,但项目一结束经验就散了,换个人重来一遍
  • 3 稳健级:组织级的数据标准、制度、角色已经立起来,跨部门有章可循——多数认真做过两三年治理的企业停在 3 级
  • 4 量化管理级:数据质量有指标、有看板,改进可度量、过程可预测
  • 5 优化级:数据管理与业务形成反馈闭环,持续改进,行业标杆

评估怎么走、企业图什么

流程是企业自愿申请 → 评估机构现场评估 → 专家评审 → 公示发证(全国 DCMM 评估公共服务平台统一公示)。现场评估不是看 PPT:评估机构会查制度文件的版本记录、抽系统里的实际数据核对、访谈各角色的实际执行——“有没有制度”和”制度有没有在跑”是两回事,后者才是评估的重点。

企业愿意花这个力气,图的三样东西很实际:招投标资质(数据类项目越来越常要求 DCMM 等级)、摸清家底(28 个能力项的逐项评估等于一次全维度诊断,很多企业第一次借此知道自己差在哪)、数据资产化的前置条件(数据资产入表要求权属清晰、质量可度量,DCMM 是官方背书)。

五、两套体系怎么对上

两套体系口径不同,骨架是同一套。放在一起对照:

DAMA-DMBOK2 知识领域与 DCMM 能力域的示意映射(本文整理,非标准原文对应)

图源:本文整理的示意映射,两套体系口径不同,非一一对应

读这张图的关键不是背对应关系,而是理解两套体系的语言风格差异:DMBOK 用”知识领域”讲”为什么重要、要注意什么”;DCMM 用”能力项 + 等级条款”讲”做到什么算数”。两边都有数据安全,DMBOK 告诉你数据安全要覆盖策略、管理、审计三个层次,DCMM 则规定每个层次里”有书面制度、有执行记录、有度量指标”分别算几分。学的时候用 DMBOK 建理解,评的时候按 DCMM 对条款——这套”双语言”切换,是数据治理从业者的基本功。

六、落地:真正难的地方不在框架

框架和标尺都是现成的,企业落地治理,难点全在人。

先说组织。成熟的数据治理组织至少四层,缺一层都会塌:

角色 职责 通俗说法
数据治理委员会 定战略、仲裁跨部门争议、审批重大政策 立法机构
CDO / 治理负责人 把战略变成路线图,协调资源 执行一把手
数据 Owner(业务侧) 对自己业务域的数据口径和质量负最终责任 数据的业务主人
数据管家(Data Steward) 日常维护标准、监控质量、处理数据问题 数据的日常管家

最常见的塌方点在数据 Owner:治理委员会定了标准,但业务部门没人认领”这个域的数据质量归我负责”。所有问题最后掉到数据团队头上,而数据团队既不拥有业务口径、也没有跨部门权威——治理失败的项目,十有八九倒在这一层。

再说三个反复出现的坑。运动式治理:领导重视时全员上阵三个月冲刺,验收后团队解散——数据持续产生、持续变化,治理机制必须常设,哪怕常设的只有两三个人。为治而治:没有业务锚点的治理会退化成”造制度文档”,DCMM 评估里最刺眼的失分项就是制度齐全但没有执行证据;治理的价值必须锚定真实的痛点——口径打架、一物多码、审计压力。只买平台不立机制:元数据管理、质量稽核、血缘分析这些平台是工具不是治理本身;正确次序是先有标准和角色(哪怕先用表格管理),平台做放大器。反过来”先上平台再定规则”的项目,最后通常是平台里堆着没人维护的元数据。

落地次序倒是有相当的共识:现状评估 → 定战略 → 立组织 → 数据标准先行 → 质量闭环 → 平台固化 → 持续运营。DCMM 的 28 个能力项本身就是这份次序的官方版本——就算不申请证书,拿它自查一遍现状,也比拍脑袋排计划靠谱。

七、认证与学习:先实践,再考虑证书

路径 适合谁 内容与形式
读 DMBOK2 想系统建立框架的所有人 一本书,无考试;建议带着实际问题对照读
CDGA → CDGP 国内数据从业者的求职/背书 DAMA 中国中文认证,先 CDGA 基础再 CDGP 专家
CDMP 外企/全球化团队 DAMA 国际英文认证,全球通行,分四级
DCMM 评估师 想做评估/咨询的人 面向评估工作的专项培训

顺序的建议是明确的:先有实践语境,再碰认证。DMBOK2 每个知识领域展开都是一本书的容量,没有实践语境直接啃,读完只剩一堆名词。有效的读法是拿一个实际数据问题当锚——比如”主数据为什么一物多码”——带着问题读参考数据与主数据那一块,再横向扩展。

八、大模型时代,这套体系反而更值钱了

大模型的热潮让人怀疑这些老框架过时了,实际走向相反——三个新命题全部落在原有框架内,只是”数据”的边界扩大了。

训练数据治理。模型质量的上限由训练数据决定,而语料的来源合规、质量度量、版权与隐私问题,就是数据质量和数据安全域的老命题换了对象——对象从数据库表变成了语料库。

RAG 知识库治理。检索增强生成的效果上限由知识库质量决定:文档谁维护(权威性)、哪一版有效(版本管理)、按什么口径切分(元数据)——这本质是对”文档与内容管理”和”元数据管理”两个域的补课。很多 RAG 项目效果差,根因不是检索算法,而是知识库里的文档本身就没有治理:过期版本混着现行版本,口径互相矛盾。

数据资产化。数据资产入表要求权属清晰、质量可度量、价值可追溯——每一项都是 DCMM 能力项的直接延伸。

DMBOK 和 DCMM 提供的从来不是某种具体技术,而是一个元能力:让数据有主、有标准、可度量、可追溯。数据这个对象的边界从数据库表扩展到了语料、知识库和特征库,这个元能力只会更稀缺——毕竟在数据变成生产要素的时代,”管好数据”本身就从成本中心变成了竞争力。

参考


文章作者: Halensea
版权声明: 本博客所有文章除特別声明外,均采用 CC BY 4.0 许可协议。转载请注明来源 Halensea !
  留言
 本篇
DAMA 和 DCMM:数据治理的两套体系到底在说什么 DAMA 和 DCMM:数据治理的两套体系到底在说什么
同一家公司两个部门对"活跃用户"给出两个数字、客户和供应商在五个系统里一物多码、出了数据事故没人说得清该谁负责——数据治理就是冲着这些事来的。DAMA-DMBOK 是这套知识的老祖宗,DCMM 是把它翻译成可验收的国标。这篇讲清楚两套体系各自在说什么、怎么对上,以及企业落地时真正难的地方。
2026-11-16
下一篇 
博客运维实录:两篇"被吞"的文章与一次全站体检 博客运维实录:两篇"被吞"的文章与一次全站体检
博客复更后的例行体检挖出两篇线上文章只剩三分之二——存在了很久没人发现。排查的结论很有意思:markdown 渲染器直渲全文完整,问题出在 hexo 管线的模板层,元凶是正文里 Thymeleaf 表达式撞上模板注释开始序列。这篇记录完整的定位过程、体检脚本的五类检查,以及这轮运维顺手做掉的一串优化。
2026-11-10
  目录