如果没有强大的数据治理，数据就无法产生有价值的见解以及改善决策。数据治理成熟度模型可帮助企业评估当前的成就水平，并确定改进的步骤。

企业需要依靠数据来有效运营业务，并且，他们负责保护数据资产。数据治理是持续的业务流程，数据治理涉及数据监督、问责制和授权。它提供控制框架，定义规则以管理整个组织的数据，包括人员、流程和技术。

如果企业没有管理好数据，可能会导致运营效率低下、成本增加和系统停机。不合规可能导致民事处罚、罚款、品牌损害、声誉损害、法律行动、消费者不信任和经济损失。

企业必须了解其数据治理计划的成熟度情况，以实现其数据的全部价值。成熟度模型是客观评估和传达数据治理程序性能的有效工具。它可提高企业对数据资产主动管理的信心，并培养持续改进的文化。它可以帮助利益相关者建立信任，让他们相信，企业数据得到适当的管理、准确测量，并可供业务使用。

数据治理成熟度模型如何运作

成熟度模型衡量数据治理的当前水平、企业希望该水平达到什么程度以及如何达到这个水平。它通常衡量各个成就水平的各种能力，以矩阵形式。

每一行代表一层成就水平。矩阵列代表数据治理的能力。该模型根据成就层评估和衡量能力，使用与层–能力交叉相关的标准。

简单的标记表示当前状态表现或路线图里程碑的基准。预期目标状态足以衡量数据治理能力。可能无法或没必要优化每一项能力。

对于更详细的模型，能力可以单独衡量数据治理的各个维度，以增加价值。维度可以展示能力水平，在该模型中作为可操作的点。随着能力和维度成熟度的进步，成就度也会增加。

企业从成熟度模型的直观可视化中受益。这是一个很好的沟通和规划工具，可以促进利益相关者的协作。它提供了透明度和客观性，使模型能够展示现实，而不是未经证实的意见。

成熟度模型见解为制定有针对性的数据治理战略和后续路线图提供了关键信息。它们可验证成熟数据治理计划能力所需的投资。成熟度模型使企业能够更好地管理有效的数据治理计划，并将数据用作战略资产。

数据治理成熟度模型级别

数据治理成熟度模型级别代表成就水平，并有助于确定企业目前所处的位置，以及企业渴望在持续改进的范围内达到什么程度。

成熟度模型通常有四到六个级别的性能。级别和规模因模型的重点而异。

• 第1级：初始阶段。没有数据治理功能；特征是不知道和不存在的成就水平。
• 第2级：发展阶段。初步认识数据治理；成就水平为：零散、调查、非正式、不一致、非结构化、战术、临时、轻度记录、被动和功能孤立。
• 第3级：定义阶段。明确描述数据治理；记录、计划、结构化、一致、标准化、可重复、形式化和跨职能调整的成就水平。
• 第4级：受管理阶段。功能数据治理计划集成到关键运营中；主要的成就水平是手动的、可识别的、采用的、实施的、培训的、制度化的、沟通的、预算的、强制执行和业务驱动。
• 第5级：优化阶段。高性能数据治理；在这种成就水平，该水平被整合到业务流程和决策的所有能力中，可信、监控、可衡量、主动、优化到最佳实践、自动化、无摩擦、灵活、持续改进，与业务一起发展，协作并被视为战略业务能力。

整合

能力和维度，就像成熟度水平一样，可以根据模型的受众和目的而有所不同。例如，信息模型可能适合高管，而可操作模型可能更适合管理。无论哪种情况，评分原理都需要从有记录的、基于证据的事实中得到加强。

根据企业在数据治理旅程中的位置，高级、汇总、信息丰富的成熟度模型可以帮助提高人们对数据治理重要性的认识。具有单一措施的粗粒度能力可以说明数据治理与业务驱动因素的一致性及其对实现数据价值的影响之间的相关性和因果关系。

提高能力精确度也会提高模型的准确性和价值。为了获得高水平的可操作见解，企业应该以更精细的粒度来衡量能力。有关更多细节，能力维度可以识别离散的举措，以改善特定的成熟度领域。

重要的是要注意，数据治理成熟度模型衡量的是治理的成熟度，而不是能力。例如，围绕数据质量的人员、流程和技术治理可以成熟，而如果只能管理10%的数据元素，则数据质量能力本身是不成熟的。要深入了解能力的成熟度，请使用指标来衡量有效性。数据质量指标可能关键数据的百分比，这些数据的特性包括已知质量、完整、准确、一致、及时和可用。