数据管理能力成熟度DCMM评估工作最新动态,数据生命周期的六个阶段

数据管理能力成熟度DCMM评估工作最新动态

6月29日，数据管理能力成熟度（DCMM）评估工作推进会在京召开。工业和信息化部信息技术发展司副司长杨宇燕、DCMM指导委员会副主任肖华到会并讲话，中国电子信息行业联合会执行秘书长高素梅、副秘书长刘明亮、副秘书长梅敏出席会议。参加会议的还有工信部信发司、通管局、原资料司、消费品司相关领导，各省市工信主管部门领导，工信部相关直属单位领导，评估机构和首批贯标企业。本次会议共设有1个主会场，50个分会场。

杨宇燕指出，随着大数据在经济社会各领域的深入应用和数据量的急剧增长，数据治理作用日益凸显，信息技术发展司指导全国信标委大数据标准工作组组织企业、科研院所、行业专家研制了《数据管理能力成熟度评估模型》（DCMM）国家标准，并通过政府购买服务的方式，委托中国电子信息行业联合会牵头建立DCMM评估体系、推进DCMM贯标工作，培育经济发展新动能。

杨宇燕标明，扎实推进，认真做好DCMM贯标工作，需重点做好5个方面工作：一是建议联合会加强顶层设计和统筹协调，持续建设完善DCMM评估体系，在全国范围内开展DCMM标准系列宣贯活动，建立健全数据管理能力成熟度评估专家库，面向金融、制造、能源等重点领域，加快组织开展评估试点示范。二是建议标准化组织围绕DCMM完善数据管理标准体系；积极吸纳地方企事业单位参与数据管理标准研制和试验验证，提升标准的科学性和适用性。三是希望试点地区出台有力的政策措施，加大对DCMM的支持，引导属地企业做好DCMM贯标应用，进1步提升数据管理水平。四是希望评估机构加快打造DCMM评估和咨询服务工具，高标准、严要求地开展DCMM评估工作，为企业提供准确、有益的评估结论和提升方案。五是希望评估企业能够同步开展数据管理能力评估和建设，提升数据管理能力。

肖华标明，中国电子信息行业联合会在工信部信发司的指导下，自去年以来，成立了DCMM工作指导委员会，制定相关管理办法及合作框架，在全国范围内组织开展了10余场DCMM宣贯会。近期，还完成9个评估工作的试点地区，遴选了5家评估机构，评出6家首批贯标企业，并组织编印了《〈数据管理能力成熟度评估模型〉实施指南》，进1步推动DCMM评估工作有序开展。

肖华指出，DCMM评估体系组织和实施工作离不开工信部各相关司局、各级行业主管部门、企事业单位和行业协会的支持，社会各界应充分各自发挥优势、共同推进DCMM贯标工作。一是全行业凝心聚力，共创DCMM工作新格局，加快组织建设和机制建设。二是加强行业组织的平台枢纽作用，围绕数据管理能力关键环节，构建DCMM标准市场服务体系。三是希望各级政府相关部门对贯标工作给予更大政策支持力度，鼓励企业积极参与数据管理成熟度贯标评估。

高素梅标明，国家提出新基建建设，统筹规划布局5G、数据中心、云计算、人工智能、工业互联网等新型信息基础设施，DCMM是提升数据管理能力，夯实数字基建基础、推动数据应用和产业发展，维护国家网络安全和数据主权，是促进我国数字经济高质量发展的重要举措。电子联合会作为DCMM贯标评估工作的牵头组织单位，将积极推动各方力量协同发展，进1步构建DCMM评估工作的良性生态链，凝心聚力，共同推动DCMM工作新格局。

中国电子信息行业联合会副秘书长刘明亮公布了DCMM试点地区、DCMM评估机构和DCMM贯标企业名单。试点地区代表河北省工信厅龚晓峰厅长、贯标企业代表软通动力刘天文高级副总裁就试点及贯标工作进行大会交流。

会上，工信部信发司、通管局、原资料司、消费品司相关领导，围绕推进重点行业数据管理能力成熟度评估工作落地进行了热烈探讨，提出了有关建设性意见。

DCMM试点地区

北京市

天津市

河北省

山西省

上海市

江苏省

广东省

贵州省

宁波市

DCMM贯标试点单位

全国组织机构统一社会信用代码数据服务中心

软通动力信息技术（集团）有限责任公司

广州明珞汽车装备有限责任公司

中汽数据（天津）有限责任公司

贝壳技术有限责任公司

佳都新太科技股份有限责任公司

数据生命周期的六个阶段

基于大数据环境下数据在组织机构业务中的流转情况，定义了数据生命周期的6个阶段，具体各阶段的定义如下：

1）数据采集：指新的数据产生或现有数据内容发生显著改变或更新的阶段。对于组织机构而言，数据的采集既包含在组织机构内部系统中生成的数据也包含组织机构从外部采集的数据。

2）数据存储：指非动态数据以任何数字格式进行物理存储的阶段。

3）数据处理：指组织机构在内部针对动态数据进行的一系列活动的组合。

4）数据传输：指数据在组织机构内部从1个实体通过网络流动到另1个实体的过程。

5）数据交换：指数据经由组织机构内部与外部组织机构及个人交互过程中提供数据的阶段。

6）数据销毁：指通过对数据及数据的存储介质通过相应的操作手段，使数据彻底丢失且无法通过任何手段恢复的过程。

特定的数据所经历的生命周期由实际的业务场景所决定，并非所有的数据都会完整的经历六个阶段。