DCMM 2.0 评估体系深度解读：九大能力域与 486 项量化指标解析

导语

2026 年 7 月 1 日，GB/T 36073-2025《数据管理能力成熟度评估模型》正式实施。这意味着自 2018 年发布、运行了八年的 DCMM 1.0 就此退出历史舞台——取而代之的是一套能力域更广、指标更细、评估门槛更高的 2.0 体系。

对许多企业来说，这个变化来得并不突然，但准备起来并不轻松。一位正在筹备 DCMM 评估的企业数据治理负责人描述了这样的困境：2025 年底前按 1.0 标准整理了制度文档、搭建了数据平台，却在 2026 年初被告知——2.0 版即将生效，能力域从 8 个扩展到了 9 个，评估指标翻了一倍。评估师不再满足于"有制度""有平台"，而是追问"执行记录在哪""能不能量化""能复验吗"。

截至 2025 年 11 月，全国已有 10,448 家完成 DCMM 贯标评估的企业，它们都面临着从 1.0 到 2.0 的过渡。DCMM 2.0 到底变了什么？486 项量化指标应该如何理解、怎么准备？这是本文试图回答的问题。

一、DCMM 2.0 全景：九大能力域与四个核心变化

DCMM 2.0 最直观的变化是能力域的扩展。1.0 的八大能力域在 2.0 中重组为九个，新增"数据资产"域，并对"数据安全""数据应用流通"等域进行了实质性升级。

1.0 → 2.0 演进对照

九大能力域速览

在这九个能力域背后，是四个深层次的结构性变化：

变化一：从定性判断到量化度量。 DCMM 1.0 的评估主要依赖评估师对制度文档和访谈结果的主观判断。2.0 将 486 项指标分布在 9 大能力域、33 个能力项中，每一项都有明确的达标条件——不是"质量管理做得不错"，而是"数据问题平均修复时长 ≤2 小时""关键数据标准覆盖率 ≥95%"。评估从"给人感觉做到了"升级为"能用数据证明做到了"。

变化二：数据资产独立成域。 这是 2.0 最具标志性的变化。新增的数据资产域包含权属管理、价值评估和资产运营三个能力项，回应了数据资产入表（财会〔2023〕11 号）的政策需求——企业需要回答"数据资产在哪里、值多少、能不能用"，而不再只是"数据有没有被管起来"。

变化三：安全合规要求显著增强。 安全域的能力项从 1.0 的策略、管理、审计，升级为数据合规管理、数据安全防护和数据安全审计。这不是简单的更名——合规管理要求企业能够对标《数据安全法》等法规要求，安全防护要求具备分类分级、权限管控、脱敏加密等技术手段，审计则要求完整的操作留痕和可追溯机制。

变化四：L4 以上拥抱人工智能。 DCMM 2.0 在 L4 量化管理级中明确要求"引入人工智能等先进技术，全面提升数据管理工作效率"。这意味着 AI 辅助数据管理——自动发现元数据与血缘、智能推荐质量规则、自动识别业务语义——不仅是锦上添花的能力，而是 L4 评估的门槛条件。

二、486 项量化指标分布：每一分从哪来

486 项量化指标是 DCMM 2.0 最引人注目也最容易引发焦虑的数字。要理解这个数字，需要回到指标体系的三个基本维度。

指标的四种形态。 486 项指标不是简单的"486 条检查项"，而是分布在四个层次的度量体系：

不同成熟度等级对应不同层次的指标组合。L2 主要考察"存在性"和基础"覆盖面"，L3 要求"覆盖面"和"持续性"并举，L4 以上则必须覆盖全部四个层次。

指标在各能力域的分布。 486 项指标按 33 个能力项平均分配约每项 14-15 项，但实际上各域的指标密度并不均衡。数据质量域的指标密度最高——需要覆盖完整性、准确性、一致性、及时性、唯一性、可访问性六个维度，并形成从需求定义到检查、分析、提升的闭环验证链条。新设立的数据资产域，权属管理、价值评估和资产运营三项能力都是全新的指标群，没有历史对标可参考。数据安全域经过重组后，合规管理、安全防护和审计三大能力项对技术手段和过程证据的要求显著提升。

五级成熟度与指标达标线。 不同等级之间的差异不是模糊的"做得更好"，而是通过具体指标数量和达标比例的差异来判定：

关键事实是：486 项指标并非要求企业逐项达标。不同等级考察的指标子集不同，企业应根据目标等级聚焦对应级别的关键指标群——L2 看基本面，L3 看覆盖面和组织化程度，L4 看量化能力和 AI 应用，L5 看持续优化和数据驱动。

三、五级成熟度详解：每一级到底要做什么

L2 受管理级：从无序到有序的第一步。 DCMM 2.0 将评估基准从 L1 提升至 L2，意味着企业至少需要在项目级建立正式的数据管理流程。不是"我们知道要治理"，而是"我们有制度、有记录、有人负责"。一家华东某大型化工企业在 DCMM 评估筹备过程中的做法具有参考意义：成立数据管理部、设立数据管家岗位、将数据治理纳入绩效考核体系——这些组织层面的动作本身就是评估中的得分项。L2 的核心不在于平台功能多强大，而在于管理是否制度化、执行是否有记录。

L3 稳健级：从量变到质变的规模化阶段。 L2 到 L3 的关键跳跃在于"组织级标准化"——标准不只是"写出来"，而是"跑起来"；质量不只是"查问题"，而是"闭环修"。以一家服务十余套业务系统的省级国控集团为例，其质量稽核体系覆盖了完整性、准确性、一致性、及时性和唯一性五类规则，形成了从自动检测到告警、定位、修复、复验的完整闭环。另一家华东某市级市场监督管理局则建立了统一的数据标准体系，通过对核心业务数据的标准落标和跨系统关联比对，将标准化从制度层面推进到了执行层面。L3 要求至少 6 个能力域达到该级别，这意味着企业不能只在个别域"出挑"，而需要整体能力的均衡提升。

L4 量化管理级：可度量的数据管理能力。 DCMM 2.0 对 L4 的要求不再停留于"质量管理运行良好"的描述性判断，而是要求用量化指标来证明——数据问题修复时长、关键标准覆盖率、资产使用率等。更具挑战性的是，L4 首次引入人工智能等先进技术作为评估条件。这意味着 AI 辅助数据管理的能力（自动发现元数据与血缘、智能推荐质量规则、自动识别业务语义）及其效果本身都要被评估。

L5 优化级：行业引领者。 全国仅有极少数企业达到该等级（国家电网为首个 DCMM 5 级认证企业）。L5 的核心特征是治理规则自优化、AI 辅助决策和数据能力成为核心竞争力。对于绝大多数企业而言，L5 更多是方向性指引而非短期目标。

四、评估方法四维度：评估师到底怎么查

DCMM 2.0 的评估并非"交材料打分"，而是通过四个维度的交叉验证来形成最终结论。理解评估方法，是企业准备评估证据的关键。

四个维度中，最容易被低估的是"系统演示"和"抽样验证"。文档和访谈可以提前准备，但系统演示需要平台真实承载能力，抽样验证需要完整的执行留痕——两者都无法临时突击。

四类最容易卡住的证据

标准执行证据。 仅有标准文档是不够的，评估师要看的不是"标准写得好不好"，而是"标准有没有在实际系统中执行"。标准自动落标记录——包括已落标字段数、落标率、未落标字段清单——是比制度文件更有说服力的证据。

质量闭环证据。 质量管理的证据链不能断在任何一环。发现数据问题后的处理流程需要完整的工单记录：谁发现问题、谁确认、谁修复、修复后谁复验。仅展示质量规则数量而无法提供闭环执行记录的，在这一维度难以拿到较好分数。

元数据与血缘证据。 元数据的采集方式和血缘的覆盖范围是关键。手动维护的元数据文档在评估中说服力有限——自动采集的元数据（表结构、字段信息、变更历史）和自动发现的字段级血缘关系才是评估师认可的证据形式。

资产使用证据。 DCMM 2.0 新增的数据资产域不仅考察资产目录是否建立，还考察资产是否被实际使用。数据资产的使用申请、审批记录、API 调用统计等，是资产域评估中难以回避的证据项。

评估平台能力时，评估师通常会考察企业在数据架构、数据资产、数据标准、数据质量和数据应用流通五个能力域的平台承载情况。一个完整的评估平台应覆盖从元数据采集、标准落标、质量监控、问题追踪到资产发布的全流程能力。企业需要准备一条真实数据链路用于系统演示——从数据接入、标准关联、质量监测、问题定位到资产发布和业务使用，完整的闭环演示比单独展示功能模块更有说服力。

五、贯标自评表设计思路：从评估要求倒推准备工作

企业筹备 DCMM 评估的常见误区是"先全面铺开建设，再去对标准"。更有效率的方式是先做自评摸底——对照评估要求，逐域检查差距。

自评表设计原则。 自评表的目的不是追求"满分"，而是让企业看清楚"在哪里、差多少、先补哪"。一张实用的自评表应该覆盖四个层次：制度有没有、组织有没有、平台有没有、执行记录有没有。以下是按九大能力域设计的自评框架：

使用方式。 先用"制度/组织/平台/执行记录"四列逐域摸底——回答"有没有"；再用"自评"列对标五级成熟度——回答"做到什么程度"；最后在差距栏标注最需要补强的域。在实际操作中，多数企业会发现制度层面的差距相对可控（可以在短期内补齐文档），但平台承载能力和执行记录的差距往往需要更长的建设周期——这也恰好对应了 DCMM 2.0"量化度量"导向所强调的核心：真正的评估对象不是制度和文档，而是运行中的管理能力。

六、从评估到建设：工程化落地路径

DCMM 定目标，但具体怎么建，需要一条工程化的落地路径。在工程实践中，"理采存管用"五阶段方法论为 DCMM 评估后的能力建设提供了可操作的实施框架。

对应关系示意

注释：上表是工程落地视角下的对应关系示意，并非 DCMM 能力域与理采存管用阶段的严格一一对应。"理"侧重战略规划、组织建设、制度设计和家底盘点，不只是运营保障；"存"侧重数据模型和数仓分层建设，也不等同于资产管理。企业在应用时应根据自身评估差距灵活调整各阶段的侧重点。

在评估实践中，方法论驱动的建设路径往往对标准框架的覆盖更系统。一个方法论驱动的能力建设通常具备更清晰的阶段划分——例如基于"理采存管用"五阶段方法论的建设路径，其工程架构天然映射为五个子系统：治理域（理）、集成域（采）、存储域（存）、管理域（管）、应用域（用），各子系统通过定义良好的接口耦合而非紧密集成。评估时可以从以下几个角度考察建设路径的完整性：方法论是否清晰可验证；各阶段有无明确的输入输出；关键质量管控节点是否支持旁路监测，不阻塞正常数据流转。

三阶段建设路径

评估只是起点，建设才是目的。从多数已完成 DCMM 贯标的企业经验来看，建设可以分为三个阶段推进：

第一阶段的核心产出是"知道差在哪"——资产盘点摸清家底，标准梳理理清规范需求，质量基线给出当前水平。第二阶段选择 1-2 个数据域（如客户域、订单域）跑通从采集到使用的完整链路，形成可复用的建设和评估模板。第三阶段将样板域的流程扩展到全业务范围，同时在质量、安全、资产等高权重域持续提升能力水平。

平台支撑。 DCMM 评估中，数据架构、数据资产、数据标准、数据质量和数据应用流通这五个能力域高度依赖技术平台的承载。没有平台支撑，标准执行难以自动化，质量闭环难以追溯，资产使用难以量化。对于准备 DCMM 评估的企业而言，选型时不应只看功能模块数量，更应验证平台能否跑通从标准落标、质量扫描、问题定位、工单修复到资产发布、业务使用的完整闭环。在工程实践中，方法论驱动的平台通常会将这些能力整合在一个统一的治理框架下，通过模块化架构实现按需部署和渐进式扩展。

评估本身不是终点。真正有价值的是通过评估看清楚企业数据管理能力所处的阶段，找到最需要补齐的能力域，然后有路径、有方法、有节奏地推进建设。DCMM 定目标，工程化方法论定路径，数据中台定落地——三者的协同，是数据管理能力从合规达标走向竞争优势的底层逻辑。

企业数据能力的竞争，正在从"谁有数据"转向"谁能把数据管好、用好"。DCMM 2.0 的量化评估体系，为这个转变提供了一个可以度量、可以对比、可以持续改进的标尺。