GB/T 36073-2018《数据管理能力成熟度评估模型》是中国的一项国家标准，通常简称为 DCMM（Data Management Capability Maturity Assessment Model）为中国各类组织（尤其是企业）评估、改进和认证其数据管理能力提供了一个权威的、结构化的框架。
一、标准定位与目标
定位：中国首个国家级数据管理能力成熟度评估标准，填补企业数据治理能力量化评估的空白。
目标：
（1）对标国际：融合国际模型（如DAMA-DMBOK、CMMI）与中国实践。
（2）能力诊断：为企业提供数据管理能力的“体检表”。
（3）发展路径：明确从无序管理到数据驱动的进阶路线。
二、核心框架和八大能力域
关键耦合关系：数据战略是方向盘，治理是发动机，架构是骨架，安全与质量是防护网。
三、成熟度5级模型：从无序到卓越
实践提示：L3级（稳健级）是多数企业核心目标（政府补贴常要求≥L3）。升级关键：从“被动响应”转向“主动治理”。
四、评估认证流程
企业自评 - 选择认证机构 - 提交材料 - 现场评估 - 专家评审 - 颁发证书。
评估周期：通常2-4个月（视企业规模）。
核心材料：
（1）数据管理制度文件
（2）数据资产清单
（3）数据质量报告
（4）安全策略文档。
五、企业落地关键点
顶层驱动：高层挂帅（如CDO），纳入企业战略目标。
痛点切入：优先解决数据质量低、系统孤岛等业务痛点。
工具支撑：引入数据治理平台（如Atlas、Collibra）、数据质量管理工具。
文化渗透：建立数据认责制，培训数据思维（如全员数据素养课程）。
六、DCMM vs 国际模型
七、政策与趋势
上海、北京等地对通过 DCMM 认证企业给予 30 - 100 万元补贴。
采购门槛：央国企数据类项目逐步要求供应商具备DCMM L3+认证。
生态扩展：DCMM正与信创体系、DSMM（数据安全成熟度） 融合，形成“治理+安全”双轮驱动。
关于企业行动的总结：
（1）诊断先行：开展差距分析，明确当前所处等级。
（2）聚焦 L3：优先建立组织、制度、流程的标准化体系。
（3）业务绑定：
选择1-2个高价值场景（如客户数据治理）快速见效。
（4）持续运营：设立数据治理专项团队，纳入年度考核。
点击阅读原文《
【GB/T 36073-2018】《数据管理能力成熟度评估模型》》。
沪公安联网 31011502019103