• 查询稿件
  • 获取最新论文
  • 知晓行业信息
官方微信 欢迎关注

基于DCMM的铁路数据管理能力成熟度评价体系及提升策略研究

吴艳华, 刘军, 栾中, 刘飞, 苟娟琼

吴艳华, 刘军, 栾中, 刘飞, 苟娟琼. 基于DCMM的铁路数据管理能力成熟度评价体系及提升策略研究[J]. 铁路计算机应用, 2023, 32(9): 12-17. DOI: 10.3969/j.issn.1005-8451.2023.09.03
引用本文: 吴艳华, 刘军, 栾中, 刘飞, 苟娟琼. 基于DCMM的铁路数据管理能力成熟度评价体系及提升策略研究[J]. 铁路计算机应用, 2023, 32(9): 12-17. DOI: 10.3969/j.issn.1005-8451.2023.09.03
WU Yanhua, LIU Jun, LUAN Zhong, LIU Fei, GOU Juanqiong. DCMM based maturity evaluation system and improvement strategy for railway data management capability[J]. Railway Computer Application, 2023, 32(9): 12-17. DOI: 10.3969/j.issn.1005-8451.2023.09.03
Citation: WU Yanhua, LIU Jun, LUAN Zhong, LIU Fei, GOU Juanqiong. DCMM based maturity evaluation system and improvement strategy for railway data management capability[J]. Railway Computer Application, 2023, 32(9): 12-17. DOI: 10.3969/j.issn.1005-8451.2023.09.03

基于DCMM的铁路数据管理能力成熟度评价体系及提升策略研究

基金项目: 中国国家铁路集团有限公司科技研究开发计划课题(N2021S009)
详细信息
    作者简介:

    吴艳华,研究员

    刘 军,副研究员

  • 中图分类号: U29 : F530.67 : TP39

DCMM based maturity evaluation system and improvement strategy for railway data management capability

  • 摘要: 铁路数据资源已成为铁路企业的核心资源之一,亟需推进铁路数据管理能力成熟度评价工作。在深入分析数据管理能力成熟度模型(DCMM,Data Capability Maturity Model)的基础上,结合铁路数据管理的现状,提出基于DCMM的铁路数据管理能力成熟度评价体系,优化DCMM的评估能力域、能力项,并开展权重分布研究,针对性地提出能力域方面相关提升策略,研究结果为铁路运输企业全面掌握数据管理能力情况和提升铁路数据要素作用打下基础。
    Abstract: Railway data resources have become one of the core resources of railway enterprises, and there is an urgent need to promote the maturity evaluation of railway data management capabilities. Based on an in-depth analysis of the Data Capability Maturity Model (DCMM) and the current situation of railway data management, this paper proposed a railway data management capability maturity evaluation system based on DCMM, optimized the evaluation capability domains and capability items of DCMM, conducted weight distribution research, and proposed targeted improvement strategies for capability domains. The research results lay the foundation for railway transportation enterprises to comprehensively grasp their data management capabilities and enhance the role of railway data elements.
  • 数据已成为新型生产要素,企业的数据管理能力是未来数字化智能生产的关键因素之一。数据资源与土地、劳动、资本、技术等生产要素相比,存在明显差异,具有主体和权属复杂、价值无法单一评判、可多次拷贝复制、多种快速传播渠道等特征。因此,数据的管理技术和管理机制也与传统的生产要素资源存在较大差异。近年来,铁路行业的数字化程度不断提高,数据资源成为铁路企业的核心资源之一。随着数字经济的发展和行业的数字化转型,铁路等行业将快速积累数据资源,为铁路企业对建设、生产、运营、维护等的精细化管理和效能提升提供有利的要素支撑。2022年12月发布的《中共中央国务院关于构建数据基础制度更好发挥数据要素作用的意见》 [1]中,提出“加快推进数据管理能力成熟度国家标准及数据要素管理规范贯彻执行工作”。在铁路运输企业开展数据管理能力成熟度评价,须在统一标准框架指引下,结合铁路数据管理的现状和业务需求,有针对性地对评价指标进行适应性深化拓展,从而更加有效地达到铁路行业内各企业数据管理能力提升的目标。

    能力成熟度模型(CMM ,Capability Maturity Model)是用于对软件研发组织在定义、实施、度量、控制和改善其研发过程实践中各发展阶段进行描述的标准,一般通过阶段式表示法将等级划分为初始级、已受理级、已定义级、定理管理级和优化级等5个等级[2-3]。在CMM的基础上,国内外各类研究机构构建了多种数据管理能力成熟度模型[4-5],主要包括:IBM数据治理成熟度模型[6],该模型提出4个组、11个类别和5个等级来度量企业的数据治理能力;数据管理成熟度模型(DMM,Data Management Maturity Model)[7],该模型中的每个评估都具有一定的可操作性,只要按照研究报告规定的操作步骤就可以进行快速评估;数据管理能力评估模型(DCAM,Data Management Capability Assessment Model)[8],该模型可更紧密地结合数据的业务价值和数据操作的实际情况,定义数据管理的原则;数据管理能力成熟度模型(DCMM,Data Capability Maturity Model)[9],该模型从我国数据管理的实际出发,是在上述既有模型基础上进行实践优化的研究成果,更满足国内各行业和领域机构的管理需求。

    综上,如何构建完善的铁路数据管理能力成熟度评价体系,形成价值较高、质量较好的铁路数据资源,已经成为数字铁路建设急需解决的关键问题之一。本文基于DCMM,研究铁路数据管理能力成熟度评价体系的构建及能力域方面相关提升策略。

    全国信息技术标准化技术委员于2018年发布了国家标准GB/T36073-2018《数据管理能力成熟度评估模型》,标准中的DCMM包括数据战略、治理、架构、标准、质量、安全、应用、生命周期管理等8个一级能力域、28个二级能力项和5个等级。该标准发布后,工业和信息化部指导启动了DCMM的贯标工作,各地方政府和各行业高度重视,河北、广东、北京、浙江、天津等地大批企业通过DCMM贯标,电力、金融、制造业等相关行业在积极推进贯标的同时,也出台了针对各自行业的实施指南[10-11]

    IBM数据治理成熟度模型、DMM、DCAM和DCMM等4个数据管理评估模型,在一级评价维度(同DCMM中“能力域”)和二级评价维度(同DCMM中“能力项”)、评价等级、等级描述、应用范围等方面略有不同,模型对比如表1所示。

    表  1  数据管理评估模型对比
    名称一级评价维度(能力域)
    数量/个
    二级评价维度(能力项)
    数量/个
    评价等级数量/级等级描述应用范围
    IBM数据治理成熟度模型4115初始、管理、定义、定量管理和优化各类业务领域
    DMM6255初始、管理、定义、定量管理、优化金融行业、电信行业、能源行业、
    制造行业、IT行业和服务业
    DCAM8376未开始、概念性、开发、已定义、
    实现和优化
    金融保险行业
    DCMM8285初始级、受管理级、稳健级、
    量化管理级、优化级
    各类业务领域,互联网、电力、
    金融、通信等领域
    下载: 导出CSV 
    | 显示表格

    DCMM从我国数据管理的实际出发,是在原有相关评估模型的基础上进行实践和优化的成果,更满足国内各行业的管理需求。

    自2015年起,中国国家铁路集团有限公司(简称:国铁集团)及所属运输企业纷纷推进数据管理相关工作,从以下8个方面推进实施。

    国铁集团先后发布了《铁路信息化总体规划》《“十四五”铁路网络安全和信息化规划》《铁路大数据应用实施方案》等文件,相关铁路局集团公司发布了“信息化专项规划实施方案”“信息化管理办法”“信息化应用研发类项目建设流程”“应用研发类项目费用评估实施细则”“网络安全与信息化管理职责和机构编制”等方案和管理办法。

    国铁集团发布了《铁路数据管理暂行办法》和《铁路主数据平台管理办法》等数据治理类相关文件。部分铁路局集团公司在信息技术所各部门工作职责中提出了数据治理的相关职责分工。

    国铁集团开展了铁路数据架构体系研究,构建铁路数据资源目录。各铁路局集团公司开展了铁路业务数据架构设计,建立了适用于部门级的结构化、非结构化数据集成平台和铁路数据资源管控平台。

    国铁集团发布了《铁路大数据应用实施方案》《铁路信息系统信息共享与交换技术规范》《铁路数据服务平台接口规范》等数据应用相关文件。各铁路局集团公司在铁路运输安全、铁路客流预测等方面开展大数据应用实施。

    国铁集团发布了《铁路数据分类分级指南》。各铁路局集团公司发布了《铁路数据安全管理细则》,建设了铁路数据资源管控平台。

    国铁集团正在制定《铁路数据质量评估指南》,依托铁路数据资源管控平台进行初步的数据质量管理工作。

    国铁集团发布了《铁路数据服务平台技术要求》《铁路数据服务平台接口规范》《铁路信息系统信息共享与交换技术规范》《铁路主数据(第一、二、三批)暂行规范》和《铁路数据分类分级指南》等文件。

    国铁集团制定了《铁路数据管理暂行办法》和《铁路数据服务平台运用管理办法》等文件,各铁路局集团公司制定了相关信息系统数据运维细则等。

    在基于DCMM开展铁路数据管理能力评估的过程中,需要结合铁路行业数据管理的重点和难点,对DCMM进行深化,结合强化专业人才、实施能力和铁路业务场景等行业特色方向,提出新增、优化能力项,分别为铁路数据战略能力域中的数据管理团队、铁路数据治理能力域中的数据治理实施、铁路数据应用能力域数据应用场景、铁路数据质量能力域业务元数据评价指标、铁路数据标准能力域中数据目录与元数据。

    根据对DCMM能力项的分析可知,除铁路数据标准域中可通过数量等客观定量的数据进行权重赋值外,大部分能力域和能力项的等级评价结果以主观定性的描述为主。因此,应采用适用于定性描述的层次分析法对本文体系的能力域(指标B1~B8)和能力项(指标C11~C84)权重进行赋值[10],体系架构如图1所示。

    图  1  铁路数据管理能力成熟度评价体系

    铁路数据管理能力成熟度评价体系各项指标的确定流程如下[11-12]

    (1)通过铁路及其他行业数据管理领域专家对指标重要程度进行打分,构造指标权重判断矩阵。

    (2)通过方根法[12],分别计算指标权重判断矩阵A-B1-8B1-C11-14B2-C21-24B3-C31-34B4-C41-44B5-C51-53B6-C61-65B7-C71-75B8-C81-84。经方根法一致性检验,指标均符合要求[13-14]

    根据上述方根法计算得到A-B1-8级指标权重判断矩阵权重值,如表2第一行所示;进一步计算得到B1-C11-14B2-C21-24B3-C31-34B4-C41-44B5-C51-53B6-C61-65B7-C71-75B8-C81-84各级指标权重值,如表2的第2~34行所示;最后计算C11~C84的组合权重值,如表2最后一列所示。

    表  2  铁路数据管理能力成熟度评价体系指标组合权重表
    序号层次指标层次指标权重值组合权重值Pi
    B1B2B3B4B5B6B7B8
    1A0.20790.18480.06930.13860.14540.09240.11550.0462/
    2C110.27780.0577
    3C120.38890.0808
    4C130.11110.0231
    5C140.22220.0462
    6C210.27270.0504
    7C220.22730.0420
    8C230.13640.0252
    9C240.36360.0672
    10C310.15000.0104
    11C320.35000.0243
    12C330.20000.0139
    13C340.30000.0208
    14C410.26320.0365
    15C420.10530.0146
    16C430.21050.0292
    17C440.42110.0583
    18C510.42110.0612
    19C520.36840.0536
    20C530.21050.0306
    21C610.18520.0171
    22C620.25930.0240
    23C630.07410.0068
    24C640.14810.0137
    25C650.33330.0308
    26C710.07410.0086
    27C720.33330.0385
    28C730.25930.0299
    29C740.22220.0257
    30C750.11110.0128
    31C810.21050.0097
    32C820.26320.0122
    33C830.36840.0170
    34C840.15790.0073
    下载: 导出CSV 
    | 显示表格

    表2可得到C级指标组合权重的柱状图如图2所示。

    图  2  铁路数据管理能力成熟度评价体系指标组合权重分布

    通过组合权重分布可看出,数据战略实施C12、数据治理实施C24和数据安全策略C51所占的权重较大,在评估铁路数据管理能力的过程中占关键地位[15]

    本文基于DCMM和铁路数据管理能力成熟度评价指标体系组合权重分布,提出在8个能力域方面的相关提升策略。

    突出数据战略实施指标C12的重要性,根据《铁路信息化总体规划》《“十四五”铁路网络安全和信息化规划》等战略规划性文件,构建铁路数据战略总体规划,提出系统完整的实施评估准则,以项目为单位,明确与国铁集团数据战略愿景和目标的差距,制定实施计划。

    突出数据治理实施指标C24的重要性,强调数据治理实施计划、工具、方法和流程等,加强铁路数据治理组织架构、岗位设置、团队建设、数据责任等建设,加强数据制度建设,保障数据管理各项工作有序开展。

    优化铁路主题域模型、概念模型、逻辑模型和物理模型,明确铁路数据在系统、组织和流程等方面的分布关系,明确权威数据来源。

    加大跨专业、跨领域的铁路数据共享,加强专业数据分析、挖掘建模、业务指标建设。

    突出数据安全策略指标C51的重要性,以《铁路数据分类分级指南》为基础,进一步识别各类业务敏感数据并定级,制定铁路数据安全管控策略,加强基于分类分级精细化的数据访问授权、脱敏、加密、隐私防护、审计等技术手段,强化组织内部对数据生存周期全过程薄弱环节的安全管理。

    加强铁路数据战略规范,明确铁路组织内部外部的数据管理目标,根据数据质量需求,制定用来衡量数据质量的规则。

    加强铁路主数据、数据元等数据标准的引用和梳理工作,加强数据元标准、指标数据、数据安全相关标准建设。

    进一步描述铁路组织对铁路业务生产过程中产生和使用数据的分类、含义、分布和流转。加强数据库结构、数据采集、数据整合、数据交换、数据访问及数据产品等方案的建设。

    铁路数据管理工作是一项复杂的系统工程,本文基于DCMM优化完善铁路数据管理能力评估体系,全面评估国铁集团数据管理能力当前所处的发展阶段,把握关键环节,该体系将成为提升铁路数据管理能力的有效途径,为铁路运输企业全面掌握数据管理能力情况和提升铁路数据要素作用打下基础。后续将进一步深入完善铁路数据管理能力相关研究,为各铁路局集团公司推进铁路数据管理能力评估、了解数据管理现状、发现短板,全面提升铁路数据管理能力和水平提供参考。

  • 图  1   铁路数据管理能力成熟度评价体系

    图  2   铁路数据管理能力成熟度评价体系指标组合权重分布

    表  1   数据管理评估模型对比

    名称一级评价维度(能力域)
    数量/个
    二级评价维度(能力项)
    数量/个
    评价等级数量/级等级描述应用范围
    IBM数据治理成熟度模型4115初始、管理、定义、定量管理和优化各类业务领域
    DMM6255初始、管理、定义、定量管理、优化金融行业、电信行业、能源行业、
    制造行业、IT行业和服务业
    DCAM8376未开始、概念性、开发、已定义、
    实现和优化
    金融保险行业
    DCMM8285初始级、受管理级、稳健级、
    量化管理级、优化级
    各类业务领域,互联网、电力、
    金融、通信等领域
    下载: 导出CSV

    表  2   铁路数据管理能力成熟度评价体系指标组合权重表

    序号层次指标层次指标权重值组合权重值Pi
    B1B2B3B4B5B6B7B8
    1A0.20790.18480.06930.13860.14540.09240.11550.0462/
    2C110.27780.0577
    3C120.38890.0808
    4C130.11110.0231
    5C140.22220.0462
    6C210.27270.0504
    7C220.22730.0420
    8C230.13640.0252
    9C240.36360.0672
    10C310.15000.0104
    11C320.35000.0243
    12C330.20000.0139
    13C340.30000.0208
    14C410.26320.0365
    15C420.10530.0146
    16C430.21050.0292
    17C440.42110.0583
    18C510.42110.0612
    19C520.36840.0536
    20C530.21050.0306
    21C610.18520.0171
    22C620.25930.0240
    23C630.07410.0068
    24C640.14810.0137
    25C650.33330.0308
    26C710.07410.0086
    27C720.33330.0385
    28C730.25930.0299
    29C740.22220.0257
    30C750.11110.0128
    31C810.21050.0097
    32C820.26320.0122
    33C830.36840.0170
    34C840.15790.0073
    下载: 导出CSV
  • [1] 中共中央. 国务院关于构建数据基础制度更好发挥数据要素作用的意见[EB/OL].(2022-12-19)[2023-04-17]. http://www.gov.cn/zhengce/2022-12/19/content_5732695.htm.
    [2]

    CMMI Product Team. CMMI for development, version 1.2[EB/OL]. [2014-05-15]. https://kilthub.cmu.edu/articles/report/CMMI_for_Development_Version_1_2/6572327/1#:~:text=CMMI%20for%20Development%20%28CMMI-DEV%29%2C%20Version%201.2%20is%20an,the%20model%20portion%20of%20the%20CMMI%20Product%20Suite.

    [3] 叶 兰. 研究数据管理能力成熟度模型评析 [J]. 图书情报知识,2015(2):115-123. DOI: 10.13366/j.dik.2015.02.115
    [4] 叶 兰. 数据管理能力成熟度模型比较研究与启示 [J]. 图书情报工作,2020,64(13):51-57. DOI: 10.13266/j.issn.0252-3116.2020.13.008
    [5] 中国电子信息行业联合会. 数据管理能力发展白皮书[R]. 北京: 中国电子信息行业联合会, 2019: 8-14.
    [6] Sunil Soares. IBM数据治理统一流程[R]. Sunil Soares:MC Press Online, 2010(9): 30-36.
    [7]

    CMMI Institute. Data management maturity (DMM)[EB/OL].(2019-09-25)[2023-04-17]. https://cmmiinstitute.com/products/dmm.

    [8]

    EDM Council. DCAM: the data management capability assessment model[EB/OL]. (2019-09-25)[2023-04-17]. https://datatunnel.io/2023/03/05/dcam-and-data-management-capabilities/#:~:text=The%20Data%20Management%20Capability%20Model%20%28DCAM%29%20is%20a,to%20assess%20and%20improve%20their%20data%20management%20capabilities.

    [9] 全国信息技术标准化技术委员会. 数据管理能力成熟度评估模型[EB/OL]. (2018-03-15)[2023-04-17]. https://std.samr.gov.cn/gb/search/gbDetailed?id=71F772D82C6CD3A7E05397BE0A0AB82A.
    [10] 廉小亲,杨 凯,程智博,等. 面向建设期铁路大数据的分级存储方法研究 [J]. 铁路计算机应用,2022,31(2):17-22. DOI: 10.3969/j.issn.1005-8451.2022.02.04
    [11] 赵水霞,王文君,吴英杰,等. 综合干旱指数构建及其在不同草原类型中的应用 [J]. 农业工程学报,2021,37(16):99-107. DOI: 10.11975/j.issn.1002-6819.2021.16.013
    [12]

    Chu S C K, Chu L S. A modeling framework for hospital location and service allocation [J]. International Transactions in Operational Research, 2000, 7(6): 539-568. DOI: 10.1111/j.1475-3995.2000.tb00216.x

    [13] 李学平. 用层次分析法求指标权重的标度方法的探讨 [J]. 北京邮电大学学报(社会科学版),2001,3(1):25-27.
    [14] 徐晓敏. 层次分析法的运用 [J]. 统计与决策,2008(1):156-158. DOI: 10.13546/j.cnki.tjyjc.2008.01.020
    [15] 王盛海. 众因素系统的定性排序与定量分析 [J]. 高师理科学刊,2003,23(4):4-6. DOI: 10.3969/j.issn.1007-9831.2003.04.002
  • 期刊类型引用(4)

    1. 谢旭东. 智慧税务背景下税务部门数据管理能力建设研究——基于DCMM探索构建TDCMM. 国家税务总局税务干部学院学报. 2025(01): 57-64 . 百度学术
    2. 陈懂娟. 建筑工程全过程造价管理成熟度评价模型研究. 中国高新科技. 2024(04): 65-66+92 . 百度学术
    3. 宋树宝,卢文龙,解亚龙. 铁路工程建设管理信息系统建设期数据分类分级研究. 铁路技术创新. 2024(02): 13-20 . 百度学术
    4. 程越,王双. 资产管理数字化成熟度模型构建与应用. 科技管理研究. 2024(19): 50-62 . 百度学术

    其他类型引用(2)

图(2)  /  表(2)
计量
  • 文章访问数:  126
  • HTML全文浏览量:  41
  • PDF下载量:  37
  • 被引次数: 6
出版历程
  • 收稿日期:  2023-04-16
  • 刊出日期:  2023-09-26

目录

/

返回文章
返回