初始级

组织未建立数据管理意识,数据仅作为业务系统附属物存在,数据管理主要在项目层面开展。具体特征如下:

a) 制定组织战略时依赖经验而非数据驱动，未充分利用数据;

b) 各业务系统独立存储数据,数据标准不统一;

c) 各业务系统分别开展数据管理和应用工作,缺少统一的管理策略。

受管理级

组织初步具备数据资产意识,建立了基本的数据管理流程,数据管理主要在部门层面开展。具体特征如下:

a) 在业务部门层面制定数据管理制度,设置数据管理岗位,落实数据管理责任;

b) 组织开展局部的数据集成工作,整合各业务系统的数据,明确数据流转规则;

c) 对统计分析和监管报送等核心数据开展数据质量、数据标准和数据安全管理。

稳健级

组织将数据视为实现战略目标的重要资产,建立了统一的数据管理体系,推动数据要素价值释放。具体特征如下:

a) 制定并发布组织级数据战略,符合组织业务战略、经营管理和外部监管需求;

b) 建立全面的数据管理制度体系,规范各部门的数据管理活动;

c) 建立组织级的数据管理部门,统筹数据管理与应用,推动业务部门主动参与数据治理;

d) 建立组织级的数据应用团队,支撑日常决策和业务开展,推动数据赋能业务;

e) 建立组织级数据目录,在组织层面开展数据标准、数据质量、数据安全和数据架构等管理活动;

f) 建立组织级数据资产权属登记、价值评估和授权运营机制，探索数据流通应用;

g) 培育数据文化,提升全员数据素养。

量化管理级

组织将数据视为获取竞争优势的核心要素,通过量化管理驱动管理效能提升,实现数据要素安全高

效流通与价值转化。具体特征如下:

a) 将发展数据业务纳入组织的业务范畴,培育数据驱动的新产品与服务;

b) 在组织层面建立量化评估体系,可度量数据管理过程效率并持续优化;

c) 引入人工智能等先进技术,全面提升数据管理工作效率;

d) 量化评估数据应用流通过程中的成本、价值和风险,推动安全可信的数据流通应用;

e) 参与数据相关国家标准,主导行业标准的制定。

优化级

组织将数据视为生存和发展的基础,实现数据与业务及产业链生态的深度融合。具体特征如下:

a) 从战略到运营围绕数据全面构建新型组织形态,实现数据和业务的全面融合;

b) 实现组织和产业链上下游数据的深度融合,构建数据产业生态;

c) 参与数据相关国际标准,主导国家标准的制定;

d) 在国际和国家层面推广自身数据管理最佳实践。