Модель зрелости управления данными (Data Management Maturity, DMM)

Данные копятся в любой компании — в таблицах, CRM, учётных системах — вопрос не в их наличии, а в том, можно ли им доверять при принятии решений. Модель зрелости управления данными (Data Management Maturity, DMM) от CMMI Institute — той же организации, что стоит за общей моделью CMMI — оценивает не объём данных, а то, насколько системно компания ими управляет.

Модель разрабатывалась не кабинетно, а на основе практики целой индустрии: CMMI Institute создавал DMM 3,5 года, привлекая 4 организации-спонсора, свыше 50 авторов и более 70 рецензентов, а к моменту публикации в августе 2014 года модель уже была опробована более чем в 80 организациях. Один из показательных реальных кейсов применения — бразильская компания Neoway Business Solutions, поставщик аналитики как услуги: начав диагностику именно с категорий «Governance» и «Качество данных» (а не с самых заметных снаружи технологий), команда системно выявила и устранила свыше 70 крупных проблем с качеством данных на реальных производственных системах. Другой реальный кейс — американская ипотечная корпорация Fannie Mae, которая прошла повторную оценку по DMM спустя два года после первичной диагностики, интегрировав практики управления данными с гибкими (Agile) методами поставки. Оба кейса подтверждают ключевой тезис модели: устойчивый прогресс начинается не с дорогих инструментов аналитики, а с governance и качества — именно тех категорий, с которых начала диагностику Neoway. Среди компаний, одними из первых опробовавших DMM ещё на стадии её обкатки («ранние новаторы», по формулировке самого CMMI Institute), — сама Microsoft, ипотечная корпорация Fannie Mae, статистическая служба Федеральной резервной системы США (Federal Reserve System Statistics Function), пенсионный фонд учителей провинции Онтарио (Ontario Teachers’ Pension Plan) и ипотечная корпорация Freddie Mac: модель с самого начала проверялась параллельно в технологиях, финансах, страховании и государственной статистике, а не в одной узкой отрасли.

DMM построена по той же логике пяти уровней зрелости, что и классическая CMMI, но применённой конкретно к дисциплине управления данными, с детализацией до 25 конкретных процессных областей внутри шести категорий. Из этих 25 процессных областей 20 — специфичные именно для управления данными (например, качество данных, управление метаданными, архитектура данных), а оставшиеся 5 — заимствованные из классической CMMI поддерживающие процессные области (управление изменениями, измерение эффективности и другие процессы, общие для любой дисциплины, а не уникальные для данных). Официальная разбивка по категориям (Table 1 модели) выглядит так: «Стратегия управления данными» — 5 процессных областей (Data Management Strategy, Communications, Data Management Function, Business Case, Program Funding); «Governance данных» — 3 области (Governance Management, Business Glossary, Metadata Management); «Качество данных» — 4 области (Data Quality Strategy, Data Profiling, Data Quality Assessment, Data Cleansing); «Операции с данными» — 3 области (Data Requirements Definition, Data Lifecycle Management, Provider Management); «Платформа и архитектура» — 5 областей (Architectural Approach, Architectural Standards, Data Management Platform, Data Integration, Historical Data/Archiving/Retention); «Поддерживающие процессы» — 5 областей, заимствованных из классической CMMI (Measurement and Analysis, Process Management, Process Quality Assurance, Risk Management, Configuration Management).

Данные, которым нельзя доверять, хуже, чем отсутствие данных — они создают ложную уверенность в решениях.

Происхождение и исследовательская база

Модель разработана CMMI Institute (правопреемник Software Engineering Institute при Университете Карнеги-Меллон) как расширение классического подхода CMMI на дисциплину управления данными, опубликована в 2014 году и с тех пор широко используется как отраслевой стандарт диагностики зрелости управления данными наряду с DAMA-DMBOK и другими моделями. Модель создавалась не в вакууме: в разработке участвовали четыре компании-спонсора — Booz Allen Hamilton, Kingland Systems, Lockheed Martin и Microsoft, а старший вице-президент Booz Allen Hamilton Лесли ДиФонцо (Leslie DiFonzo) в официальном предисловии к модели описывала момент её создания как критический период для управления данными — на фоне стремительного роста объёмов данных и связанных с этим рисков и возможностей; управляющий директор Kingland Systems Джефф Горболл (Jeff Gorball) со своей стороны отмечал, что DMM даёт лучший доступный инструмент для объективной оценки компании на фоне практик, которые коллеги по отрасли признали необходимыми для качественного управления данными, и что модель не привязана к одной конкретной отрасли. Над моделью работали свыше 100 специалистов из 45 организаций, а перед официальным релизом её пилотировали на практике в 70 организациях — то есть это результат многолетней индустриальной обкатки, а не кабинетная теория. Доверие к самой методологической базе DMM опирается на послужной список её родителя: за два десятилетия до выхода DMM классическая CMMI была принята более чем в 94 странах, применена в тысячах организаций и напрямую повлияла на профессиональное развитие свыше 150 000 специалистов — от NASA, использовавшего её на пилотируемых космических миссиях, до небольших стартапов в Шанхае. Для организаций, которые хотят не просто провести самодиагностику по чек-листам, а получить формальную независимую оценку, CMMI Institute предлагает отдельный продуктовый трек: стандартизированную методику объективной оценки зрелости, партнёрскую программу для консалтинговых компаний и последовательные учебные курсы, ведущие к сертификации специалиста как Enterprise Data Management Expert (EDME).

Ключевые идеи и принципы

1. Принцип: шесть категорий управления данными.

   Стратегия управления данными (есть ли осознанный план, а не стихийный сбор), управление данными/governance (кто отвечает за качество и правила использования), качество данных (насколько данным можно доверять), операции с данными (как данные обрабатываются и хранятся на практике), платформа и архитектура (техническая инфраструктура), поддерживающие процессы (управление изменениями, обучение, измерение эффективности).

2. Принцип: пять уровней зрелости, как в классической CMMI.

   От выполняемого уровня (данные обрабатываются, но процессы не стандартизированы, качество непредсказуемо) через управляемый и определённый уровни до количественно управляемого и оптимизирующего, где управление данными измеряется и постоянно совершенствуется на основе метрик — та же логика пяти уровней, что использует эта Track-платформа для собственной CMMI-шкалы. В оригинальной терминологии CMMI Institute у каждого уровня, помимо названия, есть отдельная формулировка «перспективы» — как именно организация на этом уровне воспринимает сами данные: уровень 1, Performed («выполняемый») — данные управляются лишь как требование для реализации отдельных проектов; уровень 2, Managed («управляемый») — в организации есть осознание важности управления данными как критической инфраструктурой; уровень 3, Defined («определённый») — данные воспринимаются на уровне всей организации как критически важные для успешного выполнения миссии; уровень 4, Measured («измеряемый») — данные рассматриваются как источник конкурентного преимущества; уровень 5, Optimized («оптимизируемый») — данные воспринимаются как критически важные для выживания на динамичном конкурентном рынке. Важный нюанс официальной методики подсчёта: уровень зрелости целой категории (а не отдельной процессной области) присваивается только тогда, когда ВСЕ входящие в неё процессные области одновременно достигли этого уровня — причём не только по содержательным (функциональным) практикам, но и по практикам инфраструктурной поддержки; одна отстающая процессная область не даёт присвоить категории более высокий уровень, даже если остальные её процессные области заметно опережают.

3. Принцип: governance — не бюрократия, а ответственность.

   Governance данных не означает избыточные согласования — это про то, чтобы у ключевых данных был явный владелец, отвечающий за их качество и правила использования.

Ограничения, слепые зоны и критика

Типовые ошибки

1. Ошибка 1: данные собираются, но никто не отвечает за их качество.

   Разные системы содержат противоречивые версии одних и тех же данных (например разные суммы выручки в CRM и в бухгалтерии), и никто конкретно не занимается тем, чтобы это исправить.

   Как избежать

   назначить явного ответственного хотя бы за ключевые данные компании (выручка, клиентская база).

2. Ошибка 2: инвестируют в дорогие инструменты аналитики без базового порядка в данных.

   Покупается BI-платформа для визуализации, хотя исходные данные противоречивы и им нельзя доверять — красивые дашборды показывают неверные цифры.

   Как избежать

   сначала навести базовый порядок и качество данных, потом инвестировать в инструменты анализа.

3. Ошибка 3: считают управление данными разовым проектом.

   Один раз наводят порядок в данных («чистка базы»), но не выстраивают процесс поддержания этого порядка — данные снова деградируют со временем.

   Как избежать

   закладывать регулярный, повторяемый процесс проверки качества данных, а не разовую акцию.

4. Ошибка 4: пытаются внедрить все 25 процессных областей полной модели сразу.

   Компания, вдохновившись масштабом полной модели DMM (25 процессных областей в 6 категориях), пытается охватить их все одновременно вместо того, чтобы начать с диагностики нескольких наиболее критичных категорий (как Neoway начала именно с governance и качества) и постепенно расширять охват.

   Как избежать

   начинать с диагностики 1-2 категорий, критичных именно для текущих бизнес-проблем компании, а не пытаться внедрить полный охват модели сразу.

5. Ошибка 5: сравнивают компании по общему баллу зрелости, игнорируя разброс между категориями.

   Две компании с формально одинаковым общим уровнем зрелости данных признаются равнозначными, хотя у одной из них зрелость равномерно распределена по всем шести категориям, а у другой — резкий разрыв (например, отличная платформа при полном отсутствии governance).

   Как избежать

   сравнивать компании по профилю всех шести категорий по отдельности, а не по единому усреднённому баллу зрелости.

План внедрения

1. Неделя 1: инвентаризация ключевых данных.

   Определить, какие данные критически важны для решений компании (выручка, клиенты, воронка продаж).

2. Неделя 2: проверка качества.

   Честно оценить, есть ли противоречия между разными источниками одних и тех же данных.

3. Неделя 3: назначение ответственности.

   Закрепить владельца за каждым ключевым набором данных.

4. Неделя 4: регулярная проверка.

   Установить периодичность проверки качества ключевых данных. Далее: пересматривать систему раз в полгода.

Как реализовать этот план с помощью фрейма «Data Management Maturity» в OrgDevTools

Фрейм превращает DMM в рабочую самодиагностику. Вы оцениваете 25 процессных областей по пяти уровням и задаёте цель. Фрейм сам строит профиль по шести категориям, выстраивает очередь разрывов и формулирует итог. Это бесплатный тренажёр: с ним можно пройти четыре недели плана без покупки чего-либо.

Книги по теме

CMMI Institute — «Data Management Maturity (DMM) Model» (официальный стандарт, впервые опубликован в 2014 году, регулярно применяется как отраслевой инструмент оценки).