智能制造 数字化管理 数据管理成熟度评估指南.pdfVIP

智能制造数字化管理数据管理成熟度评估指南

1范围

本文件规定了智能制造数字化管理数据管理成熟度评估等级、评价原则、评价方法、评价指标和评

价流程。

本文件适用于制造企业进行数据管理能力成熟度评估，以推动企业的信息化、数字化和智能化发展。

2规范性引用文件

下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，

仅该日期对应的版本适用于本文件；不注日期的引用文件，其必威体育精装版版本（包括所有的修改单）适用于本

文件。

GB/T36073-2018数据管理能力成熟度评估模型

GB/T39116-2020智能制造能力成熟度模型

3术语和定义

下列术语和定义适用于本文件。

3.1

智能制造intelligentmanufacturing

利用信息化技术和先进制造技术，实现制造过程的自动化、数字化和智能化。

3.2

数据管理datamanagement

规划、组织、监控和维护数据资源的一系列活动，确保数据的有效利用和生命周期内的治理。

3.3

数据管理成熟度datamanagementmaturity

企业在数据管理方面的能力和成熟度，包括数据战略、数据治理、数据架构、数据应用、数据安全、

数据质量、数据标准和数据生存周期等方面。

4模型框架

数据管理模型框架由成熟度等级、能力要素和成熟度要求构成，其中，能力要素由能力域构成，能

力域由能力子域构成，如图1所示。

1

图1数据管理模型框架

5成熟度评估等级

5.1采用分层评估模型，将智能制造、数字化管理和数据管理成熟度分为初始级、受管理级、稳健级、

量化管理级和优化级五个等级。

5.1.1初始级

数据需求的管理主要是在项目级体现，没有统一的管理流程，主要是被动式管理，在全国范围内，

有较高比例（75%）的企业处于这一等级，具体特征如下。

a)组织在制定战略决策时，未获得充分的数据支持；

b)没有正式的数据规划、数据架构设计、数据管理组织和流程等；

c)业务系统各自管理自己的数据，各业务系统之间的数据存在不一致现象，组织未意识到数据

管理或数据质量的重要性；

d)数据管理仅根据项目实施的周期进行，无法核算数据维护、管理的成本。

5.1.2受管理级

组织已意识到数据是资产，根据管理策略的要求制定了管理流程，指定了相关人员进行初步管理，

在所有企业中，有相当一部分（14%）处于这一等级，具体特征如下。

a)意识到数据的重要性，并制定部分数据管理规范，设置了相关岗位；

b)意识到数据质量和数据孤岛是一个重要的管理问题，但目前没有解决问题的办法；

c)组织进行了初步的数据集成工作，尝试整合各业务系统的数据，设计了相关数据模型和管理

岗位；

d)开始进行了一些重要数据的文档工作，对重要数据的安全、风险等方面设计相关管理措施。

5.1.3稳建级

数据已被当作实现组织绩效目标的重要资产，在组织层面制定了系列的标准化管理流程，促进数据

管理的规范化，在所有企业中，有少数企业（6%）能达到这一等级，具体特征如下。

a)意识到数据的价值，在组织内部建立了数据管理的规章和制度；

b)数据的管理以及应用能结合组织的业务战略、经营管理需求以及外部监管需求；

c)建立了相关数据管理组织、管理流程，能推动组织内各部门按流程开展工作；

d)组织在日常的决策、业务开展过程中能获取数据支持，明显提升工作效率；

e)参与行业数据管理相关培训，具备数据管理人员。

2

5.1.4量化管理级

达到了智能化生产的初级阶段，为企业进一步创新和发展奠定了基础，数据被认为是获取竞争优势

的重要资源，数据管理的效率能量化分析和监控，具体特征如下。

a)组织层面认识到数据是组织的战略资产，了解数据在流程优化、绩效提升等方面的重要作用，

在制定组织业务战略的时候可获得相关