《数据管理能力成熟度评估模型》贯标工作思考
2023-07-10 来源：新工业网
GB/T 36073—2018《数据管理能力成熟度评估模型》（以下检测“DCMM”）是我国在数据管理领域的首个国家标准，由全国信标委大数据标准工作组历经4年时间研发，于2018年3 月15日正式发布。DCMM模型从组织、制度、流程、技术等维度对数据管理能力进行了分析总结，提炼出八个过程域，即数据战略、数据治理、数据架构、数据应用、数据安全、数据质量、数据标准、数据生命周期，描述了八个过程域的定义、功能、目标和标准，并进一步把八个过程域划分成28个过程项，441项评价指标。DCMM 模型是一个整合了标准规范、管理方法论、评估模型等多方面内容的综合框架，是我国数据管理领域最佳实践的总结，可作为企业对自身数据管理能力建设进行规划、设计和评估的依据。
本文针对两年来参加 DCMM 贯标评估的企业对其在地域、行业、规模分布上的特点进行分析，并与A股上市企业进行对比，同时对 DCMM 贯标工作的历史影响因素进行了分析，从而为后续推动DCMM贯标工作提出参考建议。
1 DCMM贯标企业分析
随着国家大数据战略的深入实施，各行各业都更加重视数字化转型，“大数据+行业”的渗透融合生态正在加速构建，数字化、网络化和智慧化融合发展正成为时代特征。数字化转型给企业业务带来的价值有：重构业务流程，提升效率，降低成本；重构用户体验，做到以用户为中心；重构产品和服务，开辟业务增量发展空间；重构商业模式，依托与合作伙伴共建的开放价值生态网络实现价值创造和传递。“数字化转型是产业高质量发展的基础”正在成为共识。
据《中国互联网发展报告2021》报道，2020年我国数字经济规模已达到39.2万亿元， 占GDP比重达38.6%。但是，企业在加速拥抱数字化时，也遇到了数据质量低、数据孤岛普遍存在、数据安全管理不到位、数据流通共享不畅等突出问题。专家认为，企业在处理数据质量问题上的支出占收入的 10%~30%。企业只有加强自身的数据治理能力才有可能解决以上问题，而DCMM贯标正是企业提升自身数据治理能力的重要抓手：企业通过参加贯标，有助于自身提高数据管理意识，掌握数据管理方法，事半功倍地提高自身数据管理能力。
截至2022年1月，我国4000余家A股上市企业对应的总市值已经超过90万亿元，占我国GDP的比重超过80%。作为我国企业的“优等生”和我国经济的“压舱石”，这4000余家A股上市企业同样也遇到了数字化转型过程中的各种问题，同样也存在加强自身数据治理能力的实际需求。A股上市企业可成为下阶段DCMM贯标工作的重点目标企业，所以本章尝试把这两个企业群体从地域、行业、规模等方面进行分析，为下阶段DCMM贯标工作的开展提供一些参考建议。
1.1 地域分布分析
1）计算各省 DCMM 贯标企业数量占贯标企业总数的比例，然后基于各省比例进行地理化渲染，颜色越深代表该省的比例越高。DCMM 贯标企业占比较高的省份是河北省（19.43%）、山西省（13.14%）和北京市（12%）。计算各省 A 股上市企业数量占上市企业总数的比例，然后基于各省比例进行地理化渲染，颜色越深代表该省的比例越高。A股上市企业占比较高的省份是广东省（16.25%）、浙江省（12.87%）和江苏省（12.26%）。
2）列表分析。把 DCMM 贯标企业省份占比和 A 股上市企业省份占比两个指标按省份并列，并按照两个比例之差的绝对值逆序排列，见表1。
表1 DCMM贯标企业省份占比与A股上市企业省份占比
通过分析 DCMM 贯标企业省份占比与 A 股上市企业省份占比存在较大差异的省份，建议下阶段DCMM贯标工作重点可放在广东、浙江、上海、安徽和江苏五省。例如，安徽省目前尚无企业参与 DCMM 贯标，对应 DCMM 贯标企业占比为0%，但实际上该省拥有149家上市企业，对应A股上市企业占比为3.16%，安徽省的知名企业有海螺水泥、长虹美菱和洽洽食品等。
从公开报道的新闻可了解到：海螺水泥创造了世界首个全流程智能水泥工厂；长虹美菱成立了工业互联网创新应用实验室，打造智能工厂；洽洽食品的基于全价值链数据应用的高效一体化协同管理项目入选工信部2021年大数据产业发展试点示范项目名单。以上充分说明该省的龙头企业在不断推动和引领数字化转型，DCMM贯标工作在该省的发展是有潜力的。
1.2 行业分布分析
1）计算各行业 DCMM 贯标企业数量占贯标企业总数的比例，然后基于各行业比例绘画饼图。从图1可看出，DCMM贯标企业占比较高的行业是信息传输、软件和信息技术服务业（38.29%）、制造业（18.86%）与科学研究和技术服务业（15.43%）。
图1 DCMM贯标企业行业占比示意图
计算各行业A股上市企业数量占全国A股上市企业总数的比例，然后基于各行业比例绘画饼图。从图2可看出，A股上市企业占比较高的行业是制造业（64.97%）、信息传输、软件和信息技术服务业（8.26%）与批发和零售业（3.97%）。
图2 A股上市企业行业占比示意图
2）列表分析。把 DCMM 贯标企业行业占比与 A 股上市企业行业占比按行业并列，并按照两个比例之差的绝对值逆序排列，见表2。
表2 DCMM贯标企业行业占比与A股上市企业行业占比
通过分析 DCMM 贯标企业行业占比与 A 股上市企业行业占比存在较大差异的行业，判断下阶段DCMM贯标工作重点可放在制造业，同时也可加强对房地产业的企业调研。例 如，房地产业目前尚无企业参与DCMM贯标，对应DCMM贯标企业占比为0%，但实际上该行业共有116家上市企业，对应A股上市企业占比为2.46%，房地产业的知名企业有万科和招商蛇口等。
从公开报道的新闻可了解到：万科已经搭建了大数据分析平台，提供了动态监测、信息查询、数据分析等功能，满足公司员工各业务端口的工作需求；招商蛇口在2019年就完成了数字化建设顶层设计布局，在疫情发生后，迅速搭建了实现社区与员工疫情信息的实时汇集的信息化平台，升级了停车场管理系统，推出了可填补线下缺口的线上看房平台“招商好房”。以上充分说明房地产业的龙头企业同样处于数字化转型的进程中，DCMM 贯标工作也可针对房地产企业来开展。
1.3 企业规模分析
1）可视化展示。计算各类注册资本规模的 DCMM 贯标企业的数量占全国贯标企业总数的比例，然后基于各类注册资本规模比例绘画饼图。从图3可看出，15.43%的DCMM贯标企业注册资本小于3000万元，36.57%的企业注册资本处于3000 万元到 2 亿元区间，21.14% 的企业注册资本处于 2 亿元到15亿元区间。
计算各注册资本规模的A股上市企业数量占全国A股上市企业总数的比例，然后基于各类注册资本规模比例绘画饼图。从图4可看出，0%的A股上市企业注册资本小于3000万 元，25.74% 的企业注册资本处于 3000 万元到 2 亿元区间，57.66%的企业注册资本处于2亿元到15亿元区间。
图3 DCMM贯标企业注册资本规模占比示意图
图4 A股上市企业注册资本规模占比示意图
2）列表分析。把DCMM贯标企业注册资本规模占比与A股上市企业注册资本规模占比按注册资本规模并列，并按照两个比例之差的绝对值逆序排列，得到表3如下。
表3 DCMM贯标企业与A股上市企业的注册资本规模占比
通过分析 DCMM 贯标企业注册资本规模占比与 A 股上市企业注册资本规模占比存在较大差异的注册资本规模，可以发现：1）有15%的DCMM贯标企业是注册资本小于3000万元的小型企业，而A股上市企业对应注册资本全都大于3000万元；2）将近21%的上市企业是注册资本在2亿元到15亿元区间的大中型企业，而58%的上市企业是注册资本在该区间。
目前注册资本在 2 亿元到 15 亿元区间的上市企业共有2720家，它们是中国经济活动中创造价值的主体和中坚力量，如能促进这部分企业积极参与DCMM贯标，对于促进全社会的数字化转型成功和劳动生产率提高有较大意义，对于树立DCMM标准的业内影响力也有较大帮助作用。所以，建议下阶段的DCMM贯标工作可抓大放小，加强对这部分大中型企业的贯标工作。
1.4 小结
把工信部提出的 DCMM 贯标工作的宏伟目标和 A 股上市企业的实际需求结合考虑，A股上市企业可成为下阶段DCMM贯标工作的重点目标企业，基于此设想对DCMM贯标工作提供如下参考建议：1）从地域来看，工作重点可放在广东、浙江、上海、安徽和江苏五省；2）从行业来看，工作重点可放在制造业，同时也可加强对房地产业的企业调研；3）从企业的注册资本规模来看，建议抓大放小，加强对注册资本在2亿元到15亿元区间的这部分大中型企业的贯标工作。 2 DCMM贯标工作历史影响因素分析
2.1 说明
DCMM贯标企业在各省（自治区、直辖市）之间的分布是不均衡的，贯标企业占比较高的省（自治区、直辖市）是河北省（19.43%）、山西省（13.14%）和北京市（12%），占比较低的省（自治区、直辖市）是广西壮族自治区（0.57%）、甘肃省（0.57%）和福建省（0.57%），而在过去两年没有企业参与贯标的内地省（自治区、直辖市）则有安徽省、河南省和湖南省等。
下阶段如果延续原有工作方法来推动 DCMM 贯标工作的开展，则可以先从分析DCMM贯标企业在各省之间的分布现状受到了哪些因素影响入手，找出有利因素，在工作中放大有利因素的作用。
基于经验判断，应当存在以下影响因素：1）该省人均GDP：体现了该省的经济发达程度，发达经济体的数字经济发展程度通常较高，数据治理的需求也更旺盛；2）该省上市企业数量：体现了该省的经济发展规模；3）该省上市企业的ROE中位数：体现了该省的经济发展质量；4）该省政府主管部门是否出台了鼓励企业参与DCMM贯标的政策。
本章尝试使用线性建模和决策树等方法对这些影响因素进行定性分析，为下阶段DCMM贯标工作的开展提供一些参考建议。
2.2 通过线性建模进行线性分析
以各省 DCMM 贯标企业占比为因变量，以各省人均GDP、各省上市企业数、各省上市企业的ROE中位数、各省政府主管部门是否出台了鼓励政策作为自变量，对DCMMcompanyProportion/GDPperCapita/StockCompanyCount取对数，对所有自变量进行中心标准化，然后建立如下线性回归模型。
在用R语言建立回归模型后，使用逐步回归的优化方法选出最终变量。 F检验对应p值小于0.05，整体回归是显著的。由于所有自变量进行了中心标准化，所以线性方程拟合系数体现了各影响因素对 DCMM 贯标企业数量的促进作用，据此分析如下：
i. 各地政府主管部门是否出台鼓励政策对应回归系数为正，而且p值小于0.05，说明政策对促进当地企业参与DCMM贯标起到强有力的推动作用，所以尽管河北的人均GDP只有北京的 1/3，但 DCMM 贯标企业数量比北京多 50%；ii. 人均GDP较高的地市有更多的企业愿意参与DCMM贯标，北京的人均GDP是全国最高，所以尽管当地政府没出台鼓励政策，但DCMM贯标企业数量在全国也能排第三名。iii.当地上市企业数量、当地上市企业的ROE中位数这两个变量在逐步回归的过程中被淘汰了，这可能是因为过去2年DCMM贯标的目标群体没有把上市企业群体作为重点，以及当地人均GDP也间接体现了当地的经济发展规模与质量，承载了当地上市企业数量、当地上市企业的ROE中位数所蕴含的部分信息。综上，对原有DCMM贯标工作方法提供如下参考建议：i.出台了鼓励政策的省份应当作为DCMM贯标的优先地区；ii.人均GDP较高的地区，例如北京、上海，应当作为DCMM贯标的重点地区。
2.3 通过决策树进行非线性分析
以各省 DCMM 贯标企业占比为因变量，把占比大于 1%的省份定义为DCMM贯标工作发展潜力较大省份，其余省份则定义为潜力较小省份；以各省人均GDP、各省上市企业数、各省上市企业的ROE中位数、各省政府主管部门是否出台了鼓励政策作为自变量，建立决策树（见图5）。
图5 DCMM贯标影响因素的决策树分析
从决策树提炼出如下规则：1）在当地上市公司数超过216家的省份，DCMM 贯标工作发展潜力较大；2）对于当地上市公司数低于216家的省份，如果当地不出台激励政策，则DCMM 贯标工作发展潜力较小；如果当地出台激励政策，则有55%的概率该省DCMM贯标企业占比大于1%。
综上，对原有DCMM贯标工作方法提供如下参考建议： 1）不管当地是否出台激励政策，都应继续加强广东、浙江、江 苏、北京、上海和山东等地的工作；2）对于其他省份，则可只针对出台了激励政策的省份加强贯标工作。
2.4 小结
下阶段如果考虑延续原有工作方法来推动 DCMM 贯标工作的开展，则有如下参考建议：1）对于人均GDP较高和当地上市公司数较多的地区，例如广东、浙江、江苏、北京、上海和山东，应当作为DCMM贯标的重点地区；2）对于其他省份，则可只针对出台了激励政策的省份加强贯标工作。
3 总结
A股上市企业和DCMM贯标企业都属于我国企业的先进代表，A股上市企业同样存在数字化转型和数据治理的需求。工信部规划到2025年要对1万家重点企业完成贯标。从工信部提出的DCMM贯标工作的宏伟目标和A股上市企业的实际需求考虑，A股上市企业可成为下阶段DCMM贯标工作的目标企业群体，基于这个设想，本文把这两个企业群体从地域、行业、规模等方面进行对比，分析DCMM贯标工作的后续发力重点。
同时，本文也考虑了延续原有工作方法来推动DCMM贯标工作的开展的情况，并使用线性回归方程和决策树对DCMM贯标工作历史影响因素进行分析，认为在把出台了鼓励政策的省份作为DCMM贯标的优先地区的同时，也要把人均GDP较高的地区作为DCMM贯标的重点地区。
数字化转型是产业高质量发展的基础，DCMM贯标是提升数据治理能力的重要抓手。DCMM 贯标除了有利于帮助企业提升数据治理能力，同时也有利于政府主管部门精准掌握各地各行业数据产业发展现状。所以，地方政府和主管部门可适时推出鼓励政策和加强引导工作，推动DCMM贯标工作的开展；同时，重点行业组织也应和企业积极主动合作，通过行业指南、招标、采购等多种方式推动DCMM标准在本行业采信和贯彻落地，推动各方深化加强数据治理的共识。
原文刊载于《品牌与标准化》 2023年第1期 作者：广州赛宝认证中心服务有限公司 吴炜
相关新闻
版权声明
1、凡本网注明“来源：中国轻工业网” 的作品，版权均属于中国轻工业网，未经本网授权，任何单位及个人不得转载、摘编或以其它方式使用。已经本网授权使用作品的，应在授权范围内使用，并注明“来源：中国轻工业网”。违反上述声明者，本网将追究其相关法律责任。
2、凡本网注明 “来源：XXX（非中国轻工业网）” 的作品，均转载自其它媒体，转载目的在于信息之传播，并不代表本网赞同其观点和对其真实性负责。
3、如因作品内容、版权和其它问题需要同本网联系的，请于转载之日起30日内进行。
4、免责声明：本站信息及数据均为非营利用途，转载文章版权归信息来源网站或原作者所有。
