对于企业数字化转型工作来说，建立一个可靠的量化评估体系至关重要。一方面，企业需要了解自身的数字化能力基础，发现自身在数字化建设方面的优势和短板，明确转型优化工作的具体开展方向；另一方面，企业也需要对转型过程中取得的成效进行科学、客观，以及综合的考核评价，对转型的投入与产出情况进行系统分析并开展相关决策。

任何一个项目或者变革过程，必须可评价，才能实现可管理、可优化。对于数字化转型也一样，需要一套科学的方法来对数字化转型的成熟度水平进行可靠的衡量。这个科学的衡量方法，具体表现一般为一个涵盖多维度、多等级的能力评价模型。当前，国内外有很多系统性的数字化成熟度评价模型，包括通用性的企业评价模型和针对某一特定类型企业或特定行业企业的评价模型。

对于前者，经典的评价模型包括CMM（能力成熟度模型）、CMMI（能力成熟度模型集成）、DMM（数据管理成熟度模型）、DCMM（数据管理能力成熟度模型）等；对于后者，比较有代表性的模型主要包括IDC&思科的中小企业全数字化成熟度模型、华为的开放数字化成熟度模型、工商银行的商业银行数字化转型能力框架及成熟度评价方法、德勤的零售企业数字化成熟度模型，以及工信部的制造业中小企业数字化水平评测指标等。其中，在不考虑企业行业及规模特性的情况下，CMM以及基于CMM迭代演化的DMM和DCMM对企业数字化能力评价具有很大启发意义，下面重点介绍：

1.CMM与CMMI

CMM全称是Capability Maturity Model，有时也表示为SW-CMM，其本质上是一种用于评价软件承包能力并帮助其改善软件质量的方法。CMM是由美国卡内基梅隆大学软件工程研究所1987年开发成功的，虽然称之为是能力成熟度模型，但它的聚焦于对软件企业的成熟度进行评价，目的是帮助软件企业对软件工程过程进行有效的管理和改进，使其更加有效地开发出高质量的软件产品。

CMM是一种科学化、标准化的企业成熟度评价方法，在面向软件能力的评价基础上，后续产生的对企业数字化能力水平的评价需求，也均可以延续这一成熟度量化体系，衍生出相应的特异性考察维度和评价指标。CMM包括五个不同等级，分别是初始级、可重复级、已定义级、管理级，和优化级，各等级的具体内涵如下：

初始级（Initial）：企业的软件项目处于无序状态，项目进行过程中常放弃当初的计划。管理活动没有章法，缺乏健全的管理制度。开发项目成效不稳定，项目成功主要依靠项目负责人个人的经验和能力，对项目负责人的依赖性过强。

可管理级（Repeatable）：管理实现了制度化，建立了基本的管理制度和规程，管理工作有章可循。初步实现了标准化，开发工作可以比较好地按标准实施；项目的变更得以依法进行，项目具备基线化特征，版本稳定且可跟踪；新项目的计划和管理基于过去的实践经验，具有重复以前成功项目的环境和条件。

已定义级（Defined）：企业在软件系统开发过程中，包括技术工作和管理工作，均已实现了标准化和文档化，建立了完善的培训制度和专家评审制度，全部技术活动和管理活动均可控制，对项目进行中的过程、岗位和职责均有共同的理解。

量化管理级（Managed）：企业对产品和过程已建立了定量的质量目标，其中，开发活动中的生产效率和生产质量是可度量的，企业建立了过程数据库，实现了对项目产品和过程的控制，可预测过程和产品质量趋势，并实现及时纠正。

优化级（Optimizing）：企业可集中精力改进过程，在项目中采用新技术、新方法；企业拥有防止出现缺陷、识别薄弱环节以及加以改进的手段，可取得和过程有效性相关的关键统计数据，并可根据数据分析不断总结得出最佳实践方法。

在CMM的评价框架中，基于上述五个不断进化的层次等级，能够准确有效地评定企业在软件生产方面的历史与现状，从软件过程管理的视角，帮助企业提升在构建和提供软件服务方面的综合能力水平。之后在CMM的基础之上，又不断升级出了最新版本的评价模型，即CMMI（Capability Maturity Model Integration），能力成熟度模型集成。

CMMI有效地将各种能力成熟度模型在同一架构中进行了统一集成，是一个融合多个学科专业的企业能力管理工具，用以解决除软件开发以外的软件系统工程和软件采购工作中的迫切需求。在CMMI中，一共定义了5个级别，即执行级、管理级、明确级、量化级、优化级，其中高成熟度等级表示企业有比较强的软件综合开发能力。

图15.不同成熟度标准之间的关联关系

2.DMM

DMM（Data Management Maturity），企业数据管理成熟度模型，是由CMMI协会于2014年发布的，它可以用来评估和提升组织的数据管理水平。DMM可以帮助企业有效地跨越IT与业务之间的鸿沟，采用科学的实践框架，指导企业遵循标准化的升级路径，不断优化对数据资源的各方面管理活动。

DMM模型沿用了软件能力成熟度集成模型（CMMI）的一些基本原则、结构和证明方法，定义了企业数据管理工作中一系列的关键概念和产业经验共识，在一些场合中，DMM也被表述为CMMI-DMM。对于正在开展数字化转型工作的企业来说，DMM是非常“称职”、可靠的成熟度管理工具，企业可以结合自身的组织架构、业务特征、利益相关者情况，从DMM中衍生出符合自身发展需求的数字化成熟度模型。

一个相对标准化的DMM模型框架中，数据管理成熟度不同层级的主要特点大致如下：

已执行级（Performed）：数据作为项目实施的需求进行管理；可管理级（Managed）：企业意识到数据作为企业关键资产的重要性，局部实现了常态化管理；可定义级（Defined）：数据在组织中被视为关键生产要素；可度量级（Measured）:数据被视为竞争优势的来源分析；优化管理级（Optimized）:在一个充满活力和竞争的市场中，数据被视为生存的关键，持续提升和优化。

3.DCMM

面向数字化转型和数据管理的迫切需求，国内也有类似于CMMI-DMM的具有影响力的通用成熟度评估模型，即DCMM，Data management Capability Maturity Model，数据管理能力成熟度评估模型。DCMM由全国信息技术标准化委员会牵头编制，并于2018年3月15日发布，该模型参考了DAMA（国际数据管理协会）发布的DMBOK相关内容，形成了我国在数据管理领域的首个国家标准（GB/T36073-2018）。

与CMMI-DMM类似，DCMM模型将组织的数据能力成熟度氛围五个重要等级，包括初始级、受管理级、稳健级、量化管理级，以及优化级。与DMM相比，DCMM更符合中国数字化转型的具体产业发展特色，对金融、政府、零售、工业等不同领域的数字化建设与实施场景均具有成熟的管理方法支撑。

DCMM将组织的数据管理划分为八大能力域，包括数据战略（数据战略规划、数据战略实施、数据战略评估）、数据治理（数据治理组织、数据制度建设、数据治理沟通）、数据架构（数据模型、数据分布、数据集成与共享、元数据管理）、数据标准（业务数据、参考数据和主数据、数据元、指标数据）、数据质量（数据质量需求、数据质量检查、数据质量分析、数据质量提升）、数据安全（数据安全策略、数据安全管理、数据安全审计）、数据应用（数据分析、数据开放共享、数据服务）、数据生存周期（数据需求、数据设计和开发、数据运维、数据退役），共涵盖28个过程项、441项评价指标。

和DMM相比，DCMM所定义的内容维度详细全面，在表述方面更加接近国内企业管理的实践用语。同时，DCMM的定位层级更高，属于国家级标准。

在DCMM中，强调数据战略和数据标准，数据战略是组织数据管理的最高总则，为组织的数据管理提供方向指引，而数据标准则是数据管理实践的执行规范，为组织的数据管理提供具体的操作指导。除此以外，DCMM还突出强调了数据安全和数据应用两大方面内容，这一方面对企业之间数据的广泛流通和交互活动提供了有效的信息安全参考标准，同时，也推动数字化建设活动与业务实践深度结合，构建更具价值的数字经济应用生态。