构建数据成熟度模型和数据成熟度的四个阶段

数据是世界上增长最快的资源之一，估计每天创建 2.5 万亿字节。数据似乎无处不在，但实际上，我们才刚刚开始使用它。今天存在的超过 90% 的数据可能是在过去五年内创建的。

那么数据成熟度意味着什么?答案显而易见的是：数据使用。使用数据来指导决策的已成为趋势。新冠疫情之下迫使人们重新定义安全基线。创新业务变得更加成熟，但我们大多数单位组织其实刚刚踏上数据之旅。

什么是数据成熟度?

数据成熟度是对组织利用其数据的程度的衡量。为了实现高水平的数据成熟度，数据必须在组织中充分融入所有决策和实践。

依据国外的一些观点，数据成熟度通常分阶段进行衡量。数据成熟度是衡量组织数据分析先进程度的指标。

数据成熟度不仅与数据在组织的日常运营中所扮演的角色有关，过去在不使用数据的情况下完成，未来数据将提供非常友好的辅助决策的能力。数据成熟度在数据如何使各种形式和规模的组织能够在未来做一些无法做到的事情有关，从这个角度来看数据成熟度，变成了一个授权问题：如何以强大的方式利用数据来解锁新的见解和创新，最终将想法变为现实?

对我们来说，数据成熟度是一个探索之旅。组织不仅更加熟悉其必须使用的数据源，而且还学习如何以开拓的方式利用它。事实上，一旦组织从仅将数据视为信息来源的局限中迈出一大步，并且随着时间的推移，开始了解其作为决策制定的影响者甚至破坏者的真正潜力，组织就希望数据变得更加成熟十倍。

数据成熟度模型：定义组织对数据的不同体验级别

为了更好地理解这些差异，国内外都在研究并开发数据成熟度模型，以国外的某个模型为例，其详细说明了组织对数据的不同体验水平，以及这种体验在不同业务领域的表现方式。

其实，所有的数据成熟度模型并不是全新革命性的，是所有数据安全从业者共同打造的成果。但我们希望利用数据成熟度，为组织开展更加成熟的数据指明方向。

大多数数据成熟的组织比以前更先进，在数据成熟度的各个类别中都有体现。其正在处理各种各样的数据，无论是结构化数据集还是非结构化数据集，都正在寻找可能拥有大量数据以帮助组织进一步区分业务，并且构建自己的基础架构来处理所有数据，并快速地发现洞察力。

数据最成熟的组织一般拥有一支专门负责采购和加入新数据集的团队，以便在业务决策的任何地方都可以利用这些数据。

数据成熟度的 4 个阶段

许多组织和行业已经开发了数据成熟度曲线或模型来说明如何将数据集成到业务流程中。数据成熟度曲线和模型适用于非常具体的主题，例如客户数据，以及更普遍的主题，例如数据治理。

为了创建数据成熟度模型，国外某公司研究以业务的六个方面：战略、数据、文化、架构、数据治理和采购/入职作为入手，呈现出他们理解的数据成熟度的四个独特阶段。

阶段1.探索者

‍ 刚刚开始使用数据的组织虽然可能将数据用于报告目的，但是临时性的。他们不为这些报告提供数据，只使用内部收集的数据。

阶段 2. 用户

‍ 用户组织意识到数据质量对于成功的重要性。他们通过添加临时数据集来帮助扩大内部数据源，使其成为在整个组织内部使用数据的标准。他们对数据的反应性使用有助于做出有洞察力的业务决策。

阶段 3. 领导者

‍ 与用户类似但是，他们也将数据用于竞争情报。为了完成组织使命和业务成功，领导者除了使用自己的数据外，还使用第三方数据集。

阶段 4. 创新者

‍ 数据不仅仅用于分析和观察。事实上，作为创新者的组织正在使用数据来创建算法并预测他们如何保持领先地位。随着数据治理成为整个组织业务战略的一部分，创新者必须不断以新的方式利用数据来适应未来的不确定性。

数据成熟度不断发展

数据是当今任何组织都可以使用的最有价值的资产之一。如果组织还不能充分利用数据，意味着正好可以开始自己的数据成熟度之旅。随着可用数据量的不断增长并变得更易于访问，组织使用数据的方式——以及数据成熟——将继续发展。

有很多方法可以成为数据成熟的组织。当做出将数据置于组织核心的重要决定时，即将组织带入数据时代的第一步。让我们帮助你完成自己的数据成熟度之旅吧。