DMM模型在军事数据管理成熟度研究领域的适用性探讨

● 汤珊红¹，游宏梁¹，高 强¹，程佳军¹，杜婉莹²

(1.军事科学院军事科学信息研究中心，北京 100142；2.北京大学信息管理系，北京 100871)

摘 要： 为提高军队各部门数据资产管理意识，借鉴国内外成熟度相关理论思想，在重点介绍卡内基·梅隆大学提出的数据管理成熟度模型和分析军事数据管理存在问题基础上，根据军事数据管理现状和特点提出军事数据管理成熟度模型架构，分析军事数据管理成熟度模型应测度6个能力层面和25个能力项,最后对实施军事数据管理成熟度模型的意义进行简要概括，旨在帮助军事数据战略制定者从管理层面评估军事数据成熟度水平，促进军事数据管理和应用。

关键词： 军事数据；数据管理；成熟度模型；DMM模型

大数据的出现，信息正在加速涌入各行各业，增加了构建、优化和控制组织机构数据资产这一复杂事物的挑战性。数据主权已经成为继陆权、海权、空权、天权之后，大国博弈的新焦点^[1]，数据驱动的军队管理、军事科研和联合作战活动对军事数据建设与管理提出了新的更高要求。美军认为，组织需要采用协作的方式最优使用数据资产，把握战略态势，获得竞争优势。在此进程中，能力成熟度模型集成(Capability Maturity Model Integration，CMMI)研究所推出的数据管理成熟度模型(Data Management Maturity，DMM)能正确和科学地评估和改进数据管理工作^[2]。为确保军事数据的质与量，可以借鉴DMM的理念思想，构建军事数据管理成熟度模型(Military Data Management Maturity，MDMM)，进行军事数据的评估、规划和管理，以便最优使用军事数据这一战略资产。

1 数据管理成熟度模型概述

能力成熟度模型(Capability Maturity Model，CMM)是美国卡内基·梅隆大学软件工程研究所于20世纪80年代提出，该模型侧重于评估软件开发过程中的能力和管理。根据数据管理国际联盟的定义，数据管理是指对能够控制、保护、传递并加强数据资产价值的计划、策略、项目以及实践进行的研究、开发、执行与监督。数据管理过程特性与软件开发类似，主要由数据收集、数据获取、数据描述、数据归档、数据处理、数据分析、数据发现及重用等多种活动组成^[3]。近30多年来，CMM的理论和方法被美国高德纳咨询公司、IBM、美国企业数据管理协会、中国信息化标准委员会等多家组织和机构借用或借鉴，相继提出相应的数据管理成熟度模型。2014年8月，卡内基·梅隆大学正式提出DMM，也就是上文提到的CMMI研究所推出的DMM。

1 .1 数据管理成熟度模型评估的层面和流程领域

DMM是基于过程的模型，追求规范化、标准化，强调协作和持续改进的理念。DMM模型主要评估数据管理战略、数据治理、数据质量、数据操作、平台和架构、支撑流程6个层面(见图1)，25个流程领域(见图2)。每个层面包含名称、运行过程中应考虑的核心问题、以及每个过程应实现的目标，并对能力实践进行相关描述，实现数据管理与能力成熟度评估的有机融合，促进管理水平逐步提高和过程持续改进。DMM模型可根据不同的机构类别、不同的业务流程来定义数据管理。自推出以来，数百家公司组织使用该模型评估了自身的能力。采用该模型的公司组织包括美国海军部、微软、房利美、美联储统计局等，这些组织机构都认为DMM模型有助于更好地管理关键数据，能为相关部门控制操作风险提供一致的、可以进行比较的基准点。

4.2.1 明确平台定位，构建国家级资源共享平台。联合采访平台的建设只有在满足绝大部分用户需求的前提下，具备公益性质才能被广泛认同和运用。例如美国联机计算机图书馆中心OCLC数据，以及国内的联机联合编目系统就是很好的例证，它们成功最主要的因素就是满足了所有图书馆的共同需求。相反，由任何一方以营利为目的构建的平台自然不被市场看好，因为逐利性是商业的本质，也是众多商家的本性。只有将平台定位为公共服务资源平台，坚持行政推动和发挥市场作用相结合，最大限度地调动馆配三方参与平台建设的积极性，确保多方参与建设，扩大平台的覆盖范围，才能真正实现资源共建共享的目的。

图1 DMM模型评估的层面

图2 DMM模型评估的流程领域

图3 DMM模型的成熟度能力等级

1 .2 数据管理成熟度模型的能力等级划分

DMM模型明确地定义了5个不同的成熟度等级，采取增量方式逐步引入变化，使用该模型进行成熟度评估，可按系列微小改良性步骤向更高的成熟度等级递进。成熟度模型等级共分为5级(见图3)。初始级是缺乏数据思维，数据需求的管理在项目级进行，主要是被动式的管理，没有统一的管理流程；受管理级是组织已经意识到数据是资产，指定相关人员进行了初步管理，根据管理策略的要求制定了相应的管理流程；已定义级是数据已被当作实现组织绩效目标的重要资产，为促进数据管理的规范化，在组织层面制定了系列的标准化管理流程；量化管理级是数据被认为是组织机构获取竞争优势的重要资源，可对数据管理效率进行量化分析和监控，通过量化分析实现科学管理和进程改进；优化级是数据被认为是组织机构生存的基础，相关管理流程能实时优化，能够在行业内进行最佳实践分享^[4]。

对“物资采购、工程建设、合资合作、油品销售”等对外交易重点领域缺乏有效的监管措施，存在潜在的违规风险隐患；对商业伙伴的合规管理，限于资质审查，对于商业伙伴的合规情况，调查较少，有的项目甚至没有进行合规调查。

2 军事数据管理面临的问题

军事组织机构没有树立数据思维理念，未意识到军事数据的重要性，没有统一的数据管理流程，主要是被动式管理，数据需求的管理主要是在项目级来体现，经常由于数据的问题导致重复性工作和低质服务，数据管理是在被动、非正式的临时基础上执行。处于这个级别时需要组织尽快更新理念，进行政策宣贯，积极采取有效行动改变现状。

3 军事数据管理成熟度模型架构

根据军事数据管理现状和特点，参考DMM评估层面和流程领域的划分，MDMM模型对数据管理的测度划分为6个能力层面和25个能力项(见表2)。通过具体详细的测度，可以评估组织机构数据管理达到何种成熟度级别，然后有针对性地改进和优化调整。

表1 军事数据管理成熟度模型架构描述

3 .1 被动执行级预期评价结果及应开展的工作

军事数据敏感、结构复杂、对抗性强。与民用领域数据相比，军事数据具有规模巨大、来源多样、时效性强、关系错综复杂等特征，既包括组织机构、人力资源、装备代码等基础数据，也包括战场环境、敌我态势等战场情报数据，既有产生于内部和外部网络，也有产自各类传感器的数据，表现形式可分为文本、视频、音频、图片、事实数据等。这些海量军事多源异构数据，普遍存在着数据质量参差不齐、数据统计口径不一致、结构化与非结构化数据大量混合等现象，导致军事数据质量保证难、高效融合难、数据分发难、精准分析难、安全防护难，给军事数据管理带来了严峻挑战。尽管军事数据建设经历了业务信息数字化改造、业务数据网络化处理、数据统计建设等阶段。各系统各领域数据建设取得长足发展，尤其是相关战略管理领域的数据建设，积累了大量基础数据，数据规模有了很大程度的提高，在部分领域初步实现了数据的整合与集成。与地方行业相比，目前军事数据体系设计不足，部门化、碎片化、分散化现象一定程度存在，专业化水平有待提高，与新时代科技兴军要求和建立数据驱动型军队发展模式需求还不相适应，军事数据管理还存在诸多亟待解决的问题，严重制约军事数据创新引擎和决策支撑作用的发挥^[5]。基于军事领域对数据管理的迫切需求，急需研究军事数据管理成熟度模型，在“唤醒”沉睡数据的同时，充分挖掘军事数据内在价值，紧跟数据驱动的军事现代化建设步伐。

3 .2 接受管理级预期评价结果及应开展的工作

接受管理级表示初具数据思维理念，意识到将军事数据作为关键基础设施资产的重要性。依照相关政策，制定数据管理流程，并指定相关人员进行初步数据管理，识别出与数据管理与应用相关的人员。在这一阶段，重点应成立军事数据管理联盟类的组织，制定职权范围以促进共同的愿景、法律和规章形成；并明确军事数据管理联盟组织成员组成、任务与职责。制定数据操作指南，规范数据操作所需的法律、规定、政策和指南所需的程序。开展与高科技公司、学术界和其他政府部门之间的合作。

3 .3 政策制定级预期评价结果及应开展的工作

战略优化级表示在多变和充满竞争的环境中，数据被视为生存的关键。通过增量和创新性的改进，流程性能不断提高，各种反馈用于推动流程增强和业务增长，能与同行和行业共享最佳实践。这一阶段，重点是通过所得到的经验与启示，更新战略及相关政策，各组织机构脱离自上而下的组织形式，能够自行优化数据管理，根据需要不断改进数据服务，各组织机构达到数据管理优化目的。同时，不断自我学习，接受外界新的挑战，达到最佳实践。

3 .4 量化评估级预期评价结果及应开展的工作

量化评估级表示数据被视为竞争优势的来源。可管理和量化的流程指标已经建立。有正式的流程来管理应对各种变化。在这一阶段，重点是向工作人员提供适当的数据和决策科学培训，以培养数据型工作人员，实施可执行层面的数据管理战略，构建流程指标和数据资产目录等。

3 .5 战略优化级预期评价结果及应开展的工作

政策制定级表示军事数据管理与数据相关战略保持一致性，军事数据已经被当作实现组织绩效目标的重要资产，为促进数据管理的规范化，在组织层面制定了系列的标准化管理流程，有详细的数据需求响应处理规范和流程，数据管理者可以快速地满足跨业务系统的数据要求。在这一阶段，重点是各组织机构需要更新IM/IT管理流程及工具，并创建一个综合的IM/IT数据治理环境，制定数据治理框架。更新组织机构内的数据架构，实现组织机构内部数据资产的管理与整合。开展培训，确保具有适当的人力并拥有相应的知识要求，以实现数据管理优化愿景。

在本文的系统模型中，当中继天线数N→时，由于K≪N，根据式(32)，源端到中继间的信道矩阵G1有以下逼近准则：

4 军事数据管理成熟度模型测度的能力层面和能力项

MDMM的构建，需充分借鉴国内外理论和实践的发展，同时考虑军事数据管理现状，以确保模型的创造性、科学性和可操作性^[6]。军事数据价值实现的过程，是军事数据管理成熟度模型关注的能力实现过程。MDMM采用5个成熟度等级作为渐进式改进的参考要素和评价结果，每个级别包含成熟度级别名称、预期评价结果、达到该成熟度应开展的工作(见表1)。MDMM成熟度模型分为被动执行、接受管理、政策制定、量化评估和战略优化5个等级，每个等级的成熟度能力成为下一级的基础，形成一个逐步升级的梯台，成熟度能力的不断升级也是过程能力的积累^[7]。通过建立MDMM模型，确保数据资产的质量和可分享性，以及与用户需求目的的适配性，最优使用关键军事数据资产，实现既定战略目标。

表2 军事数据管理成熟度模型测度的能力层面和能力项

4 .1 军事数据管理成熟度模型测度的能力层面

能力层面是从战略管理层评估军事数据管理成熟度的核心要素，划分时需充分考虑军事数据的特殊性以及工作场景的敏感性。按照军事数据价值实现过程，并结合国内外各行各业最佳实践，在DMM 6个层面基础上，笔者认为MDMM应测度军事数据战略、军事组织建设、军事数据治理、军事数据应用、军事数据安全、军事数据平台6个能力层面。

简言之，壮拳无论是作为表达宗教信仰时仪式性身体表达，还是民俗节庆时的庆祝性的身体活动，场域中的壮拳已经成为超越理性阈值与区隔的手段和路径，让阶层社会群体得以宣泄情感与不满，从而建构更理性的社会秩序。

4 .2 军事数据管理成熟度模型测度的能力项

能力项是军事数据管理成熟度在提升过程中每个能力层面需要关注的点。军事数据战略能力层面是从顶层规划组织机构在数据工作领域的发展方向、目标和愿景，开展长远性、整体性问题研究，对战略实施执行情况和实施效果进行评估^[8]，主要测度战略规划、战略实施、效果评估3个能力项；军事组织建设能力层面是明确组织中各个角色的职责、组织机构在数据管理方面的分工和各部门之间的配合度等，主要测度领导数据意识、部门或机构分工、其他部门配合度、人员数据认知和实践5个能力项；军事数据治理能力层面是明确工作流程，并提供相关技术、工具使得各个角色的职责能够有效落实，工作流程可以有效运转，保证组织数据资产的正确、完整、可信、可发现、可理解和安全管控，确保组织基于数据的决策是正确可靠的，主要测度数据治理架构、数据集成、元数据管理、数据质量4个能力项；军事数据应用能力层面是围绕军事数据分析应用和数据价值的持续提升，突破军事数据融合汇聚、军事数据分析、军事数据可视化、数据服务等技术开发和应用，形成多样化的军事数据服务能力，主要测度数据融合汇聚、数据分析、数据可视化、数据产品开发4个能力项；军事数据安全能力层面是军事数据管理的核心要素，主要针对数据本身的安全和防护制定相关策略和计划，确保数据资产在使用过程中有认证、授权和访问等措施，保证数据的完整性、可靠性、安全性、可用性和保密性，主要测度态势感知能力、事件识别能力、安全防护能力、风险控制能力、应急处置能力5个能力项；军事数据平台能力层面是指实现数据管理、数据分析、数据应用的综合性平台，主要测度平台架构、数据存储功能、数据管理功能、数据分析功能4个能力项。

5 结束语

军事数据近些年得到了高度重视和大力建设，提高军事数据的发展能力和水平是军队各级部门在发展军事数据过程中关注的重要问题。在构建MDMM模型时，应多加注意其他行业领域的成熟度模型，吸收他们的特点和长处。与此同时，利用构建的MDMM模型，可以了解各部门军事数据的发展状况，作为各部门自我评估与自我提高的手段。最主要的是可以提供改进的层次与框架，了解军事数据管理过程中应该开展哪些活动，每项活动处于哪一个层次，存在什么问题，进而确定改进策略与计划。同时，通过MDMM的评估，还可以对各单位数据从业人员进行培训，强化各类型人员数据资产意识，提升相关从业者的技能，理清数据管理、应用建设的思路和框架，提升数据管理的技能，为军事数据行业培育阶梯式、体系化的数据科学专业人才队伍，从而推动军事数据行业整体发展。

参考文献

[1] 何友，朱扬勇，赵鹏，等.国防大数据概论[J].系统工程与电子技术，2016，38(6):1300-1305.

[2] Department of Navy Strategy for Data and Analytics Optimization[EB/OL].[2017-09-15].http://navy.com/.

[3] 丁宁，马浩琴.国外高校科学数据生命周期管理模型比较研究及借鉴[J].图书情报工作，2013，57(6)：18-22.

[4] 汤珊红，游宏梁，高强，等.美国军事数据发展战略演进研究[J].情报理论与实践，2019，42(6):1-4.

[5] 吕彬，魏俊峰.大数据时代的军事数据管理机制研究[J].中华医学图书情报杂志，2018，27(4):23-28.

[6] 李冰，宾军志.数据管理能力成熟度模型[J].大数据研究，2017，39(4):29-36.

[7] 吴志刚，廖昕，朱胜，等.政务大数据成熟度模型研究与应用[J].中国科技产业，2016(8):77-80.

[8] 党洪莉，谭海兵.基于DMM的数据管理成熟度模型及在服务评估中的应用[J].现代情报,2017，37(9)：118-121.

Discussion on the Usability of DMM Model in the Research Field of Military Data Management Maturity

Abstract : In order to enhance the awareness of data asset management in various military departments and to learn from the relevant theories of maturity at home and abroad,this paper firstly will emphasize on the data management maturity model proposed by Carnegie Mello University and analyze the problems existing in the military data management.Then according to the current situation and characteristics of our military data management,the paper will further put forward a maturity model structure,which should measure 6 capability levels and 25 capability items.Finally,the significance of military data management maturity model is briefly summarized,aiming at helping military data strategy developers assess military data maturity from a management level and promoting military data management and application.

Keywords : military data;data management;maturity model;DMM model

DOI: 10.16353/j.cnki.1000-7490.2019.11.014

作者简介： 汤珊红 ，女，1973年生，博士，副研究员，硕士生导师。研究方向：军事数据理论与方法。游宏梁 ，男，1971年生，硕士，研究员，硕士生导师。研究方向：军事数据分析与应用。高强 ，男，1987年生，硕士，助理研究员。研究方向：军事数据分析与系统开发。程佳军 ，男，1990年生，博士，助理研究员。研究方向：军事数据分析与系统开发。杜婉莹 ，女，1996年生，硕士生。研究方向：情报研究。

录用日期： 2019-04-14

标签：军事数据论文;  数据管理论文;  成熟度模型论文;  DMM模型论文;  军事科学院军事科学信息研究中心论文;  北京大学信息管理系论文;