2. 数据治理成熟度模型
在采购支出数据治理的推进过程中，首先需要回答一个核心问题：“我们目前处于什么阶段？”。数据治理成熟度模型正是用来回答这一问题的标尺。它帮助企业系统性地评估自身在数据战略、数据质量、数据安全、数据生命周期管理等方面的能力现状，从而为后续的标准化流程设计和KPI设定提供基准。
目前业界主流的两个模型是DCMM（数据管理能力成熟度模型）和DMM（数据管理成熟度模型）。前者是中国国家标准（GB/T 36073-2018），后者由CMMI Institute推出，在国际上应用广泛。两者在评估维度和等级划分上各有侧重，但核心逻辑一致：通过阶梯式的能力提升，实现从“混乱”到“优化”的演进。
2.1 DCMM模型：中国国家标准视角
DCMM将数据管理能力划分为8个核心能力域，每个域下包含若干成熟度等级（1-5级）。对于采购支出数据治理，我们重点关注与采购数据直接相关的域：数据质量、数据标准、数据生命周期。
| 能力域 | 定义 | 采购支出场景示例 |
|---|---|---|
| 数据战略 | 数据管理的愿景、目标、规划 | 是否制定了采购主数据（物料、供应商）的治理路线图 |
| 数据治理 | 组织架构、制度、流程 | 是否有采购数据治理委员会，职责是否明确 |
| 数据架构 | 数据模型、分布、集成 | 采购系统（ERP、SRM）之间的数据接口是否标准化 |
| 数据标准 | 数据元、代码、命名规范 | 物料编码、供应商分类是否统一 |
| 数据质量 | 完整性、准确性、一致性、及时性 | 采购订单与发票的匹配率、供应商主数据的重复率 |
| 数据安全 | 访问控制、加密、审计 | 采购价格、合同条款的权限管控 |
| 数据生命周期 | 创建、存储、归档、销毁 | 历史采购记录的归档策略、过期合同的清理 |
| 数据应用 | 数据分析、服务、共享 | 采购支出分析报表的自动化程度 |
DCMM等级速览： 1级（初始级）→ 2级（受管理级）→ 3级（稳健级）→ 4级（量化管理级）→ 5级（优化级）。大多数企业在采购数据治理方面处于1-2级，即“数据分散、标准缺失、依赖人工”。
2.2 DMM模型：国际实践视角
DMM模型将数据管理能力划分为5个成熟度等级，与CMMI的软件能力成熟度模型一脉相承。其评估维度覆盖数据管理流程、数据管理基础设施、数据管理组织三大类，共25个过程域。
- 等级1：初始（Initial） — 数据管理是临时性的，依赖个人英雄主义，采购数据分散在Excel、邮件和各个系统中。
- 等级2：可重复（Repeatable） — 建立了基本的数据管理流程，但未形成制度化。例如，采购主数据有录入规范，但缺乏监控和纠错机制。
- 等级3：已定义（Defined） — 数据管理流程标准化、文档化，并在组织内推广。采购数据标准、质量规则、安全策略已发布并执行。
- 等级4：量化管理（Quantitatively Managed） — 使用量化指标（如数据质量得分、数据治理合规率）来驱动改进。采购支出数据的准确性、完整性可被持续度量。
- 等级5：优化（Optimizing） — 数据管理流程持续优化，能够主动识别和预防数据问题。采购数据治理与业务战略深度融合，实现数据驱动的采购决策。
选择建议： 如果企业主要在中国市场运营，且需要满足国内监管或国资要求，优先采用DCMM。如果企业是跨国集团或希望与国际供应链对标，DMM是更通用的选择。两者可以结合使用：用DCMM的8个域做全面体检，用DMM的5个等级做阶段定位。
2.3 采购支出数据治理成熟度评估框架
结合DCMM与DMM的核心思想，我们提炼出一个采购支出数据治理成熟度评估框架，包含4个关键维度：数据标准、数据质量、数据安全、数据流程。每个维度对应3-4个评估指标，帮助企业快速定位当前水平。
2.4 如何开展成熟度评估
评估过程建议采用“自评+专家评审”相结合的方式，确保客观性。以下是标准评估步骤：
- 组建评估团队：包括采购、IT、财务、数据管理等部门代表，明确评估范围和目标。
- 收集证据：通过问卷、访谈、系统日志、数据抽样等方式，收集采购支出数据治理现状的证据。
- 对照模型打分：针对每个能力域或过程域，对照DCMM或DMM的等级描述，给出1-5分的评分。
- 绘制雷达图：将各维度得分可视化，直观展示优势与短板。
- 制定改进路线图：基于评估结果，确定优先改进的领域，设定短期（3-6个月）和长期（1-2年）目标。
常见误区： 不要试图一次性在所有维度上达到L4或L5。对于采购支出数据治理，建议优先从数据标准和数据质量入手，因为它们是后续流程优化和KPI设定的基础。先做到L3（已定义级），再逐步向量化管理迈进。
2.5 成熟度与KPI设定的关联
成熟度等级直接决定了KPI的基准线和目标值。例如：
- L1-L2阶段：KPI应聚焦于“基础建设”，如“物料编码覆盖率”、“供应商主数据完整率”。目标值不宜过高，例如从60%提升到80%。
- L3阶段：KPI可转向“过程合规”，如“数据变更审批通过率”、“数据质量规则执行率”。目标值可设定在90%以上。
- L4-L5阶段：KPI应体现“量化驱动”，如“数据质量得分（DQ Score）”、“数据治理投资回报率（ROI）”。目标值需基于历史数据统计设定。