2. 数据标准体系框架：国家标准、行业标准、企业标准的关系，DAMA、DCMM等框架解读
聊数据标准，很多人一上来就扎进技术细节，结果做出来的标准跟业务脱节，跟国家要求也对不上。我个人的习惯是，先搞清楚整个标准体系长什么样，再动手。这就好比盖房子，你得先看城市规划，再看楼盘设计，最后才是室内装修。
数据标准体系，说白了就是三个圈：国家标准、行业标准、企业标准。它们不是互相替代的关系，而是层层递进、互相补充。今天我就把这几个圈的关系，以及DAMA、DCMM这些框架怎么用，给你掰扯清楚。
2.1 三层标准体系：从宏观到微观
先看一张图，直观感受一下这三层的关系。
2.2 国家标准：地基不能歪
国家标准是底线，是强制性的或者推荐性的。比如GB/T 36073《数据管理能力成熟度评估模型》，就是DCMM的前身。还有GB/T 36344《信息技术 数据质量评价指标》，这些你都得知道。
为什么说它重要？ 我遇到过一家企业，自己搞了一套客户信息标准，字段定义跟国家统计局的标准完全不一样。结果上报数据时，系统直接报错，数据对不上，整个项目延期两个月。这就是不尊重国家标准的代价。
核心要点： 国家标准是“必答题”，不是“选答题”。做企业标准之前，先查清楚有没有相关的国标。有国标的，直接引用；没有的，再自己定义。
2.3 行业标准：把国标翻译成行业语言
行业标准是在国标基础上，结合行业特点做的细化。比如金融行业有JR/T 0018《金融数据安全分级指南》，电信行业有YD/T 系列标准。这些标准更贴近业务场景。
举个例子，国标定义了“客户”这个数据元，但金融行业会进一步细分：个人客户、对公客户、同业客户。每个子类又有不同的属性要求。这就是行业标准做的事。
我记得在做一个银行项目时，他们直接拿国标来用，结果发现国标里没有“客户风险等级”这个字段。后来我们参考了银保监会的行业标准，才把这块补上。你想想看，如果只盯着国标，很多业务细节就漏掉了。
2.4 企业标准：真正干活的标准
企业标准是最细的，也是数据治理真正落地的抓手。它包括：
- 数据元标准： 字段叫什么名字、什么类型、多长、什么格式。
- 代码集标准： 性别用0/1还是M/F，状态用数字还是英文缩写。
- 指标标准： 日活用户怎么算，是去重还是累加。
- 数据交换标准： 系统之间传数据用什么格式，JSON还是XML，字段顺序怎么定。
- 数据质量规则： 非空校验、唯一性校验、格式校验。
我的建议： 企业标准不要贪多求全。先做核心业务域的标准，比如客户、产品、合同。等跑通了，再扩展到其他域。我曾经见过一个团队，一口气做了200多个数据元标准，结果没人用，因为业务部门根本记不住。
2.5 DAMA框架：数据管理的知识体系
DAMA（数据管理协会）的DMBOK（数据管理知识体系）是国际上最权威的数据管理框架。它把数据管理分成10个核心领域：
| 领域 | 核心内容 | 与标准的关系 |
|---|---|---|
| 数据治理 | 制定数据管理的决策权、责任和流程 | 标准是治理的产出物之一 |
| 数据架构 | 数据模型、数据流、数据分布 | 标准指导架构设计 |
| 数据建模与设计 | 概念模型、逻辑模型、物理模型 | 标准约束模型中的字段定义 |
| 数据存储与操作 | 数据库、数据仓库、数据湖 | 标准决定存储格式 |
| 数据安全 | 数据分类分级、访问控制、加密 | 标准定义安全等级 |
| 数据集成与互操作 | ETL、数据交换、API | 标准确保数据能对得上 |
| 文档与内容管理 | 非结构化数据管理 | 标准定义元数据 |
| 参考数据与主数据 | 代码表、主数据实体 | 标准的核心应用场景 |
| 数据仓库与商务智能 | 报表、分析、数据可视化 | 标准保证指标口径一致 |
| 数据质量 | 质量评估、监控、改进 | 标准是质量基线 |
DAMA框架的好处是全面，但坏处也是全面——你不可能一下子全做。我个人的经验是，先抓数据治理、数据架构、数据质量这三个领域，因为它们跟标准落地最直接。
2.6 DCMM框架：中国特色的数据管理成熟度
DCMM（数据管理能力成熟度模型）是中国的国家标准，GB/T 36073。它把数据管理能力分成8个能力域，5个成熟度等级。
8个能力域：
- 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
5个成熟度等级：
- 初始级： 没有标准，全靠人肉。
- 受管理级： 有了一些标准，但不成体系。
- 稳健级： 标准体系建立，有流程有工具。
- 量化管理级： 标准执行效果可量化、可监控。
- 优化级： 标准持续优化，驱动业务创新。
避坑指南： 我曾经帮一家企业做DCMM评估，他们觉得自己至少是稳健级，结果一查，连数据元标准都没有，代码集全靠开发人员自己拍脑袋。最后只评了个受管理级。所以，别高估自己的成熟度，DCMM评估是照妖镜，一照就知道哪里漏了。
2.7 DAMA vs DCMM：怎么选？
很多同学问我，这两个框架到底用哪个？我的回答是：两个都要用，但侧重点不同。
| 维度 | DAMA | DCMM |
|---|---|---|
| 来源 | 国际（美国） | 中国（国家标准） |
| 定位 | 知识体系，告诉你“该做什么” | 成熟度评估，告诉你“做得怎么样” |
| 适用场景 | 日常数据管理、培训、体系建设 | 评估、认证、对标改进 |
| 对标准的要求 | 隐含在多个领域里 | 单独一个能力域，要求明确 |
| 落地难度 | 中，需要自己裁剪 | 高，有明确的评估指标 |
我建议的做法是：用DAMA的知识体系来指导标准建设，用DCMM的评估模型来检验标准落地效果。两者结合，既知道怎么干，又知道干得怎么样。
2.8 三层标准与两个框架的融合
最后，我把今天讲的内容串起来。国家标准、行业标准、企业标准是“内容层”，DAMA和DCMM是“方法层”。
- 内容层： 国标定方向，行标定细节，企标定执行。
- 方法层： DAMA教你建标准，DCMM教你评标准。
在实际项目中，我通常这样操作：先对照DCMM的数据标准能力域，看看自己缺什么；然后用DAMA的方法论，把缺的标准建起来；建的时候，优先引用国标和行标，不够的再自己补企业标准。
嗯，这套打法我用了好几年，基本没出过大问题。你回去可以试试，先从自己负责的业务域开始，把国标、行标、企标梳理一遍，看看差距在哪里。相信我，做完这一步，你的数据治理工作就成功了一半。