Physical Address
304 North Cardinal St.
Dorchester Center, MA 02124
ISO/IEC TR 26905:2022 — 信息技术 — 数据管理 — 数据质量管理成熟度模型
评估和改进组织数据质量能力的结构化框架
ISO/IEC TR 26905:2022 概述
ISO/IEC TR 26905:2022 提出了一个全面的数据质量管理成熟度模型（DQMM），使组织能够评估并系统地提高其数据质量管理能力。在大数据、人工智能和监管合规（GDPR、CCPA等）时代，将数据质量作为组织能力进行管理——而非项目层面的事后补救——已成为战略要务。
DQMM 借鉴了 CMMI 和 ISO 33004 等成熟框架的理念，但专门针对数据质量管理流程量身定制。它认识到数据质量不仅是技术问题，更是涉及人员、流程和技术的组织纪律。
该模型定义了六个成熟度等级，每一级都建立在上一级的基础上，为组织从临时的数据质量实践向优化的、持续改进的数据质量管理演进提供了清晰的路线图。该框架涵盖六个流程领域，共同覆盖数据质量管理的完整范围。
成熟度等级与流程领域
DQMM 定义了六个成熟度等级和六个流程领域。下表展示了各成熟度等级下流程领域的映射关系：
| 成熟度等级 | 描述 | 关键特征 |
|---|---|---|
| 0级 — 不完整 | 不存在数据质量流程 | 数据问题被动处理；未意识到数据质量作为一门学科 |
| 1级 — 执行级 | 临时性的数据质量活动 | 个别项目可能有数据验证；无组织标准；英雄式质量管理 |
| 2级 — 管理级 | 数据质量流程有计划地执行和监控 | 分配基本数据质量角色；跟踪指标；存在问题升级流程 |
| 3级 — 建立级 | 标准化的组织数据质量流程 | 组织级数据质量策略；标准化测量定义；培训计划 |
| 4级 — 可预测级 | 量化管理的数据质量 | 数据质量统计过程控制；质量退化的预测分析 |
| 5级 — 优化级 | 通过量化反馈持续改进 | 自动化数据质量修复；AI驱动的质量优化；自愈数据管道 |
被评估的六个流程领域包括：数据质量治理、数据质量测量、数据质量改进、数据质量保证、数据质量文化和数据质量技术基础设施。每个流程领域针对每个成熟度等级都定义了具体的目标和实践。
TR 26905 的一个显著特点是将”数据质量文化”作为一个独立的流程领域——认识到仅靠技术解决方案无法在没有组织文化变革的情况下实现可持续的数据质量。
工程洞见与实施指导
数据质量测量框架
该报告定义了数据质量测量的六个维度：完整性、唯一性、及时性、有效性、准确性和一致性。针对每个维度，TR 26905 提供了标准化的测量定义、计算公式和可接受的阈值范围。例如，完整性以非空值与预期总值的比率衡量，可接受的阈值因数据关键性而异——关键数据元素（如医疗保健中的患者标识符）需要99.9%以上的完整性，而信息性字段可以容忍95%。
实践中最容易被忽视的一个方面是质量维度之间的相互依赖关系。例如，提高及时性（更新鲜的数据）通常会降低完整性（由于摄取不完整导致更多缺失值）。TR 26905 的成熟度模型帮助组织系统地识别和管理此类权衡。
评估方法
DQMM 评估遵循结构化流程：范围界定（确定受评估的组织单元和数据域）、证据收集（访谈、流程文档审查、数据质量指标分析）、评分（每个流程领域每个成熟度等级）和报告。该报告包括详细的评估工具——成熟度问卷、证据检查表和评分细则——使不同组织背景下的评估保持一致。
成熟度提升的实用路线图
根据报告中记录的广泛行业经验，组织通常需要12-18个月才能提升一个成熟度等级。该报告为每个转变提供了具体的行动计划：
- 0级到1级：识别数据质量倡导者，建立基本数据概况分析，记录关键数据元素
- 1级到2级：分配数据质量角色，定义SLA目标，实施问题跟踪
- 2级到3级：采用组织级数据质量策略，标准化测量，建立培训机制
- 3级到4级：实施统计过程控制，部署自动监控，开发预测模型
- 4级到5级：自动化修复工作流，实施自愈能力，利用机器学习优化
TR 26905 警告不要采取”大爆炸”方法——试图在单一项目中从1级跳到4级。每个级别都需要逐步建立基础能力。跳过级别进行跃进的组织通常会在6-12个月内看到其数据质量举措停滞不前。
常见问题
问1：TR 26905 与 ISO 8000（数据质量）有何关系？
答：ISO 8000 提供基本的数据质量特性和交换要求，而 TR 26905 侧重于管理数据质量的组织能力成熟度。两者互补——ISO 8000 定义”好数据的样子”，而 TR 26905 定义”如何建立一个持续产生好数据的组织”。
答：ISO 8000 提供基本的数据质量特性和交换要求，而 TR 26905 侧重于管理数据质量的组织能力成熟度。两者互补——ISO 8000 定义”好数据的样子”，而 TR 26905 定义”如何建立一个持续产生好数据的组织”。
问2：TR 26905 能否应用于小型组织？
答：可以，该模型是可扩展的。小型组织可以实施简化版本，重点关注最关键的数据域和流程领域。该报告提供了针对50人以下组织的评估范围裁剪指南，建议以数据质量测量和数据质量治理为起点。
答：可以，该模型是可扩展的。小型组织可以实施简化版本，重点关注最关键的数据域和流程领域。该报告提供了针对50人以下组织的评估范围裁剪指南，建议以数据质量测量和数据质量治理为起点。
问3：DQMM 评估需要多长时间？
答：完整的组织评估通常需要4-8周，具体取决于范围。该报告提供了加速评估变体：快速评估（1-2周，侧重于差距分析）和全面评估（6-8周，包括详细的证据收集和评分）。
答：完整的组织评估通常需要4-8周，具体取决于范围。该报告提供了加速评估变体：快速评估（1-2周，侧重于差距分析）和全面评估（6-8周，包括详细的证据收集和评分）。
问4：有哪些工具支持 DQMM 实施？
答：该报告未规定具体工具，但将支持技术分类为：数据概况分析工具（如Talend、Informatica）、数据质量监控平台（如Great Expectations、Ataccama）、数据治理平台（如Collibra、Alation）和数据目录（如Apache Atlas、AWS Glue）。成熟度等级决定了哪些工具类别最为相关。
答：该报告未规定具体工具，但将支持技术分类为：数据概况分析工具（如Talend、Informatica）、数据质量监控平台（如Great Expectations、Ataccama）、数据治理平台（如Collibra、Alation）和数据目录（如Apache Atlas、AWS Glue）。成熟度等级决定了哪些工具类别最为相关。
