信息技术与经济社会的交汇融合引发了数据爆发式增长。数据蕴含着重要的价值，已成为国家基础性战略资源，正日益对全球生产、流通、分配、消费活动以及经济运行机制、社会生活方式和国家治理能力产生重要影响。数据价值发挥的前提是管理好数据，然而，数据规模的增加、数据格式的复杂化等都给企业数据管理提出了挑战。
《数据管理能力成熟度评估模型》（以下简称 DCMM）是我国在数据管理领域正式发布的国家标准，旨在帮助企业利用先进的数据管理理念和方法，建立和评价自身数据管理能力，持续完善数据管理组织、程序和制度，充分发挥数据在促进企业向信息化、数字化、智能化发展方面的价值。
2018 年 3 月，GB/T 36073—2018《数据管理能力成熟度评估模型》国家标准发布并于同年 10 月正式实施；2020 年 4 月，工信部印发《关于工业大数据发展的指导意见》，强调要开展数据管理能力评估贯标，推广 DCMM 国家标准。2021 年 11 月，工信部发布《“十四五”大数据产业发展规划》，提出完善数据管理能力评估体系，推动《数据管理能力成熟度评估模型》等国家标准贯标，引导企业开展 DCMM 国家标准贯标。2022 年 12 月 2 日，中共中央、国务院印发《关于构建数据基础制度更好发挥数据要素作用的意见》（“数据二十条”），明确提出加快推进数据管理能力成熟度国家标准及数据要素管理规范贯彻执行工作。
DCMM 数据管理能力成熟度评估模型定义了数据战略、数据治理、数据架构、数据应用、数据安全、数据质量、数据标准和数据生存周期八个核心能力域及 28 个能力项。
数据战略是组织开展数据管理工作的愿景、目的、目标和原则。制定、发布并根据情况修订数据战略，确定任务蓝图及优先级顺序，提供保障数据战略实施的资源和资金，定期检查和评估
数据战略实施情况，分析与数据战略目标的差距，从而有利于战略的执行和调整。
数据治理旨在明确相关角色、工作责任和工作流程，建立有效沟通机制，确保数据资产能长期有序地、可持续地得到管理。数据治理是对数据资产管理行使权力和控制的活动集合（规划、监控和执行）。数据治理职能指导其他数据管理职能如何执行。数据治理是在高层次上执行数据管理制度。
数据架构是用于定义数据需求、指导对数据资产的整合和控制、使数据投资与业务战略相匹配的一套整体构建和规范。建立数据模型的开发和管理规范，设计并维护组织级和系统应用级数据模型。建立基于数据特征的数据分类管理机制以及组织级应用系统之间数据集成和共享的制度、标准和环境。对元数据进行分类，建立元模型标准，实现不同来源的元数据有效集成。
数据质量是数据对其期望目的的切合度，即从使用者的角度出发，数据满足用户使用要求的程度。明确数据质量管理目标和各类数据质量管理需求，落实制度和标准，做好数据质量管理。从数据源头提升数据质量，加强数据质量监测、分析和改进，建立数据质量问题管理机制、评估分析方法和数据质量持续改进策略，建立良好的数据质量文化。
数据标准是组织数据中的基准数据，为组织各个信息系统中的数据提供规范化、标准化的依据，是组织数据集成、共享的基础。对业务术语进行统一的管理，积极贯彻实施适用的国家标准和行业标准，制定完善企业标准，建立参考数据和主数据的管理规范，加强数据标准在业务系统和数据中心的落地实施，为数据共享夯实基础。
为实现数据战略确定的数据工作的愿景和目标，实现数据资产价值，需要在数据全生命周期中实施管理，确保从宏观规划、概念设计到物理实现，从获取、处理到应用、运维、退役的全过程中，数据能够满足数据应用和数据管理需求。
DCMM 将数据管理能力划分为五个等级，级别自低向高依次为初始级、受管理级、稳健级、量化管理级和优化级，不同等级代表企业数据管理、应用的成熟度水平。