什么是数字化成熟度，如何做好数字化成熟评估？
“十四五”规划纲要将“加快数字化发展，建设数字中国”作为独立篇章，彰显了我国推进数字强国建设的决心。在席卷全球的数字化浪潮下，各行业纷纷拥抱数字化转型，期望通过数字化转型降本增效，提高产品质量，改善用户体验，进而提供更有价值的产品和服务。
但数字化转型是一个过程，场景从简单到复杂，应用从局部到广泛，这个过程必然会经历从起步到成熟等多个阶段。那么如何进行数字化转型成熟度评估是数字化转型应用促进工作的下一步要点。
企业数字化转型成熟度评估，一方面可以帮助企业全面评估自身数字化转型的程度，明确已经具备的数字能力和所处的阶段；另一方面也能在同一标准下，与同类标杆企业对比，明确自身转型的进展，找到自己的优势与不足，为未来数字化发展计划的制定提供一些参考。今天小亿就来说说与企业数字化成熟度评估相关的知识。
一、什么是数字化成熟度？
数字化成熟度最重要的一个方面是拥有能够快速、轻松地适应技术和消费者行为变化的能力。例如，数字原生组织必须学会敏捷，以便在数字世界中生产和发展。像谷歌、亚马逊和Facebook这样的组织能够快速创造新产品和服务，并经常在此过程中颠覆传统行业。数字化成熟的其他标志还包括数据驱动、利用技术推动创新以及强大的数字文化。
对于较老的组织来说，数字化成熟度意味着有意识地努力摆脱遗留系统和流程，拥抱新的技术和工作方式。特别是对于保险业和银行业，数字化成熟度意味着能够为客户提供既方便又安全的数字化体验。这意味着拥有强大的数字基础，包括高效的数字流程和技术，以及可靠的安全措施。
在这方面，数字领先者和数字落后者之间的差距将越来越大。数字领先者正在利用数字技术和渠道来进一步推动商业价值发展，而数字落后者还在努力追赶，或者在某些情况下，仍在使用过时的技术与客户交互。
二、开展数字化成熟度评估的好处
数字化能力成熟度评估，将有助于帮助企业厘清当前所处的数字化位置，并对数字化转型的路径有个清晰的认知，为后续制定适合企业的数字化转型战略和可行的行动计划提供参考和决策依据。
落到数据层面，数据管理能力成熟度模型是数据管理和应用的重要基础，对于企业数据管理能力的提升具有重要意义。通过数据管理能力成熟度评价模型的建立，可以在以下几个方面对于企业的数据管理提供帮助
（1）规范和标准化企业数据管理方面的专业术语
（2）规范和标准化企业数据管理方面职能域的划分
（3）明确数据管理方面相关的工具集、技能集
（4）帮助企业准确评估目前的现状、差距和发展方向
（5）帮助企业理解数据治理的组织架构需求
（6）建立数据管理方面相关的最佳实践
三、数字化成熟度的4个阶段
1.意识阶段：此阶段的组织意识到数字世界及其带来的机遇和威胁。他们可能有一些数字化计划，但尚未完全集成到业务中。
2.采用阶段：在这个阶段，组织已经接受了数字技术，并充分发挥了它的潜力。他们已经将数字化整合到他们的业务流程中，并看到了成效。
3.转型阶段：在这个阶段，数字化已经改造了组织。它不再是一个独立的实体，而是企业运营的一个组成部分。
4.领导力阶段：这个阶段的组织是数字化的领导者。他们为数字化转型设定了标准，并不断创新以保持领先地位。
数字化成熟度的每个阶段都有其独特的挑战和机遇，需要采取不同的行动和投资方案。组织必须仔细评估他们自己的数字化成熟度，以确定他们需要采取什么行动来进入下一阶段。对于任何希望在数字时代保持竞争力的企业来说，清楚地了解数字化成熟度至关重要。
四、如何评估企业的数字化成熟度
1.评估企业所提供的数字客户体验
这意味着客观地衡量贵企业的全渠道计划在吸引和留住客户方面的表现。这包括从最终用户的角度衡量端到端性能，例如应用的可用性、响应能力或延迟、所部署个性化和机器学习功能的有效性以及应用基础架构管理和应用监控流程的自动化水平。
2.评估企业开发人员的经验及其向市场快速交付新应用功能和数字化体验的能力
企业可通过自动化以及与开发人员首选工具的集成，显著提高开发人员的工作效率。最成熟的数字化企业往往拥有强大的测试自动化实践和能力，实现了应用的生产部署自动化，并有着完善的工作流和工具将策略紧密贯彻到开发人员的日常工作中。
3.深入研究底层技术架构及其如何帮助企业更敏捷、灵活地响应客户和市场需求
筛选几项对公司重要的数字化体验，并完成将这些体验交付给最终用户所涉及的各项技术的端到端映射通常大有帮助。企业往往太专注于为最终用户提供新的业务逻辑和特性，以至于过度建设用于扩展交付规模的技术能力，而错过了集成、协调和简化的机会。这就需要企业反思：技术架构能否反映业务优先级，可以在哪些地方对技术和工具进行整合和合理化，并简化操作。
4.评估企业的运营模式，包括技能集、实践、流程和文化
这包括评估企业是否有合适的资源和能力来执行数字计划，企业的文化和实践能否有效地支持适当规模的应用交付，以及治理流程能否妥善管理风险敞口。此类评估会给不同的企业带来不同的成效。有些企业可能会决定通过更深入地研究组织架构来识别阻碍效率的“孤岛”，并确定可如何优化这些“孤岛”。有些企业可能会发现需要通过培训计划或招聘来弥补技能缺口。还有一些企业可能会发现他们需要解决技术架构问题，以更好地匹配他们现有的应用组合，或开拓增长空间。
五、2种数字化成熟度模型
1.DCMM数据管理能力成熟度评估模型
DCMM模型，按照组织、制度、流程、技术对数据管理能力进行了分析、总结，提炼出组织数据管理的八大过程域，即：数据战略、数据治理、数据架构、数据应用、数据安全、数据质量管理、数据标准、数据生命周期。这八个过程域共包含28个过程项，441项评价指标。
DCMM的能力等级划分
DCMM模型将组织的数据能力成熟度划分为初始级、受管理级、稳健级、量化管理级和优化级共5个发展等级，帮助组织进行数据管理能力成熟度的评价。
DCMM与国外的数据管理能力成熟度模型相比，DCMM是具有中国特色的数据管理模型。
DCMM建设概念图
如果你的企业要做DCMM评估，可以找国家工业信息安全发展研究中心，是全国仅有的6家拥有DCMM评估资质的单位。
2.企业IT数字化能力和运营效果成熟度模型（IOMM）
针对不同行业数字化转型的需求，中国信通院云大所推出了企业数字化转型IOMM（Enterprise Digital Infrastructure Operation Maturity Module）标准，其中I代表数字基础设施，是标准的第一部分；O代表企业整体经营，是标准的第二部分。
目前发布的是标准的第一部分，《企业数字基础设施云化管理和服务运营能力成熟度模型》，共分为五类能力成熟度阶段，分别是基础保障类、业务支撑类、平台服务类、客户运营类和创新引领类，每个类别都有合理的阶段和适用单位，将对相应阶段的能力进行评估定位水平，并以价值分数进行效果验证。
IOMM标准体系针对不同行业、不同规模企业制定面向平台IT和业务IT的五类成熟度，每个类别都对相应能力进行评估，定位水平，并以价值分数进行效果验证。适用于企业数字化转型发展过程中的相关领导者和相关人员，梳理、定位自身数字化转型能力水平，计划未来发展方向。IOMM整体框架包括两大领域、四大象限、六大能力、六大价值，从能力和价值角度全面衡量企业数字基础设施建设的能力和体现出的价值。
六、数字化成熟度评估常见的错误
1.没有选择合适的参与者
这个错误很普遍，组织中计划数字成熟度评估的人员通常很难选取到最合适的参与者，但这是成功评估的关键因素。合适的参与者涵盖了不同的业务领域和级别，因此代表了组织的广泛领域，未经适当挑选的参与者可能不具备专家知识的深度或最高管理层的权力。
2.组织内缺乏足够沟通
假定是在数字成熟度研讨会的最后一天，与会者就转型路线图和下一步达成一致，但这是评估的最后一天吗？绝对不是。进行数字化成熟度评估时的另一个常见错误是研讨会结束后缺乏沟通，而恰当的做法应该是将结果传达到组织中，让所有员工都参与到这一转变过程中，并从长远角度改变他们的心态和行为，只有真实的通信才有能力可持续地实施数字化转型措施。
3.缺乏短期阶段性胜利目标
数字化成熟度研讨会的结果之一是确定优化潜力，并为组织的数字化转型制定具体措施。这种转型路线图不仅包括这些跨核心职能部门的中期或长期改进活动，还包括对阶段性胜利的战略定义。在进行数字化成熟度评估时，不确定短期内的速战速决是另一个常见的错误。
在已经成功地完成了整个评估之后，管理层对组织的现状和未来状况有了深入的了解，并且能知道如何为漫长的转型之旅所采取的措施。但是短期的措施，或者阶段性的成功，会带来一种瞬间的改变感，证明计划到目前位置前进想方向是正确的，能够为后续的数字化转型成功能增强信心。然而阶段性的胜利只是成功转型过程中的关键一步，在制定和执行计划时依然需要谨慎和全面考虑。
七、小结
企业数字化转型发展是一个复杂而长期的过程，数字化是最大的信息化发展历程中的全新阶段，现阶段我们之所以强调数字化，是因为云计算、大数据、5G、人工智能等新技术带来企业生产力和生产要素的变革。
企业数字化是企业与数字技术全面融合，提升效率的经济转型过程，即利用数字化云平台能力，支撑企业各要素、各环节协同高效创新，推送技术、业务、人才、资本等要素资源优化配置，通过数据价值化驱动业务流程、模式创新，从而提高企业经济效益。
因此在此过程中，企业需要时刻了解自己所处的位置和前行的方向，即做好数字化成熟度评估模型。近年来，由于大数据热潮的兴起，世界各国对数据的重视度越来越高，很多企事业单位已经把数据管理和应用当做一个独立的专业来对待。为此，如何准确评估各个企事业单位的数据能力成熟度就成为数据管理者关注的焦点之一。
