2024年中国数据管理和数字化市场调研报告

2024年DAMA中国数据管理和数字化市场调研报告 本报告基于超10个主要行业国内110个样本的广泛调研，旨在深入分析国内数据管理和数字化转型的现状与趋势。受访者所属行业分布如下： 项目 主要发现 数据管理工作现状 90%：开展了数据管理工作（与去年持平）20%：CDO岗位（与去年持平）76%：设数据管理部门（与去年持平）77%：数据管理水平在DCMM三级及以下（比去年下降10%）40%+：数据治理、DW&BI、数据质量、数据安全、数据建模、数据集成、元数据、数据标准、数据架构在数据工作中占比都超过了40%（比去年下降10%）63%：数据资产入表（比去年上升33%） 数据管理面临的难题/挑战 ①缺“数据驱动的企业文化”②业务参与度低③没有顶层设计④缺数据标准⑤缺专业人才⑥缺数据治理体系支撑等 未来1-2年数据管理工作重点 数据治理、数据战略、数据架构、数据安全、数据质量、数据建模、数据标准、主数据管理等 市场需求量较大的数据人才 综合性的数据治理人才、数字化转型人才、数据资产管理师、数据架构师、数据分析师、数据建模工程师需求量较大。 在本次调研中，我们提出了一系列问题，涉及数据管理工作的开展情况、企业级数据管理的实施情况、数据管理成熟度、数据管理面临的难题与挑战、数据管理的主要业务目标和驱动因素等关键领域。此外，我们还探讨了数据管理工作中常见的问题、数据管理部门的设置、CDO职位的设立与汇报关系、数据管理工作的推动责任、数据管理相关实施情况、数据战略制定与数据治理纳入公司治理范畴等重点问题。 本报告旨在为业界提供数据管理和数字化转型的最新洞察，帮助企业更好地理解当前市场状况，并为未来的战略规划提供参考。具体调研结果如下： 在国家数据政策的推动下，数据管理遍地开花，近90%的单位已经开展了数据管理工作。 1.贵单位是否已经开展数据管理工作？【单选】 有超过53%的单位实施了企业级的数据管理。 2.贵单位是否已经实施了企业级的数据管理？【单选】 超过77%的受访者表示他们的数据管理成熟度水平在DCMM三级及以下。 3.贵单位的数据管理成熟度达到了什么水平？【单选】 按照《信息技术服务数字化转型成熟度模型与评估》（GB/T43439-2023）自评，有超过73%的受访者表示他们的数字化转型成熟度在三级及以下。 4.按照《信息技术服务数字化转型成熟度模型与评估》（GB/T43439-2023）自评，贵单位的数字化转型成熟度达到了什么水平？【单选】 数据管理主要来自于内部驱动，关注业务价值，如降本增效、提高客户满意度、减少风险；外部驱动主要是满足合规和监管要求。 5.贵单位实施数据管理的主要业务目标和驱动因素是什么？【选择所有适用的选项】 其他反馈有：持续深入研究和实践，为工程企业数字化转型提供更好的支持和服务；乙方服务客户；市级政府和地方国资委驱动因素。 数据管理面临的难题/挑战是缺“数据驱动的企业文化”、没有顶层设计、业务参与度低、缺专业人才、缺数据标准和体系支撑等。 6.贵单位在数据管理工作中最常遇到的问题有哪些？【选择所有适用的选项】 其他反馈有：业务数据质量不高。 为开展数据管理工作，76%的单位设置了专门的数据管理部门（不计划筹建数据管理部门的比例进一步降低）。 7.贵单位是否有专门的数据管理部门？【单选】 数据管理部门的团队人数，普遍在10人以下，80%的团队规模＜50人；团队规模超过200人的，有10个。 8.贵单位数据管理部门的团队人数在什么范围？【单选】 约20%的受访者表示他们单位已经有了或者在试点CDO岗；超过55%的受访者表示他们单位没有CDO职位的计划。 9.贵单位是否已经有CDO的职位？【单选】 约63%的受访者表示他们单位CDO直接汇报给CEO和CIO。 10.贵单位的CDO直接向谁汇报工作？【单选】 其他反馈有：其中26%反馈暂未设置CDO岗位；1%反馈不了解汇报关系；1%反馈汇报至主管科技的副行长。 约57%的受访者表示他们单位主要由首席执行官、项目经理负责推动数据管理工作；CIO、CDO、IT经理、数据架构师、数据分析主管也是推动数据管理工作的主力。 11.贵单位谁负责推动数据管理工作？【选择所有适用的选项】 其他反馈有：哪个部门有数据需求就组织数据搜集、整合；信息化部部长；科技专家、金融科技部副总；战略规划部部长。 数据治理、DW&BI、数据质量、数据安全、数据建模、数据集成、元数据、数据标准、数据架构在数据工作中占比都超过了40%。 12.以下哪项已经在贵单位中实施？【选择所有适用的选项】 其他反馈有：近2%调研者反馈集团公司已开展数字化转型，部门也进行了相应调整，就职于下级子公司的建筑设计院，隔着层级不太了解集团实施的具体情况；近2%调研者反馈组织内部还没有开展系统的数据治理。 随着数据资产入表等政策的出台，数据是一项重要资产得到了普遍共识，超过65%的受访者单位认可数据是一项重要资产。 13.以下哪项陈述对于贵单位是准确的描述？【选择所有适用的选项】 其他反馈有：近2%调研者反馈组织内部还没有开展系统的数据治理；大部分员工意识到了由于没有数据治理而产生的问题，但是不觉得自己可以做出什么贡献；人工方式；尚未真正开始数据驱动；暂时还没有发展到数据管理这一块。 有24%的受访者单位制定了专门的数据战略，44%的组织在其他战略中都有关于数据管理的专门章节。 14.贵单位是否已经制定了数据战略？【单选】 有50%的受访者单位已经将数据治理纳入了公司治理范畴。 15.贵单位是否已经将数据治理纳入了公司治理范畴？【单选】 有31%的受访者单位已经实现了数据资源入表和数据资产管理。 16.贵单位是否已经实现了数据资源入表和数据资产管理？【单选】 有39%的受访者单位已经发布了专门的数据治理制度。 17.贵单位是否已经发布了专门的数据治理制度？【单选】 有45%的受访者单位已实施了数据分类分级。 18.贵单位目前是否已实施了数据分类分级？【单选】 有56%的受访者单位正在实施数据湖。 19.贵单位目前是否正在实施数据湖？【单选】 有62%的受访者单位正在实施数据中台。 20.贵单位目前是否正在实施数据中台？【单选】 未来1-2年，数据治理、数据战略、数据架构、数据安全、数据质量、数据建模、数据标准、主数据管理仍是数据工作的重点。 21.在未来1-2年内，贵单位计划实施以下哪项？【选择所有适用的选项】 其他反馈有：不清楚；均进行完善；有进行数字化转型的发展意愿；近2%调研者反馈组织暂无规划。 未来1-2年，将在容器化技术、边缘计算、智能空间、ChatGPT等大数据模型等方面有实施计划。 22.贵单位计划在1-2年内实施以下哪项？【选择所有适用的选项】 其他反馈有：近2%调研者反馈组织暂无规划；1%调研者反馈不清楚。 数据管理培训主要来自厂商提供的教程和其他材料、数据管理类书籍、经验人士指导等。 23.贵单位接受过哪些类型的数据管理培训？【选择所有适用的选项】 市场对综合性的数据治理人才、数字化转型人才、数据资产管理师、数据架构师、数据分析师、数据建模工程师需求量较大。 24.贵单位现在及未来最急需的数据管理人才有哪些？【选择所有适用的选项】 其他反馈有：重视数据治理的高层领导。 98%的受访者表示了解/熟悉DAMA数据管理知识体系。 25.您是否了解DAMA数据管理知识体系？【单选】 78%的受访者单位的数据人才都参加了DAMA认证考试。 26.贵单位的数据人才是否参加了DAMA认证考试（含CDGA、CDGP、CDAM、CCDO及CDMP）？【单选】 除DAMA中国在推行的认证外，受访者普遍认为需要数字化转型、数据要素和数据交易、数据分析和挖掘、数据安全、数据质量等方面的人才认证。 27.除了DAMA中国在推行的CDGA（数据治理工程师）、CDGP（数据治理专家）、CDAM（数据资产管理师）、CCDO（首席数据官）认证，你认为还需要推出哪些方面的人才认证？【选择所有适用的选项】 受访者反馈未来希望在数据治理与业务融合、数据治理体系框架与实战经验、数据资产与数据交易、数据安全与隐私保护、数据治理工具与技术实践等方面进行学习。 28.你最想学习哪些方面的数据治理知识，你对未来数据治理有什么样的设想和建议？【开放题】共收到102个有效反馈数据，涵盖知识、体系、工具、实践等各个方面整体概况如下： 1)数据治理与业务融合：如何将数据治理与业务流程紧密结合，从业务角度推进数据治理，提升数据开发的含金量。 2)数据治理体系框架与实战经验：学习数据治理体系框架下各个模块的实战经验，包括BI、数据分析、数据挖掘、机器学习、AI等。 3)数据资产与数据交易：数据资产入表、数据资产交易、数据资产评估入表等，以及数据要素市场化配置。 4)数据安全与隐私保护：数据安全、数据隐私、数据保护和合规性，包括数据安全风险评估和数据访问权限管理。 5)数据治理工具与技术实践：具体的数据治理工具使用、实践经验，以及技术手段提高数据治理效率。 6)数据治理培训与认证：参与CDGP等数据治理专家学习、培训，以及对专业培训、咨询资源的需求。 7)数据治理案例与最佳实践：成功的数据治理案例分享，不同行业的数据治理实践，以及按行业划分的数据管理交流活动。 8)数据治理顶层设计与战略规划：顶层设计、主数据和元数据管理，以及数据治理的战略规划和价值分析。 9)数据治理的文化与意识提升：提升全社会的数据素养，形成全员重视数据安全和数据治理的文化氛围。 10)数据治理的落地实施与反馈评价：数据治理如何落地实施，以及建立数据治理后的反馈和评价体系。 11)数据治理与数字化转型：数字化转型中的大数据治理、数据产业化和产业数字化。 12)数据治理的智能化与自动化：探索更成熟智能的数据治理模式，包括数据编织、数据AI、数据场景挖掘等。 13)数据治理的专业化与职业发展：数据治理工程师职业发展前景，以及数据治理专业化指导和政策发文。 14)数据治理的经济效益与投资回报：寻求最佳投入产出比的数据治理实践案例，以及如何向高层证明数据治理的量化价值。