武汉dcmm数据管理能力成熟度认证-启明认证咨询(在线咨询)

数据拥有方（甲方）：金融和保险机构、互联网企业、电信运营商、工业企业、数据中心所属主体、高校、政务数据中心等；

拥有大量数据，行业头部企业、集团公司等；

可以评估自身的数据管理和应用能力；

发现自身在数据管理方面存在的问题，并给出针对性的建议，帮助其提升数据管理能力水平。

数据解决方案提供方（乙方）：数据开发/运营商、信息系统建设和服务提供商、信息技术服务提供商等。

帮助客户管理大量的数据，信息服务类企业；

评估自身对外提供的产品、服务的数据管理和应用能力；

通过该标准的落地实施，可以帮助数据解决方案提供方完善自身解决方案的完备度，提升自身咨询、实施的能力。

DCMM贯标企业的整体现状

截至目前，已有数百家企业参与了DCMM的贯标工作，这些企业遍布于电力、通信、金融、政务、IT及工业制造等多个领域。在所有参与贯标的企业中，达到5级水平的企业有2家，4级企业占比约为10%，3级企业占比达到40%，而2级及以下的企业数量非常多，占比超过50%。

企业如何初步判断自身评估等级

DCMM评估涵盖了诸多方面，且评估等级间存在兼容性，即申请更高等级的评估时，必须先满足较低等级的要求。初步评估企业自身等级时，主要应考虑企业规模、数据管理人员配备、数据管理制度的完善程度，以及数据管理工具与平台的使用情况等关键因素。

数据分析：CRISP-DM（跨行业数据挖掘标准流程）

CRISP-DM 模 型， 通 常 将 数 据 挖 掘 的 整 个 过 程 划 分 为 6 个阶段：业务理解（Business Understanding）、 数 据 理 解（Data Understanding）、 数 据 准 备（Data Preparation）、模型搭建（Modeling）、模型评估（Evaluation）和模型部署

业务理解：从业务角度上更好的了解客户的要求和目的，然后将这些业务理解转化为一个明确的数据挖掘问题，制定项目计划并设计初步方案。

数据理解：收集数据是数据理解阶段的头一步，也是整个数据挖掘项目的基础。为了对数据有初步的理解，接下来需要探索数据特征，dcmm数据管理能力成熟度认证，进行简单的描述统计并核验数据质量。

数据准备：数据准备阶段将对原始数据进行变量选择、数据清洗、数据加工和数据整合以构建数据挖掘数据集。在整个数据挖掘项目过程中，有可能需要多次实施数据准备工作。

模型搭建：对于某类数据挖掘的需求，通常有多种方法和更佳实践可供选择使用。在模型搭建阶段，应根据数据挖掘项目的需求与特点，选择使用多种技术或方式搭建模型。

模型评估：评估备选模型的准确性、稳定性和性能等指标，从备选模型中遴选更佳模型，并回顾模型搭建的各个步骤环节，确保更佳模型与业务目标一致，除此之外还应与客户根据实际业务场景来共同决定如何使用模型的结果。

模型部署：搭建模型并不是数据挖掘的目的，更不是数据挖掘项目的结束标识，模型只是数据挖掘项目的交付物之一。搭建模型的目的在于应用于业务实践，解决业务问题，实现业务目标，这样才能真正实现数据挖掘的商业价值，这些都是在模型部署阶段完成的。