企业数智化能力成熟度模型（EDMM）标准体系解读

大家好，非常荣幸能给大家介绍一下中国信通院在数据智能领域工作的一项最新成果——企业数智化能力成熟度模型（EDMM）的标准体系，这是我们从2022年开始做了很久的一项持续性工作。下面先介绍一下这项工作的背景。

我们认为数据智能的发展经历了三个阶段，第一阶段是技术驱动阶段，数据库和基于统计学习的机器学习是核心技术，数据技术和智能技术主要依靠自发的技术探索和发展。第二阶段是数据驱动阶段，该阶段数据量、数据结构和数据类型的爆发增长带来了新需求，分布式计算、流处理和深度学习技术逐渐兴起。第三阶段是应用驱动阶段，虽然没有出现革命性的新技术，但通过对已有技术的重新组合和深度应用，发挥了数据和智能技术在实际场景中的价值，如流批一体、湖仓一体和多模态大模型等技术，该阶段为企业在经营管理等方面提供了新思路。

技术的发展伴随着人们对技术和数据价值的认知提升。在数据层面，自从提出数据要素以来，大家对数据的价值属性高度关注。根据今年的数据资源调查报告和其他调研结果显示，约40%的新增数据仍未被存储和利用，数据加工能力的不足导致数据价值被低估，难以挖掘和复用。因此，我们需要更好地利用现有数据技术，充分发挥数据的价值。在智能领域，从早期的统计分析和专家模型，到后来的深度学习，再到近年的大模型，技术不断进步，大模型的实际可用性显著提升，例如最新的GPT-4模型展现了更多的能力，给我们带来了更多的应用空间。

在技术和认知提升的基础上，越来越多的企业开始尝试数智化转型。我们认为，数智化转型就是企业利用大数据和人工智能技术，从数据中挖掘有价值的知识，从而支撑决策，推动业务创新，提高经营和管理效率。这些目标包括内部的降本增效、新兴业务的创新和服务流程的优化等。然而，在转型过程中，我们面临许多问题和挑战，企业需要制定明确的转型目标，参考有效的方法论，提炼有价值的应用场景，并建设相应的能力。此外，还需要选择合适的技术路线和产品，最后进行成效评价。这些都是企业在能力建设完成后仍然困惑的问题。

为了解决诸多问题，我们从2022年开始提出了企业数智化能力成熟模型的系列工作，围绕企业转型所需的能力构建了一个框架。这个框架初期分为底层的数据智能基础设施、数据智能中台、数据智能应用和长效机制四个部分。首先，数据智能基础设施包括支持数据和智能生产活动的技术平台，这些平台可实现数据存储和计算。其次，我们将企业内部的数据中台和其他生产类平台整合，形成数据智能中台，具体分为数据中台、知识中台和智能中台。最后是数据智能应用，直接服务于企业业务并产生实际价值，进一步可分为场景类、通用类和行业类，通过利用中台产出的知识模型和数据服务实现应用效果。长效机制包括提升企业数智素养和对成效的评价，是需要长期持续进行的工作。接下来会详细介绍一下每个部分的能力。

首先是数智基础设施，目前这层的模型我们还未正式推行，处于着手建设标准的阶段。我们希望从基础设施层面评估企业建设能力的成熟度。我们的思路是从战略组织、运营管理、技术平台和硬件资源等方面来衡量企业基础设施的建设水平，这是企业打基础的重要环节。

接下来是数智中台，也是我们数据智能体系里面核心模块，不断利用基础的技术能力生产加工我们的数据、知识、模型这些上层应用需要使用的服务，这些能力我们目前划分成数据中台、智能中台和知识中台三个不同的成熟度模型。

首先是数据中台能力成熟度模型，这是我们时间最长、最成熟的模型。它将各项能力抽象成中台的概念，不是传统技术产品的实体概念，而是一个能力集合。这个模型包括技术工具、架构管理、数据开发、数据服务、数据管理和数据运营六个能力域，企业可以选择关注的能力域分别评估。

第二个是智能中台，智能中台是今年新完成的一项标准，很多企业共同参与研讨和编制，针对企业智能化能力的集合，包含整个模型加工的技术能力和流程管理，具体分为AI研发能力、运营能力、服务能力、安全能力，底层的资源管理能力以及上层的组织保障能力，整体分成六个部分，不久将推出首批评估。

第三个是知识中台，虽然相对数据中台和智能中台来说认知程度较低，但许多企业已经建立了类似的系统，如知识库或知识管理系统，尽管形式不同，但目标一致，都是为了管理和利用知识。知识中台模型将这些能力抽象出来，包括知识的汇聚、抽取、组织、管理、挖掘和应用等能力，以及相关的支撑能力。这个模型也是我们今年新完成的标准，并将很快启动首次评估。

数智应用是数据价值释放的最终环节，直接决定转型的成效。我们将应用层的能力分为通用类、场景类和行业类。通用类适用于所有企业，包括数据可视化、数据分析应用和数据API等。场景类围绕特定应用构建能力，例如营销、风控和财务。营销是所有需要销售的企业都会涉及的能力，也是我们做的第一个应用类场景。风控能力在许多企业内部都有需求，并逐步从人工规则演进到智能化风控。财务方面，大型企业普遍在进行智能化改造。行业类的定制化较强，每个行业及其细分领域都有不同需求，因此我们暂时未形成通用标准。

接下来介绍已经完成的应用层标准。首先是数字营销，数字营销是所有企业数智化场景中占比最高的领域，我们构建了企业通过数据驱动的营销全流程，从数据采集、整合、建模与洞察，到基于数据的决策，再到决策后的运营，最终形成闭环，这个标准在过去几年已经有很多企业参与评估和应用。

然后是智能风控，这一领域我们主要针对金融行业的信贷特定领域展开。因此，在能力划分上，除了基础的平台能力、规则管理能力、模型训练能力和模型部署能力外，还包括基于业务场景的贷前决策和贷中管理等能力。此外，还涵盖了风控运营和安全合规能力。

数智财务成熟度模型是我们目前正在编制尚未完成的标准，无论是政策推动还是企业自发驱动，财务管理水平都备受重视。我们将财务能力划分为底层业务支撑能力、数据支撑能力、技术支持能力、财务运营和管理能力以及应用能力，构建了一个较大的模型，该模型目前还未定稿，希望大家能够参与进来，共同完善。

在完成前述基础设施、中台和应用的能力建设后，我们开始制定长效机制。长效机制中最重要的是数智素养和成效评价，这些指标难以衡量，目前我们正在拟定一套完整的模型。希望通过对人员能力、人才体系、业务体系和文化体系等方面的建设，来评估企业的数智素养整体水平。

数智素养方面我们首先从人才建设和能力评价入手，成立了数智人才工作组，推进数智人才能力模型的编制。目前将数智人才分为技术人才、应用人才和管理人才，已经梳理了二十多个人才岗位，并将专业能力划分为数据分析、数据治理、数据安全、人工智能等7个领域，明确不同专业能力的等级要求。

我们最终将构建出一幅完整的企业数智人才能力地图，展示企业每类人才、每个岗位对应需要达到的专业能力及能力级别，为企业建设数智人才体系提供参考，这是我们完成这项工作的主要目的。

我们后续工作重点是完善整个EDMM标准体系。首先，在基础设施层面，我们将优先完善数据智能基础设施建设成熟度标准。在数智中台方面，会重点推进智能中台和知识中台的首批评估。在应用层面，我们将优先完成数智财务成熟度模型，并持续推进不同场景的应用标准。对于长效机制，我们将首先完善人才能力模型。同时，针对企业提出的数智化转型成效评价需求，我们也在调研和编制相关模型，希望更多的关注者能参与到成效评估模型的编制中来。

最后，简单介绍下我们正在推进的基于EDMM系列的整套评估工作。过去两年中，我们一直在推进数据中台能力成熟度评估，已经有许多企业参与，在应用领域，数字营销和通用能力评估也有很多评估案例。今年，我们新增了智能中台、知识中台以及智能风控的评估，期待未来更多企业能够持续参与相关评估工作。

2024年下半年度企业数智化能力成熟度模型（EDMM）系列评估正式启动，欢迎感兴趣的企业联系咨询。

联系人：

王老师

18810521739

[email protected]

于老师

18910052266

[email protected]