标准规范下载简介：

内容预览由机器从pdf转换为word，准确率92%以上，供参考

DL／T 2460-2021 电力数据管理能力成熟度评估模型.pdf

数据战略实施能力项主要包含以下活动： a） 1T 评估准则：建立数据战略规划实施评估标准，规范化评估过程和方法。 b）现状评估：对单位当前数据战略落实情况进行分析，评估各项工作开展情况。 C） 评估差距：根据现状评估结果与单位数据战略规划进行对比，分析存在的差异。 d）实施路径：利益相关者结合单位的共同目标和实际商业价值进行数据职能任务优先级排序。 e）保障计划：依据实施路径，制定开展各项活动所预算。 f）任务实施：根据计划开展实施工作。 g）过程监控：依据实施路径，及时对实施过程进行监控。

过程目标如下： a）检查数据战略落实情况，定期对实施情况进行评估。 b）分析差距：对现状和发展目标进行对比，分析存在的差异，明确发展方向。 c） 推动战略实施，根据存在的差距，结合单位的共同目标和实际商业价值，进行数据职能任务优 先级排序，提供资源和资金保障，推动战略落地。

6.2.4能力等级标准

能力等级标准如下： a）第一级：初始级。在具体项目中反映数据管理的任务、优先级安排等内容。 b）第二级：受管理级。 1）在部门或数据职能领域内，结合实际情况评估关键数据职能与愿景、目标的差距。 2）在部门或数据职能领域内，结合业务因素建立并遵循数据管理项目的优先级。 3）在部门或数据职能领域内，制定数据任务目标硬质阻燃型塑料管（PVC）暗敷设施工工艺，并对所有任务进行全面分析，确定实 施方向。 4）在部门或数据职能领域内，针对具体管理任务建立目标完成情况的评估准则。 c）第三级：稳健级。 1）针对数据职能任务，建立系统完整的评估准则。 2）在单位范围内全面评估实际情况，确定各项数据职能与愿景、目标的差距。 3）制定数据战略推进工作报告模板，并且定期进行发布，使利益相关者了解数据战略实施的 情况和存在的问题。 4）结合单位业务战略，利用业务价值驱动方法评估数据管理和数据应用工作的优先级，制定

能力等级标准如下： a）第一级：初始级。在具体项目中反映数据管理的任务、优先级安排等内容。 o）第二级：受管理级。 1）在部门或数据职能领域内，结合实际情况评估关键数据职能与愿景、目标的差距。 2）在部门或数据职能领域内，结合业务因素建立并遵循数据管理项目的优先级。 3）在部门或数据职能领域内，制定数据任务目标，并对所有任务进行全面分析，确定实 施方向。 4）在部门或数据职能领域内，针对具体管理任务建立目标完成情况的评估准则。 ）第三级：稳健级。 1）针对数据职能任务，建立系统完整的评估准则。 2）在单位范围内全面评估实际情况，确定各项数据职能与愿景、目标的差距。 3）制定数据战略推进工作报告模板，并且定期进行发布，使利益相关者了解数据战略实施的 情况和存在的问题。 4）结合单位业务战略，利用业务价值驱动方法评估数据管理和数据应用工作的优先级，制定

实施计划，并且提供资源、资金、人力等方面的保障。 5）跟踪评估各项数据任务的实施情况，并结合工作进展调整更新实施计划。 d）第四级：量化管理级。 1）可以应用量化分析的方式对数据战略的进展情况进行分析。 2）积累大量的数据用以提升数据任务进度规划的准确性。 3）数据管理工作任务的安排能够及时满足业务发展的需要，建立了规范的优先级排序方法。 e）第五级：优化级。 在业界分享最佳实践，成为行业标杆。

数据战略评估是通过制定数据战略评估规范，从事前、事中、事后等维度对数据战略实施情况进 行评估，全面了解数据战略进展，做好数据战略的滚动修编，同时做好记录供审计使用。

过程描述如下： a）建立数据战略评估规范，制定评估方法。 b）建立业务案例，确定数据战略任务的范围、任务活动、期望价值。 c）建立任务效益评估模型，从时间、成本、效益等方面建立数据战略任务效益评估模型。 d）实施评估，针对数据战略任务开展效益评估，评估结果支撑数据战略的修订。

过程描述如下： a）建立数据战略评估规范，制定评估方法。 b）建立业务案例，确定数据战略任务的范围、任务活动、期望价值。 c）建立任务效益评估模型，从时间、成本、效益等方面建立数据战略任务效益评估模型 d）实施评估，针对数据战略任务开展效益评估，评估结果支撑数据战略的修订。

6.3.4能力等级标准

元在部门、项目间进行分配。 3）在单位资金预算过程中对业务案例进行评估和排序，对应于预算投资角度对数据管理和数 据应用的重视。 4）在单位范围内，建立了投资预算方面的正式标准要求。 5）在单位范围内，通过成本收益准则指导数据职能项目的实施优先级安排。 6）在单位范围内，依据历史数据进行后评价工作，并纳入审计范围。 第四级：量化管理级。 1）构建专门的数据管理和数据应用总拥有成本方法，衡量评价数据管理实施切入点和基础实 施的变化，并进行对应的资金预算调整。 2）使用统计方法或者其他量化方法分析数据管理的成本评价标准。 3）使用统计方法或者其他量化方法分析资金预算满足单位目标的有效性和准确性。 第五级：优化级。 1）已在业界分享了数据管理的最佳实践，成为行业标杆。 2）参与行业标准或团体标准的制定工作。

数据治理组织是各项数据工作开展的基础，包括组织建设、岗位设置、评价考核等。数据治理组织在 数据管理和数据应用中行使规划和控制职责，推动各项数据工作执行，确保数据战略目标有效落实。

过程描述如下： a） 建立数据治理组织，建立数据体系配套的权责明确且内部沟通顺畅的组织，确保数据战略 的实施。 b）岗位设置，建立数据治理所需的岗位，明确岗位的职责，任职要求等。 c）团队建设，制定团队培训、能力提升计划，通过引入内部、外部资源定期开展人员培训，提升 团队人员的数据治理技能。 d）数据归口管理，明确数据所有人、管理人等相关角色，以及数据的归口的具体管理人员。 e）建立绩效评价体系，根据团队人员职责、管理数据范围的划分，制定相关人员的绩效考核体系。

7.1.4能力等级标准

能力等级标准如下： ） 第一级：初始级

1）仅在具体项目中体现数据管理和数据应用的岗位、角色及职责。 2）依赖信息化项目组能力解决数据问题，没有设定专业的部门。 b）第二级：受管理级。 1）数据管理相关人员接受过专业的培训，但是没有制度化。 2）在单个数据职能域或业务部门，建立包括多个层级的组织架构。 3）在单个数据职能域或业务部门，有明确的数据管理和数据应用实施部门，负责单位内对应 数据职能相关工作。 4）设置数据管理和数据应用专职岗位，岗位职责明确。 5）在项目层面明确数据管理职责，以及角色。 c）第三级：稳健级。 1）数据治理组织中管理层负责数据职能决策，推动数据管理相关工作。 2）在单位范围内明确统一的数据管理和数据应用归口部门，负责单位协调各项数据职能工作。 3）数据管理人员的岗位职责明确，可以体现在岗位描述中，并且建立了数据管理人员的职业 发展规划，明确了发展方向。 4）建立了数据管理工作的评价标准，建立了对相关人员的奖惩制度。 5）在单位范围内建立、健全数据责任体系，覆盖管理、业务和技术等方面的人员。 6）在单位范围内推动数据归口管理，确保各类数据都有明确的管理者。 7）定期进行培训和经验分享，不断提高员工能力。 d）第四级：量化管理级。 1）建立适用于数据管理和数据应用岗位人员的量化绩效评估指标，并且发布考核结果，评估 相关人员的岗位绩效。 2）建立提高数据管理、应用人员工作积极性及促进其职业发展的奖惩机制。 e）第五级：优化级。已在业界分享了数据治理最佳实践，成为行业标杆。

过程描述如下： a）制定数据制度框架，根据数据职能的层次和授权决策次序，数据制度框架分为多个不同梯次， 规定数据管理和应用的具体领域、各个数据职能领域内的目标、遵循的行动原则、完成的明确 任务、实行的工作方式、采取的一般步骤和具体措施。 b）整理数据制度内容，数据管理政策与数据管理办法、数据管理细则共同构成单位数据制度体 系，其基本内容如下： 1）数据管理政策说明数据管理和数据应用的目的，明确其单位与范围。 2）数据管理办法是为数据管理和数据应用各领域内的活动开展而制定的一系列规则、流程。 3）数据管理细则是确保各数据方法执行落实而派生出来的实施细节与技术规范。 c）数据制度发布：单位内部以发文、邮件等形式正式发布审批过的数据制度。 d）数据制度实施：结合数据治理组织的设置，推动数据制度的落地实施。 e）数据制度宣贯：定期开展数据制度相关的培训、宣传工作。

7.2.4能力等级标准

能力等级标准如下： a）第一级：初始级。 1）各个项目分别建立各自的数据相关规范或细则。 2）数据管理制度的落实和执行由各项目人员自行决定。 b）第二级：受管理级。 1）在部分数据职能框架领域建立跨部门的制度管理办法、细则。 2）识别了数据制度相关的利益相关者，了解了相关诉求。 3）明确了数据制度的相关管理角色，推动数据制度的落地实施。 4）跟踪制度实施情况，定期修订管理制度，维护版本更新。 5）防范法律和规章风险的部分制度是存在的，但还不完整。 c）第三级：稳健级。 1）在单位范围内搭建制度框架，并制定数据政策。 2）建立全面的数据管理和数据应用制度，覆盖各数据职能域的管理办法和细则，并以文件形 式进行贯彻，以保证数据职能工作的规范性和严肃性。 3）建立有效的数据制度管理机制，统一了管理流程，用以指导数据制度的修订。 4）根据实施情况持续修订数据制度，保障数据制度的有效性。 5）定期开展数据制度相关的培训和宣贯。 6）业务部门人员积极参与数据制度的制定，并可以有效推动本业务域数据管理工作的开展。 7）数据制度的制定参考了外部合规、监管方面的要求。 H）第四级：量化管理级。 1）数据制度的制定参考了行业最佳实践的经验，体现了业务发展的需要，推动了数据战略的 落地实施。 2）可以量化评估数据制度的执行情况，优化数据制度管理过程。 e）第五级：优化级。 1）在业界分享最佳实践，成为行业标杆。 2）参与国家、行业、区域性数据相关制度的规划、制定及实施。

数据治理沟通是建立培训宣贯、进展汇报等机制，确保利益相关者及时了解数据制度、标准、工 作进展的最新情况；定期组织开展数据管理和应用培训，提升数据团队知识和技能，培养数据资产意 识， 构建数据文化。

DL/T2460—202

a）沟通路径：明确数据管理和应用的利益相关者，分析各方的诉求江苏某小高层施工组织设计，了解沟通的重点内容。 b）沟通计划：建立定期或不定期沟通计划，并在利益相关者之间达成共识。 c）沟通执行：按照沟通计划安排实施具体沟通活动，同时对沟通情况进行记录。 d）沟通升级：在必要情况下进行沟通层级上升，以解决分歧。 e）建立沟通的渠道：在单位内部明确沟通的主要渠道，例如邮件、发文、网站、自媒体，研 讨会等。 f）制定培训宣贯计划：根据单位人员和业务发展的需要，制定相关的培训宣贯计划。 g）开展培训：根据培训计划的要求，定期开展相关培训。

过程目标如下： a）沟通保障数据管理和数据应用活动的信息能够被相关人员及时获悉并理解。 b）及时发布影响数据管理和数据应用的行业或监管合规性指导。 c） 利益相关者参与数据治理沟通的机制建立和发展。 d）加强单位人员对于数据相关制度、企业、标准的理解。

a）第一级：初始级。 1）在项目内进行沟通活动的实施和管理。 2）存在一些零散的数据管理和数据应用的沟通计划，但是未统一。 b）第二级：受管理级。 1）在单个数据职能域，定义跨部门的数据管理相关的沟通计划，并在利益相关者间达成 致，按计划推动活动开展。 2）数据管理的相关政策、标准、规范纳入沟通范围，并根据反馈进行更新。 3）根据需要在单位内部开展了相关培训。 4）根据需要整理数据工作综合报告，汇总单位内部阶段发展情况。 c）第三级：稳健级。 1）建立单位级的沟通机制，明确不同数据管理活动的沟通路径，满足沟通升级或变更管理要 求，在单位范围内发布并监督执行。 2）识别了数据工作的利益相关者，明确了各自的诉求，制定并审批了相关的沟通计划和培训 计划。 3）明确了单位内部沟通宣贯的渠道，定期发布单位内外部的发展情况。 4）定期开展数据相关的培训工作，提升人员的技能。 5）数据管理的相关政策、方法、规范在单位范围内进行沟通，覆盖大多数数据管理和数据应 用相关部门，并根据反馈进行更新。 6）明确数据工作综合报告的内容组成，定期发布单位的数据工作综合报告。 7）利益相关者审阅沟通计划和沟通过程，并进行审批和发布。 d）第四级：量化管理级。 1）建立与外部企业的沟通机制，扩大沟通范围以满足监管合规或新的发展趋势要求。 2）收集并整理了行业内外部数据管理相关案例，包括最佳实践、经验总结、相关轶事，并通 过各种渠道定期发布。 3）单位人员了解数据管理与应用的业务价值，全员认同数据是单位的重要资产。

DL/T 2460—2021

第五级：优化级。 1）通过数据治理沟通，建立了良好的单位数据文化，促进了数据在内外部的应用 2）在业界分享最佳实践，成为行业标杆。

数据模型是一种描述业务相关对象逻辑结构和相互关系的一套数据规范。从模型覆盖的内容粒度 看，数据模型一般分为主题域模型、概念模型、逻辑模型和物理模型。从模型的应用范畴看陕2017TJ 033 YT无机墙体隔热保温系统图集，数据模 型分为企业级数据模型和系统应用级数据模型。企业级数据模型包括主题域模型、概念模型和逻辑模 型三类，系统应用级数据模型包括逻辑模型和物理数据模型两类。

过程描述如下： a）收集和理解电力行业数据需求，包括收集和分析应用系统的数据需求和实现企业的战略、满足 内外部监管、与外部企业互联互通等的数据需求等。 b）制定模型规范，包括模型管理工具、命名规范、常用术语以及管理方法等。 c）开发数据模型，包括开发设计企业级数据模型、系统应用级数据模型。 d）数据模型应用，根据企业级数据模型的开发，指导和规范系统应用级数据模型的建设。 e）符合性检查，检查企业级数据模型和系统应用级数据模型的一致性。 f）模型变更管理，根据需求变化实时地对数据模型进行维护。