如何借助低代码提升企业数字化成熟度？

在数字化技术的快速发展下，经过多年的发展，大部分企事业单位已经拥有了若干可用的数字化系统。这些系统是根据各个部门和团队的需求开发而成，为其业务发展提供了支持。然而，由于这些系统开发的时间和背景不同，存在着数据不统一、流程不贯通等问题。部分业务仍然脱离信息化系统，导致数据统计不及时、不准确、不全面，无法通过数据分析来为管理层决策提供有效支持。因此，企业在数字化成熟度方面仍有提升的空间。为了快速解决上述问题并加速数字化进程，引入低代码技术成为一种理想选择。低代码技术能够快速构建应用程序，简化开发流程，减少依赖开发人员的工作量。通过引入低代码技术，企业可以更快地实现系统集成、数据统一和流程优化，从而提升整体的数字化成熟度，为企业的发展打下坚实基础。

什么是企业数字化成熟度

"成熟度"是一个管理学概念，最初指的是研究对象（企业或个人）在某个方面的熟练程度，随后引申为研究对象与其完美状态的相对值。成熟度的核心含义包括两个方面：一是确定完美状态，或基于当前认知的相对完美状态；二是确定对象的状态，并衡量其与完美状态之间的差距。为了方便持续评估，成熟度通常使用百分比或等级来度量。

01 如何衡量企业数字化成熟度？

目前，有两种主要体系用于衡量企业的数字化成熟度。一种是以数据管理为核心的数据管理能力模型，例如CMMI（Capability Maturity Model Integration） 组织提出的CMMI数据管理成熟度模型（CMMI-DMM），国内对应的是 DCMM《GB/T36073-2018数据管理能力成熟度评估模型》。

另一种是专注于企业软件开发与运维的信息化能力模型，例如 Gartner 提出的《企业信息化管理成熟度评估模型》（EIMM）。这些模型可帮助企业评估其数字化成熟度，并提供指导和框架，以便于企业在数字化转型过程中实现持续的进步和改善。

这两种成熟度模型都可以追溯到能力成熟度评估（Capability Maturity Assessment），这是基于能力成熟度模型（Capability Maturity Model）框架的一种能力提升方案。它描述了特定领域的能力从初始状态发展到最优化的过程。

CMA的概念最初源于美国国防部为评估软件承包商而建立的标准，并在1980年代发展起来。卡内基梅隆大学软件工程研究所发布了软件能力成熟度模型，该方法论迅速引起了软件和企业信息化行业的广泛关注，并逐渐衍生出各个领域的评估模型。

在使用任何企业数字化成熟度评估模型之前，需要注意以下几点：

✔ 成熟度评估需要进行计划。为了确保可行的结果，应在计划中预留时间来准备材料和评估结果，并确保评估在规定的短时间内完成。

✔ 评估的目的是揭示当前的优势和改进机会，而不是解决问题。

✔ 评估是通过与业务、数据管理和信息技术参与者征求意见的方式进行的，旨在基于证据达成共识，支持当前状态的能力。这些证据可以来自对组件的检查（例如数据库备份的存在与否）、访谈（确认某人正在执行评估系统以供重用）或两者兼而有之。

✔ 评估模型可以根据组织的需要进行扩展，但在进行修改时需要小心谨慎。如果对模型进行剪裁或修改，可能会导致模型失去原有的严谨性或可追溯性。

02 企业数字化成熟度评估步骤

以 CMMI-DMM 为例，国际数据管理协会（DAMA）推荐的成熟度评估方案可分为五个主要步骤。EIMM 与之类似，可以进行简单类比：

2.1规划评估活动

规划评估活动是 CMMI-DMM 评估过程中的重要步骤，确保评估有序高效进行。在规划阶段，需要明确评估的目标、范围、交互方法和执行计划。此外，除了向上级报告并争取高层支持，还需要在企业内部进行充分沟通。

2.2执行成熟度评估

执行成熟度评估包括自我评估和主任评估两个阶段。首先，在组织内部进行自我评估，识别数据管理过程中的优势和改进机会，收集初步数据和信息。然后，邀请 CMMI 主任或符合要求的评估人员进行外部评估。主任将基于 CMMI-DMM 标准评估组织的数据管理能力，并提供评估报告。此外，还需要收集所有评估数据，如数据质量、数据安全、数据使用效率等指标，并进行深入分析。

2.3解释结果和提供建议

解释结果和提供建议是评估完成后的关键步骤，需要团队和领导层共同评估结果，并达成关于现状和发展目标的共识。在沟通中，确保评估结果报告包含以下重要信息：总体评估结果、按主题分类的评估结果和主要差距、弥补差距的简易方法以及这些方法的风险等。此外，为了加快后续工作的展开，评估结果报告还应包含评估过程中发现的相关优势、企业现有资源的分析和未来的利用等正面评价的建议。

2.4制定有针对性的改进计划

制定有针对性的改进计划是推动后续改进工作成功的关键，需要在管理层达成共识的基础上制定改进计划和路线图。该计划应包括针对特定主题的改进方案，并制定相关计划和时间表。在这一步骤中，通常涉及规范和制度建设，以及采购和实施软件工具。随着低代码技术的普及，定制化软件方案逐渐成为首选，其优势涵盖了制度落地和工具匹配两个方面。

2.5重新评估成熟度

重新评估成熟度是确保成熟度持续提升而不退步的重要环节。DAMA 认为成熟度评估的终点是下一轮评估。为了实现持续改进，需要定期进行重新评估，形成一个循环往复的过程。

在实际操作中，企业可以根据所在行业和自身发展阶段选择适合的评估模型，并与专业咨询公司合作完成评估工作（如果企业内部缺乏相关专业人员，引入外部力量是更可行的方案）。评估完成后，企业可以以评估结果和改进计划为基础制定长期的提升计划，并以此为动力，利用低代码技术高效地进行企业软件开发、维护、更新和整合。实际上，这也是许多大型企业信息化部门推动低代码转型的核心驱动力。

低代码提升数据管理能力成熟度

对于金融、卫生、公共管理等合规性要求较高的企事业单位，或是对数据管理要求高的烟草、能源等央国企，推荐采用数据管理能力成熟度模型。如果有条件的话，可以优先选择具有国家标准的 DCMM 模型，以实现贯标和数字化转型升级的有机结合，助力企业在这一领域取得更显著的成果。

DCMM模型将数据管理能力成熟度划分为五个等级，从低到高依次为初始级（1级）、受管理级（2级）、稳健级（3级）、量化管理级（4级）和优化级（5级）：

1. 初始级：

被评估的组织还没有意识到数据的价值，数据管理主要在项目级体现，没有统一的管理流程，主要是面向特定问题的被动式管理。

2. 受管理级：

组织已意识到数据是资产，根据管理策略的要求制定了管理流程,制定了相关人员进行初步管理。

3. 稳健级：

数据已被当做实现组织绩效目标的重要资产，在组织层面制定了系列的标准化管理流程，促进数据管理的规范化。

4. 量化管理级：

数据被认为是获取竞争优錨琴势的重要资源，数据管理的效率能量化分析和监控。

5. 优化级：

数据被认为是组织生存和发展的基础, 相关管理流程能实时优化, 能在行业内进行最佳实践分享。

这些不同等级代表了企业在数据管理和应用方面的成熟度水平。在提升每个等级时，都需要进行大量的定制化软件开发工作。而低代码技术在这个过程中将发挥重要作用，因为它能够有效地打通数据孤岛、提升数据质量，并在有限预算下展示其优势和价值。