您所在的位置是: 首页 » 新闻资讯 » 公司动态 » 智能工厂申报新风口:DCMM 2.0来了,数据治理从“加分项”变“入场券”
上周聊了智能工厂申报材料被刷的常见问题,后台不少读者追问:
“AI场景我们填了,自评分也过了,还有什么能拉开差距的提分点?”
答案是肯定的。而且这个维度,绝大多数企业至今没有引起足够重视——数据治理能力。
更关键的是,随着 《数据管理能力成熟度评估模型》(GB/T 36073-2025,即DCMM 2.0)于2026年7月1日正式实施,数据治理已不再是锦上添花的加分项,而是决定申报成败的隐性门槛。
本文依据最新国标及江苏省相关文件精神(苏工信信发〔2026〕16号)整理,聚焦DCMM与智能工厂申报的深度关联,为制造业企业划出重点。
DCMM(Data Management Capability Maturity Model) 全称“数据管理能力成熟度评估模型”,是我国数据管理领域首个国家标准(GB/T 36073),由工信部主导推行,是目前国内最权威的企业数据管理能力认证体系。
它衡量什么?
DCMM覆盖企业数据管理的 9大核心能力域:
数据战略
数据治理
数据架构
数据应用
数据安全
数据质量
数据标准
数据生存周期
数据资产(DCMM 2.0新增)
5个能力等级:
初始级/受管理级(1-2级):基础数据管理
稳健级(3级):申报门槛级(多地已列为专项资金准入条件)
量化管理级(4级):数据驱动决策
优化级(5级):持续创新与生态协同
需要特别注意的是,企业通过DCMM评估通常需要 3-6个月准备期,涉及制度梳理、系统接口改造和人员培训。现在若不启动,2026年底的申报窗口极可能赶不上。
新版标准 GB/T 36073-2025(DCMM 2.0) 已于2025年12月31日发布,并将于 2026年7月1日正式实施。对比旧版,制造业企业必须关注以下三点:
变化一:新增“数据资产域”
包含权属管理、价值评估、资产运营。这意味着生产数据、设备数据、能耗数据均可作为数字资产入账,与智能工厂的数智化建设高度重叠。
变化二:首次申报最低从2级起评
DCMM 1.0允许从1级起步,2.0已将“初始级”与“受管理级”合并。门槛抬高,提前准备者优势明显。
变化三:区分甲方乙方,评估更有针对性
制造业企业作为数据拥有方(甲方),评估重点不再是技术平台本身,而是企业数据治理体系能否真正支撑业务决策与数字化转型。
依据苏工信信发〔2026〕16号文,先进级智能工厂申报须覆盖五大建设内容,其中至少三项与数据治理能力直接挂钩:
1. 生产管理数字化
MES、ERP、SCADA等系统产生的生产数据能否被有效采集、治理、分析,直接决定本模块得分。DCMM 3级(稳健级)要求全企业范围内统一数据管理流程,达到这一标准的工厂,此项得分可拉开10-15分差距。
2. AI技术应用场景
AI应用的质量上限,本质上是数据质量的上限。预测性维护、视觉质检、能耗优化等场景,均依赖高质量历史数据作为训练基础。数据治理能力不足的企业,AI场景只能停留在文本描述,无法通过现场核查。
3. 绿色发展与能耗管理
智能工厂的绿色发展模块要求能耗实时监测、碳排放数据可追溯。零碳工厂申报更需完整的碳核算体系。这一切的基础,正是DCMM中强调的数据质量与生命周期管理能力。
第一步:先做数据现状摸底(1-2周)
对照DCMM 9大能力域,梳理工厂当前数据管理现状,优先补强得分最低的2-3个能力域,无需全面铺开。
第二步:优先补强“数据质量”和“数据标准”(1-3个月)
这两项是多数制造业企业得分洼地,也是AI场景成效的保障。从这两处入手,见效最快。
第三步:同步推进DCMM贯标评估(3-6个月)
目标锁定DCMM 2级或3级证书。这张证书既是智能工厂申报的加分佐证,也是多地专项资金申请的准入条件。
第四步:将数据治理成果写入申报材料
把DCMM证书、数据质量改善数据、AI场景成效数据串联起来,形成 “数据治理→AI能力→生产成效” 的完整证据链。这已成为目前评审专家最为认可的材料逻辑。
对照自身现状,快速评估数据治理短板:
基础能力核查
工厂已建立统一的数据管理制度和规范文档
生产、能耗、质量数据有统一的采集标准和存储规范
有专人/专部门负责数据治理工作,职责明确
AI场景数据支撑
AI场景依赖的历史数据有完整的质量记录可追溯
AI模型的训练数据来源、版本、更新时间有记录
AI场景成效数据(如故障率、良品率)有原始记录可核查
DCMM贯标准备
已了解DCMM 2.0评估流程,明确目标等级(建议先冲3级)
已联系具备资质的DCMM评估机构
数据治理,不再是大企业的“奢侈品”,而是智能工厂建设的“必需品”。
随着DCMM 2.0的落地实施,数据能力将直接决定申报成败。与其在申报季临时抱佛脚,不如趁现在抓紧补课——毕竟,3-6个月的准备期,现在启动刚刚好。