DMM数据管理成熟度模型分为五个成熟度等级，不同的过程和等级表示最佳实践过程改进的结果将得到改进。详见下表：
国际数据管理协会(DAMA)王广盛，中国区主席，分享了数据管理的趋势、挑战和机遇。他说，数据是数字经济的基础，数据管理是数字化转型的前提。领先企业从统一数据文化和数据思想的角度，确立了数据治理的基本地位，组织学习，全面提高了数据管理和治理能力。但中国企业数据管理要真正落地，还有很长的路要走。这也意味着，谁走在前面，谁就有可能成为盈利者，拥有市场机遇。
数据管理的成熟度（DMM）该模型由卡内基梅隆大学软件工程研究所组成（SEI）2014年8月，基于CMMI相关事件成果，结合金融行业大量数据管理实践案例，正式启动。DMM模型是实现业务部门利益与IT匹配的强大加速器，可以帮助组织跨越业务与IT之间的差距。通过提供最佳实践标准，评价和加强企业数据管理能力，促进公司组织建立数据管理战略和单一业务目标数据管理实施路线图，确保管理良好，更好地利用关键数据资产实现业务目标，提高组织数据资产管理水平。
总之，农业数据管理的6A原则是根据农业行业的管理特点，从大数据应用需求出发，开放内部治理体系和外部管理模式，与时俱进，打造健康可持续的数据库生态系统。
如今，我们每秒都有千兆字节数据，还有智能计算基础设施、软件和算法，可以快速将这些数据转化为有意义的观点。如果企业想成为数据时代的领先智能企业，他们现在比以往任何时候都更需要重新思考数据管理。
随着对数据价值理解的提高，数据管理已成为一项重要的企业资产。DAMA和CMMI提供了相应的框架模型，帮助组织评估和提高数据管理能力，以便更好地管理和利用数据资产。这些模型的应用有助于促进组织建立数据管理战略，并与业务目标保持一致，提高数据资产管理水平。
数据编织是一种灵活可重用的数据管道、服务和语义设计框架，涉及数据集成、主动元数据、知识地图、数据分析、机器学习和数据分类。数据编织颠覆了现有的数据管理主导方法，不再“定制”数据和用例，而是“先观察后使用”。
大多数企业没有跟上IT的能力，因为他们的数据管理适合过时的世界，他们的观点和结果可以在几个小时或几天内交付。为了快速将数据转化为观点，企业必须发展其期望和数据处理能力。