数据治理能力成熟度反映了企业在数据治理方面所具备的条件和水平。这个就和现在非常流行的DevOps能力成熟度很像，都是通过一系列方法、关键指标和工具来评价企业数据管理的现状，帮助企业进行基准评测，找到优势和差距，指出方向，提供实施建议，以利用数据资产提高业务的绩效。
国内外很多组织都在研究和实践，既有致力于数据管理框架的研究机构(例如DAMA、DGI、CMMI)，也有提供数据管理产品和服务的供应商(例如IBM、Oracle、DataFlux)。常用的是两种，DMM的模型和DCMM模型。
1. DMM模型
DMM(Data Management Maturity，数据管理成熟度)模型是一个独特的数据管理学科综合参考模型，由卡耐基·梅隆大学旗下机构CMMI研究所以CMMI(能力成熟度模型集成)的各项原则为基础开发。
他包括了25个过程域，其中包括20个数据管理过程域和5个支持过程域，如下所示，
DMM模型组成，
DMM模型将数据管理能力成熟度分成5个等级，呈阶梯状，越往上成熟度等级越高，
但是虽然DMM能够给出企业数据管理水平的基本度量，但是并没有给出明确的改进或提升方法，所以实施DMM数据治理成熟度评估时应当认识到这点。
2. DCMM模型
DCMM是全国信标委发布的数据管理能力成熟度评估模型，DCMM将组织的数据管理能力成熟度等级划分为了5个等级，如下所示，
他包括了8大过程域、28个过程项。DCMM是我国首个数据管理能力评估标准。开展DCMM评估主要包括以下几个阶段，
(1) 启动阶段
建立评估工作小组 -> 制定评估计划 -> 召开项目启动会。
(2) 宣贯阶段
DCMM宣贯 -> 资料收集和分析 -> 企业自评估。
(3) 评估阶段
现场分析 -> 面对面访谈 -> 各主题域成熟度评估。
(4) 报告阶段
评估报告输出 -> 专家评审。
其实各种成熟度模型和工具之间的差异不是很大，重要的是通过评估，企业能够发现问题，找出在数据管理方面的差距，明确改进方向，制定满足企业业务发展需要的数据治理路线图。
