资料分析成熟度模型(Data Analytics Maturity Model, DAMM)

资料平台的建构从基础设施建设开始，配合业务需求，以大数据技术作为战略的基石。

1. 基础设施
   包括硬体资源(服务器，操作系统)及软件应用(DevOps、Docker、Kubernetes)的安装，在这之上建构一个大型的"资料库丛集"负责承载资料的存取和作业(Job)处理、并在考量资料安全问题的前提下考量云端平台在维运上的便利性、可伸缩性和成本控制上的可能带来的效益。

2. 资料采撷：对"资料可视化"的支援
   建设资料仓储以展开资料采撷工作，收存分布在各个业务系统里的资料，及必要的标准化处理。
   这是一个长期迭代的过程，对资料的广泛需求和资料来源集成会带来可观的工作量，需要一个小规模但有管理大型专案经验的团队持续改善。

3. 实时处理与机器学习：对"资料洞察与预测"的支援

   • 实时处理
     实时处理是指通过流式计算、NoSQL 资料库等技术，实现大规模资料即时处理和读写处理能力的提升，才能满足"事实性"业务场景需求。
   • 机器学习
     打造所需的技术团队，需要引入资料科学家，资料工程师及演算法工程师。

4. 资料服务
   以业务领域为依据划分，以服务的方式提供其他系统资料接口(Restful、 Web Services、 FTP)，从功能、效能和扩展性等技术维度上进行提升。

资料治理
持续对资料资产进行清晰的整理，建立配套的标准规范以及管理职责划分，同时要确保所有制定的规范和策略能够确实执行。