在考虑基于证据、数据驱动的 方法时，我们需要考虑“数据驱动”这让我们想到了下一个要考虑的数据概念：成熟度。数据实践成熟度确保人们知道如何始终如一地从正式（即书面）程序中交付成果。数据实践成熟度可以沿着一个连续体来衡量：
缺乏意识： 人们还不理解和支持正式的数据实践。
意识： 人们理解并支持对数据行使权力和控制的正式形式。
定义： 已定义正式职责 喀麦隆 手机号码数据 并捕获相关活动指标。
管理： 人们有效地执行正式程序并分析相关指标以发现趋势。
优化： 人们确定最佳实践，提高绩效，并实现流程自动化并使用指标来管理结果。
如果说某个企业是“数据驱动型”企业，则意味着该企业已优化了全公司的数据实践。一般而言，这意味着数据被定义为“每个人的工作” 即每个人每天都在使用数据来推动行动、交付成果并确定“我们如何实现目标？”但是，如果正式的政策和程序中没有定义明确的职责，数据就不可能成为“每个人的工作”。这种成熟的数据实践与成熟度较低的组织形成对比，后者仅仅是“数据感知型”组织 即只有高管使用报告来确定“发生了什么”。它也与成熟度适中的组织形成对比，后者是“数据知情型”组织 即职能专家分析数据以寻找模式并确定“为什么会发生”。了解组织的数据成熟度是确定您可以（并且应该）接受何种风险的重要一步。