3. 数据资产分类与分级
数据分类分级，说白了就是给数据上户口、定身价。很多团队一上来就搞技术工具，结果分出来的类没人用，定出来的级没人认。我见过最夸张的项目，分类分了 800 多个标签，最后运维同学直接崩溃——根本不知道往哪个标签里放。
为什么会这样？因为分类分级不是纯技术活，它首先是个管理活。你得先想清楚：分给谁用？用来干嘛？
3.1 分类标准制定：别贪多，够用就行
我个人习惯，分类标准只做三层：业务域 → 业务子域 → 数据实体。再往下分，维护成本就指数级上升了。
| 层级 | 定义 | 示例 |
|---|---|---|
| 业务域 | 企业最高层级的业务划分 | 客户域、产品域、交易域、风控域 |
| 业务子域 | 业务域下的细分领域 | 客户域 → 客户信息、客户画像、客户行为 |
| 数据实体 | 具体的数据对象或表 | 客户信息 → 客户基本信息表、客户联系信息表 |
我在项目中遇到过一家金融公司，他们硬要分到第五层「字段级标签」。结果呢？光「客户姓名」这个字段就挂了 6 个标签——「姓名」「中文姓名」「客户姓名」「开户姓名」「联系姓名」「真实姓名」。嗯，这其实不是分类，这是给自己挖坑。
3.2 分级标准制定：别只看敏感度
很多人以为分级就是看数据敏不敏感。其实不对。分级要综合考虑三个维度：敏感度、影响范围、合规要求。
我常用的分级模型是四档制：
- L1 公开：对外公开无风险，如产品目录、门店地址
- L2 内部：仅限内部使用，泄露有轻微影响，如内部报表、组织架构
- L3 敏感：泄露会造成较大损失，如客户联系方式、交易明细
- L4 绝密：泄露会造成重大损失或违法，如身份证号、银行卡号、生物特征
你想想看，如果只按敏感度分，那「客户姓名」和「客户身份证号」可能都是 L4。但实际处理方式完全不同——姓名可以脱敏后用于分析，身份证号基本只能加密存储。所以分级标准里一定要加上处置策略这一列。
| 等级 | 敏感度 | 影响范围 | 典型处置策略 |
|---|---|---|---|
| L1 | 无 | 无 | 无需特殊处理 |
| L2 | 低 | 内部 | 访问控制 + 审计日志 |
| L3 | 中 | 部门/公司 | 脱敏 + 加密传输 + 权限审批 |
| L4 | 高 | 公司/法律 | 加密存储 + 动态脱敏 + 专人审批 + 合规备案 |
3.3 敏感数据识别：自动化 + 人工校验
敏感数据识别，说白了就是找出那些「不能随便给人看」的数据。纯靠人工打标？几百张表能把你累死。纯靠自动化？误报率能到 40%。
我推荐的做法是规则引擎 + 机器学习 + 人工抽检三管齐下：
- 规则引擎：用正则匹配身份证、手机号、银行卡号等固定模式。这个准确率最高，能到 95% 以上。
- 机器学习：对非结构化数据（如备注、描述字段）做 NER 识别。准确率 70-80%，但能覆盖规则覆盖不到的地方。
- 人工抽检：每周抽 5% 的识别结果做人工校验，持续优化模型。
这里有个细节：敏感数据识别不是一次性的。业务在变，数据在变，敏感数据的定义也在变。我习惯把它做成一个持续运行的离线任务，每天扫描一次新增和变更的表。
核心原则：敏感数据识别要「宁可多报，不可漏报」。多报了可以人工降级，漏报了就是合规事故。
3.4 分类分级落地实践：别让标准躺在文档里
标准定了，识别也做了，怎么落地？我见过最典型的失败案例：分类分级结果存在 Excel 里，每次查数据都要翻表格。这跟没做有什么区别？
落地必须做到三个嵌入：
- 嵌入元数据系统：分类分级标签直接打在数据资产目录里，查数据就能看到等级。
- 嵌入数据开发流程：建表时必须指定分类分级，否则 DDL 不通过。
- 嵌入数据访问控制：根据分级自动生成权限策略，L4 数据默认只读 + 脱敏。
下面这张图是我常用的分类分级落地流程，你可以参考：
落地过程中，我最想强调的一点是：不要追求 100% 准确。分类分级是个动态过程，第一版能做到 80% 准确率就可以上线了。剩下的 20% 通过运营持续优化。我曾经有个项目，团队花了 3 个月想把准确率从 95% 提到 98%，结果业务早就等不及了，自己搞了一套「民间分类」出来。嗯，这其实是最糟糕的结果——两套标准打架，数据治理直接崩盘。