数据分级分类基础概念
做数据治理项目，第一步要搞清楚啥是分级，啥是分类。我刚开始接手数据治理项目时，经常有人问：「分级和分类不是一回事吗？」
还真不是。说白了，这是两套不同的规则。混在一起用，项目后期肯定出问题。
一句话记住：
分类管的是「数据属于哪一堆」，分级管的是「这堆数据有多敏感」。
分类管的是「数据属于哪一堆」，分级管的是「这堆数据有多敏感」。
数据分类
数据分类，就是按业务属性把数据分到不同类别里。比如按部门分、按业务域分、按数据产生方分。
举个例子你就明白了。电商平台的数据可以这样分：
- 用户数据：账号信息、收货地址、浏览记录
- 商品数据：SPU、SKU、价格、库存
- 订单数据：下单时间、支付状态、物流信息
- 财务数据：流水、发票、对账单
这么一分，后续做数据资产盘点、建数据目录，就清晰多了。我曾经在一个金融项目里遇到个麻烦——他们把所有数据都往「客户信息」这个桶里塞。结果想查某笔交易的支付渠道时，得翻十个系统。这就是分类没做好。
我的经验：
分类宜粗不宜细。刚开始时，5-8个大类就够用了。等数据治理成熟了再细化，否则会把自己累死。
数据分级
数据分级管的是安全。它按敏感程度，给数据贴个「级别标签」。比如：公开、内部、敏感、绝密。
分级直接影响你能做什么：谁能看、谁能用、能不能共享、要不要脱敏。
我惯用一个 4 级模型：
| 级别 | 定义 | 典型数据 |
|---|---|---|
| L1 公开 | 可对外发布 | 产品宣传页、公开财报 |
| L2 内部 | 仅内部使用，不得外传 | 内部通讯录、管理制度 |
| L3 敏感 | 泄露会带来较大风险 | 用户身份证号、银行卡号 |
| L4 绝密 | 极高商业价值或合规要求 | 核心算法参数、交易密钥 |
嗯，这里要注意。L3 和 L4 是重点关注对象。我见过一个项目，把 L4 数据和 L2 数据放同一个 MySQL 实例里，连权限隔离都没做。后来审计时查出大问题，被合规罚了不少钱。
避坑指南：
我曾经在一个医疗项目中，把「患者病历摘要」归到了 L2，实际上它应该算 L3 或 L4。建议所有数据处理流程，都带上数据级别的检查。
分类与分级的关系
两者不是独立的两张皮。你得把它们结合起来，才能形成真正的数据治理策略。
我来画张图，让你一目了然：
明白了吧？分类是横轴，分级是纵轴。你既要知道数据是哪个业务域的，又要知道它有多敏感，才能真正落地权限控制、脱敏规则和审计策略。
两者结合的例子
还是拿电商平台来举例。假设有一条数据：
- 分类：用户数据 → 个人身份信息
- 分级：L3 敏感
那么这条数据在治理上就非常明确：
- 只有授权人员能访问。
- 对外输出时必须脱敏。
- 存储必须加密。
- 操作日志要留 180 天。
如果只有分类没有分级，你只知道它是用户信息，却不知道它需要这么强的保护措施。反过来，只有分级没有分类，你很难定位到具体的数据资产。
核心总结：
分类是「知道它是什么」，分级是「知道它多重要」。两个结合起来，数据治理才是完整的闭环。
分类是「知道它是什么」，分级是「知道它多重要」。两个结合起来，数据治理才是完整的闭环。