3. 数据分类与分级：给数据贴上正确的标签
数据保留与生命周期管理，第一步是什么？
我个人习惯先做分类分级。你想想看，连数据是什么、有多重要都不知道，怎么定保留策略？
说白了，分类分级就是给数据贴上正确的标签。标签贴对了，后面的自动化策略才能跑起来。
3.1 数据分类的方法
数据按结构分，就三种：结构化、半结构化、非结构化。我在项目中遇到过不少团队，一上来就想搞个万能方案，结果哪种都没处理好。
3.1.1 结构化数据
就是关系型数据库里的那些表。行是记录，列是字段，规规矩矩。
- 典型代表：MySQL、PostgreSQL、Oracle 里的业务表
- 特点：模式固定，查询方便，存储紧凑
- 分类维度：按业务域（订单、用户、库存）、按访问频率（热、温、冷）
我的经验：结构化数据最容易做生命周期管理，因为元数据清晰。但要注意——别只看表名，要看字段级别的敏感度。我曾经遇到一个项目，把用户表全量归档了，结果里面混着明文密码字段，差点出事。
3.1.2 半结构化数据
这类数据有结构，但结构不固定。JSON、XML、YAML 都属于这一类。
- 典型代表：日志文件（JSON格式）、配置文件、NoSQL数据库文档
- 特点：自描述，模式灵活，但解析成本高
- 分类难点：同一个字段在不同记录里可能类型不同
嗯，这里要注意。半结构化数据容易被人忽略，觉得"反正就是文本"。但日志里可能藏着用户IP、设备ID，这些都属于敏感信息。
3.1.3 非结构化数据
图片、视频、文档、音频……这类数据占企业数据总量的 80% 以上。
- 典型代表：PDF合同、监控录像、设计图纸、邮件附件
- 特点：体积大，无固定模式，内容提取困难
- 分类手段：依赖元数据标签、内容识别、AI分类
避坑指南：我曾经见过一个团队，把所有非结构化数据一股脑扔到对象存储里，保留策略统一设成"永久保留"。结果三年后存储成本翻了五倍，想清理又不知道哪些能删。非结构化数据必须打标签，否则就是数据沼泽。
3.2 数据分级标准
分类是按"长什么样"分，分级是按"有多重要"分。我一般用四级标准：公开、内部、敏感、绝密。
| 级别 | 定义 | 典型数据 | 泄露影响 |
|---|---|---|---|
| 公开 | 可对外发布，无需保护 | 产品介绍、新闻稿、公开API文档 | 无影响 |
| 内部 | 仅限内部使用，可有限共享 | 内部培训资料、项目计划、非敏感报表 | 轻微不便 |
| 敏感 | 泄露会造成较大损失 | 客户个人信息、财务数据、源代码 | 法律风险、经济损失 |
| 绝密 | 最高级别，严格管控 | 核心算法、战略规划、用户密码（加密后） | 致命打击 |
为什么会这样分级？因为不同级别的数据，保留策略完全不同。
- 公开数据：可以长期保留，甚至永久保留
- 内部数据：按业务需要设定保留期，到期可归档
- 敏感数据：必须加密存储，保留期结束后彻底销毁
- 绝密数据：最小化留存，访问审计，销毁需双人确认
核心原则：分级越高，保留期越短，销毁要求越严格。这不是反直觉——绝密数据留在手里越久，风险越大。
3.3 分类分级在生命周期中的作用
分类分级不是贴完标签就完事了。它贯穿整个数据生命周期。
我举个例子你就明白了。
假设你是一家电商公司的数据架构师。用户下单后产生一条订单记录（结构化数据），同时用户上传了一张退货照片（非结构化数据）。
- 分类：订单记录 → 结构化；退货照片 → 非结构化
- 分级：订单记录含用户姓名、地址 → 敏感；退货照片仅含商品外观 → 内部
那么生命周期策略就出来了：
- 订单记录：加密存储，保留7年（法规要求），到期后覆写销毁
- 退货照片：普通存储，保留3个月，到期后直接删除
你看，同样的业务场景，不同的分类分级，策略完全不同。
我建议：分类分级标准最好在数据产生之前就定好。别等数据堆成山了再回头补标签，那工作量会让你崩溃。我在一个金融项目里吃过这个亏，后来花了三个月才把历史数据补完。
3.4 落地建议
说了这么多，怎么落地？我总结几条实操经验：
- 先定标准，再上工具：别一上来就买数据分类工具。先把分类分级标准定清楚，工具只是辅助。
- 自动化打标：手动打标不现实。用规则引擎或AI模型自动识别数据类型和敏感度。
- 定期复核：数据是会变的。今天公开的数据，明天可能变成敏感数据。我建议每季度复核一次。
- 与保留策略联动：分类分级结果要直接输入到生命周期管理系统中，自动生成保留策略。
最后提醒一句：分类分级不是一次性的项目，而是持续的过程。别想着"做完就完事了"，数据在变，业务在变，法规也在变。保持迭代，才是正道。