2. 数据目录核心概念：元数据、数据资产、数据血缘、数据标签、数据分级分类

做数据目录建设，说白了就是给企业的数据资产建一本「字典」加一张「地图」。但这本字典里到底要记什么？地图上要标哪些东西？

我刚开始带团队做数据治理时，也踩过不少坑。最典型的就是——大家嘴上说的「元数据」根本不是同一个东西。业务说「元数据就是字段描述」，开发说「元数据就是建表语句」，老板说「元数据就是数据量统计」。

嗯，都不全对。咱们得先把这几个核心概念掰扯清楚。

2.1 元数据：数据的「身份证」

元数据（Metadata），字面意思就是「关于数据的数据」。听起来有点绕，你想想看——你手机里一张照片，除了像素点之外，还有拍摄时间、地点、相机型号、文件大小。这些额外信息就是元数据。

在企业数据目录里，元数据通常分三层：

层级	英文	包含内容	我见过的坑
技术元数据	Technical Metadata	库表结构、字段类型、主外键、分区信息、ETL脚本	只采集了建表DDL，没采集字段注释，结果业务看不懂
业务元数据	Business Metadata	业务定义、计算口径、数据来源、负责人、更新频率	业务口径写在Word里，跟实际数据对不上
管理元数据	Administrative Metadata	数据所有者、创建时间、访问权限、数据质量规则	权限信息没自动化采集，全靠人工维护

2.2 数据资产：能变现的才是资产

不是所有数据都能叫「资产」。我见过不少企业，把服务器上所有文件都登记成资产，结果目录里几万条记录，真正有人用的不到10%。

数据资产有三个硬性条件：

• 拥有或控制——你有权使用它，不是从外面爬来的灰色数据
• 能带来价值——要么能辅助决策，要么能驱动业务，要么能降低成本
• 可计量——能评估它的质量、成本、收益

举个例子。你们公司的用户登录日志，每天几个TB。如果只是存着没人看，那叫「数据垃圾」。但如果有人用这些日志做用户行为分析、优化推荐策略、提升转化率，那它就是数据资产。

2.3 数据血缘：数据从哪里来，到哪里去

数据血缘（Data Lineage），就是数据的「族谱」。它记录了数据从产生、加工、流转到最终消费的全过程。

为什么需要它？我遇到过最典型的场景——报表里的一个指标突然对不上了。如果没有血缘，你得挨个查ETL脚本、查中间表、查源系统，运气好半天，运气不好一周。有了血缘，点一下就能看到：这个字段从哪个源表来，经过了哪些转换，被哪些下游应用消费。

血缘的粒度通常分三级：

• 表级血缘：A表 → B表 → C表，知道数据流向
• 字段级血缘：A.col1 + A.col2 → B.col3，精确到字段映射
• SQL级血缘：解析ETL脚本里的SQL，自动构建字段级依赖

下面这张图展示了典型的数据血缘流转过程：

2.4 数据标签：给数据打上「关键词」

数据标签（Data Tag），就是给数据资产贴的「关键词」。它跟元数据最大的区别是——元数据是客观存在的属性，标签是主观赋予的维度。

举个例子。一张「用户订单表」，它的元数据包括字段名、类型、主键。但你可以给它打上这些标签：

• 业务域标签：交易、电商、核心业务
• 敏感度标签：PII（个人身份信息）、高敏感
• 质量标签：已验证、待清洗、已废弃
• 用途标签：报表、模型训练、实时风控

2.5 数据分级分类：安全合规的「红绿灯」

数据分级分类，说白了就是给数据定「级别」和「类别」。级别决定谁能看，类别决定怎么管。

分级通常按敏感程度来：

级别	典型数据	访问控制
L1 公开	产品介绍、公司新闻	全员可访问
L2 内部	内部报表、非敏感运营数据	内部员工可访问
L3 敏感	客户联系方式、交易明细	仅授权人员可访问
L4 绝密	核心算法、战略规划	极小范围授权 + 审计

分类则按业务领域来，比如：

• 客户数据、产品数据、交易数据、财务数据、人力资源数据……
• 每个大类下还可以细分，比如客户数据又分「基本信息」「行为数据」「偏好数据」

2.6 五个概念的关系

这五个概念不是孤立的。我习惯用一个比喻来理解它们：

• 元数据是「身份证」——记录数据的基本信息
• 数据资产是「户口本」——登记哪些数据有价值
• 数据血缘是「族谱」——追溯数据的来龙去脉
• 数据标签是「关键词」——方便搜索和归类
• 数据分级分类是「红绿灯」——控制谁能看、怎么管

在实际的数据目录建设中，这五者缺一不可。元数据是基础，没有它目录就是个空壳；数据资产是目标，没有它目录就是个摆设；血缘是纽带，没有它出了问题找不到根；标签是工具，没有它数据就不好找；分级分类是底线，没有它合规就过不了关。