第2章 数据资产识别与分类体系设计
数据资产识别与分类是架构师面试的必考核心模块，涉及资产盘点、分类体系构建、价值评估三大能力。面试官重点考察体系化思维与行业落地经验。本章围绕高频问题拆解答题框架，配合真实项目模板，帮助你在面试中展现专业深度。
本章学习目标：掌握数据资产识别的三维方法论、分类体系设计五步法、价值评估评分卡模型，并能结合项目经验结构化表达。
| 核心领域 |
关键能力 |
面试高频考点 |
优先级 |
| 资产识别 |
识别方法论 & 范围界定 |
识别维度、资产判定标准、边界划定 |
⭐⭐⭐⭐⭐ |
| 分类体系 |
分类设计 & 编码规范 |
分类维度、层级设计、映射机制 |
⭐⭐⭐⭐⭐ |
| 价值评估 |
评估模型 & 优先级排序 |
评分卡设计、权重设定、ROI分析 |
⭐⭐⭐⭐ |
| 治理机制 |
迭代优化 & 版本管理 |
复审流程、版本兼容、持续改进 |
⭐⭐⭐ |
面试官视角解读：追问路径图中的6个方向，代表了面试官考察的6个核心素质——架构决策力（跨域/粒度）、工程落地力（自动分类/度量）、治理演进力（版本/融合）。每个追问都要用「案例+数据+反思」的结构回应。
📌 问题1：请谈谈你如何识别企业中的数据资产？有哪些识别维度？
| 面试官考察点 |
数据资产识别方法论、业务理解深度、范围界定能力、实操经验 |
| 回答框架 |
识别原则 → 三维识别维度（业务域/系统域/管理域） → 识别流程 → 产出物 → 持续运营机制 |
| 示例回答 |
我遵循「业务价值驱动」原则，从业务域、系统域、管理域三维识别：先梳理核心业务流程与数据流，圈定高价值数据域；再通过元数据采集+业务确认形成资产清单；最后建立生命周期标签，实现资产动态管理。 |
| 可能追问 |
① 如何判断一个数据对象是否属于「资产」？ ② 识别边界如何划定？ ③ 非结构化数据如何处理？ |
| 避坑提醒 |
❌ 避免「大而全」地毯式识别，要聚焦高价值域，分阶段推进。重点说明「取舍逻辑」而非「覆盖范围」。 |
📌 问题2：如何设计数据资产分类体系？请用一个案例说明。
| 面试官考察点 |
分类体系设计能力、行业实践认知、可落地性、编码规范经验 |
| 回答框架 |
设计原则 → 分类维度与层级 → 编码规范 → 映射机制 → 迭代管理（参考五步法框架） |
| 示例回答 |
以银行为例，我设计「业务域-主题域-实体」三级分类：零售业务-客户信息-客户主表。制定统一编码规则（如 RET-CUS-001），通过元数据标签实现自动映射，建立版本管理机制适应业务变化，分类准确率达93%。 |
| 可能追问 |
① 分类粒度如何把握？ ② 跨业务域数据归属如何处理？ ③ 编码规范如何兼容历史系统？ |
| 避坑提醒 |
❌ 分类层级不宜超过4级，过深导致维护成本剧增。强调「业务语义对齐」而非「技术完美分类」。 |
📌 问题3：数据资产价值评估有哪些方法？如何排序优先级？
| 面试官考察点 |
价值评估模型设计、ROI思维、数据驱动决策能力、治理资源分配逻辑 |
| 回答框架 |
评估维度定义 → 评分卡设计 → 权重设定（AHP/熵权法） → 优先级矩阵 → 治理投入建议 |
| 示例回答 |
我从「业务价值、数据质量、使用频率、管理成本」四维度设计评分卡，采用AHP确定权重。结合业务战略对齐度形成四象限矩阵：高价值高质量资产优先治理，低价值高成本资产归档处理，资源投入效率提升
|