3. 数据分类分级：个人数据、敏感数据、重要数据的定义与识别方法

数据分类分级，说白了就是给你的数据贴标签、分等级。这件事做不好，后面所有的合规工作都是空中楼阁。我见过太多团队，一上来就搞加密、搞脱敏，结果连自己手里有哪些敏感数据都没搞清楚——嗯，这其实是在裸奔。

3.1 为什么分类分级是合规的基石？

你想想看，法律要求你保护数据，但保护到什么程度？这取决于数据本身有多敏感。我个人习惯把这件事比作「医院分诊」：普通感冒和重症监护，处理流程能一样吗？

分类分级的目的就两个：

• 明确责任：谁的数据谁负责，什么级别的数据用什么级别的保护措施。
• 降低风险：把有限的资源花在最需要保护的数据上。别把鸡蛋都放在一个篮子里，但更别把钻石和土豆混在一起放。

3.2 个人数据的定义与识别

个人数据，法律上叫「个人信息」。定义其实很简单：能直接或间接识别到特定自然人的信息。注意这个「间接」——单独看一条数据可能看不出是谁，但组合起来就能定位到人。

我在项目中遇到过一家电商公司，他们觉得「用户ID+购买记录」不算个人信息，因为ID是随机生成的。但后来发现，只要结合收货地址和手机号，就能精准锁定用户。这其实已经踩线了。

3.2.1 个人数据的典型类型

类别	示例	识别要点
基本身份信息	姓名、身份证号、护照号	唯一标识性最强
联系方式	手机号、邮箱、家庭住址	可触达性高
生物特征	指纹、人脸、虹膜	不可更改性，风险极高
网络身份	IP地址、设备ID、Cookie	需结合其他信息判断
行踪轨迹	GPS位置、出行记录	隐私敏感度高

3.3 敏感个人数据的定义与识别

敏感个人数据，是个人数据里的「高危群体」。法律定义是：一旦泄露或者非法使用，容易导致自然人的人格尊严受到侵害或者人身、财产安全受到危害的个人信息。

为什么会这样？因为这些数据往往涉及一个人的核心隐私。我建议你记住一个口诀：「钱、色、信、健、罪、生」。

• 钱：金融账户、交易记录、财产信息
• 色：性取向、性生活史
• 信：宗教信仰、政治观点
• 健：医疗健康、基因数据
• 罪：违法犯罪记录
• 生：生物特征、未满14周岁未成年人信息

3.4 重要数据的定义与识别

重要数据，这个概念比个人数据更「重」。它不限于个人，而是可能影响国家安全、经济运行、社会稳定、公共健康和安全的数据。

说白了，重要数据一旦出问题，影响的不是某个人，而是一群人、一个行业、甚至整个国家。我参与过几个重要数据识别项目，说实话，这个工作最难的地方在于「边界模糊」。

3.4.1 重要数据的典型范围

领域	典型数据	识别逻辑
自然资源	矿产储量、气象数据、地理信息	涉及国家资源安全
经济运行	行业统计、企业核心经营数据	影响宏观经济判断
关键设施	能源调度、交通运行、通信网络	一旦中断影响社会运转
科技发展	核心算法、技术参数、科研数据	涉及国家竞争力
人口健康	大规模人口健康统计、基因数据库	涉及生物安全

3.5 分类分级的实操流程

理论说完了，咱们聊聊怎么落地。我个人习惯用「四步法」：

1. 数据盘点：先搞清楚你手里有哪些数据。别跳过这步，我见过有人直接跳到分级，结果漏掉了藏在备份里的敏感数据。
2. 分类打标：按照业务属性给数据贴标签。比如「用户注册信息」「交易记录」「日志数据」。
3. 定级评估：根据数据类别和影响程度，确定安全等级。一般分为核心、重要、一般三级，或者更细的L1-L4。
4. 动态更新：数据不是一成不变的。业务变了、法规变了，分级也要跟着变。

3.6 常见误区与避坑

做分类分级这么多年，我总结了几条血泪教训：

• 别追求完美：分类分级不是一次性的，先做到80分，再慢慢迭代。完美主义是落地的大敌。
• 别忽视存量数据：很多团队只对新数据做分类，老数据堆在那里不管。我曾经在一个客户那里发现，他们10年前的备份里还存着明文身份证号。
• 别让业务部门缺席：技术团队不懂业务，业务团队不懂合规。分类分级必须是三方协作——合规、技术、业务，缺一不可。