3. 数据分级标准：4级分级模型
数据分级这事儿，我做了这么多年，最深的体会就是：分级不是越细越好，而是越实用越好。你想想看，搞个十几级的分级标准，落地的时候谁记得住？所以我个人习惯，推荐大家用4级模型——公开、内部、敏感、极敏感。简单、清晰、好执行。
3.1 4级分级模型详解
这四级模型，说白了就是给数据贴个标签，告诉所有人：这个数据能怎么用，不能怎么用。我直接上干货：
| 分级 | 定义 | 典型示例 | 访问控制 |
|---|---|---|---|
| L1 公开 | 可对外公开发布，无保密要求 | 公司官网新闻、产品宣传册、公开白皮书 | 无需认证，全员可访问 |
| L2 内部 | 仅限公司内部使用，不得外传 | 内部通讯录、组织架构、内部培训材料 | 员工认证即可访问 |
| L3 敏感 | 泄露可能造成中等损失或负面影响 | 客户联系方式、项目合同、财务数据 | 需授权审批，最小权限原则 |
| L4 极敏感 | 泄露可能造成严重损失或法律责任 | 身份证号、银行卡号、核心算法源码 | 严格审批+加密+审计 |
核心原则：分级不是目的，控制才是。每一级对应一套明确的管控措施，这才是分级的意义所在。
3.2 分级依据与判定规则
很多同学问我：「老师，这个数据到底算敏感还是内部？有没有一个标准？」嗯，这里我给大家一个我自己在项目中反复打磨过的判定框架。
我一般从三个维度来打分：
- 保密性影响：泄露后对公司、客户、合作伙伴的影响程度
- 合规性要求：法律法规（如《个人信息保护法》《数据安全法》）是否有明确要求
- 业务敏感性：数据是否涉及核心竞争力、商业机密
每个维度分高、中、低三档，综合判定。举个例子：
实战技巧：我曾经帮一家金融科技公司做分级，他们有个数据叫「用户交易流水」。从保密性看，泄露了用户会投诉，影响中等；从合规性看，属于金融敏感信息，要求高；从业务敏感性看，是风控模型的核心输入，极高。综合下来，直接定级L4极敏感。你看，三个维度一卡，结果就很清晰了。
具体的判定规则，我习惯用这个决策树：
数据是否涉及个人敏感信息（身份证、银行卡、生物识别）？
├─ 是 → 直接定级 L4 极敏感
└─ 否 → 数据是否涉及商业秘密或核心资产？
├─ 是 → 定级 L3 敏感
└─ 否 → 数据是否仅限内部使用？
├─ 是 → 定级 L2 内部
└─ 否 → 定级 L1 公开避坑指南：我曾经见过一个团队，把所有客户数据都定成了L4极敏感。结果呢？审批流程太繁琐，业务部门干脆绕过分级系统，自己私下传数据。这反而造成了更大的风险。所以记住：分级要合理，过严等于没分。
3.3 分级矩阵设计
分级矩阵，说白了就是一张表，告诉你「什么类型的数据，对应什么级别」。我习惯用数据类别 × 业务场景的二维矩阵来设计。
举个例子，我帮一家电商公司设计的分级矩阵（简化版）：
| 数据类别 | 内部使用 | 合作伙伴共享 | 对外发布 |
|---|---|---|---|
| 用户基本信息（昵称、头像） | L2 内部 | L2 内部（脱敏后） | L1 公开（用户授权后） |
| 用户联系方式（手机、邮箱） | L3 敏感 | L3 敏感（脱敏后） | 禁止 |
| 用户身份信息（身份证号） | L4 极敏感 | 禁止 | 禁止 |
| 交易记录 | L3 敏感 | L3 敏感（脱敏后） | L2 内部（统计脱敏后） |
| 商品信息 | L1 公开 | L1 公开 | L1 公开 |
你看，同一个数据类别，在不同的业务场景下，级别是可以动态调整的。这就是矩阵设计的精髓——灵活但不失底线。
设计要点：
- 矩阵的「行」是数据类别，要覆盖所有核心数据域
- 矩阵的「列」是业务场景，要覆盖数据的全生命周期
- 每个交叉点都要明确：级别、是否允许、是否需要脱敏
- 留一个「例外处理」通道，应对特殊业务需求
3.4 落地建议
最后，我给大家几个落地时的建议，都是真金白银换来的经验：
- 先粗后细：刚开始别追求完美，先定出80%数据的级别，剩下的边用边调。我见过太多团队卡在「这个数据到底算L3还是L4」上，一卡就是三个月。
- 工具辅助：分级规则写好了，最好能嵌入到数据管理平台里。比如数据入库时自动打标，省得人工一个个去判。
- 定期复审：数据是会变的。今天还是内部数据，明天可能就变成敏感数据了。我建议每半年做一次分级复审。
- 培训到位：分级标准写得再好，没人知道等于零。我习惯给每个部门做一次专场培训，讲清楚「你的数据属于哪一级，你应该怎么处理」。
一个小技巧：我在项目里常用「分级速查卡」——一张A4纸，正面是四级定义和典型示例，背面是判定规则和常见问题。发给每个员工贴在工位上，效果比发几十页的文档好得多。
好了，这一章的内容就到这里。分级标准是数据治理的基石，基础打好了，后面的分类、保护、审计才能顺起来。下一章我们聊聊数据分类的具体方法，到时候见。