数据资产目录建设之数据分类全解！

编辑：彭文华

来源：大数据架构师

全文共 6905个字，建议阅读需 5 分钟

春天来了，各种项目已经开始规划了，有些速度快的已经开始做了。

上周，我去某国企交流，本来是聊数据标准的事情，结果他们还有数据资产目录整理的工作，结果又唠了半天数据资产目录的嗑。

他们在做数据资产目录建设的时候遇到大麻烦了，一堆人讨论目录该怎么建，讨论了好几个月，都没个定论，然后过来问我该咋办…

我又不懂你们的业务，我能咋办？臣妾也做不到啊哇…

— 01 —

数据治理“洗澡论”

其实他们之前做过数据一轮数据资产盘点，做了一个分类，也挂到系统上了，但是后来就没有后来了。治理做一半，等于啥也没干。

我之前在群里开了一个玩笑，数据治理这种事情，就跟洗澡一样，首先得勤快点洗。一天不洗澡，身上就臭了。

另外，标准也很重要，南方和北方对“洗干净”的定义不一样。南方洗澡的时候，只要泡泡冲干净，就算洗干净了。北方洗澡的时候，身上不搓下来二斤泥都不叫洗干净了。

还有，洗澡得全面，有些人洗澡不洗头还说得过去，但是洗澡只洗左胳膊，这算咋回事？

最后，洗完澡得维护，水得擦干啊，衣服得换干净的，不要到外面踩泥巴，要讲卫生啊！

但是很多人认为数据治理就是弄个项目就完事的。这就像是中世纪的欧洲，一生就洗三次澡，出生一次，结婚一次，入殓一次。其他时间都靠香水度日 数据资产目录建设之数据分类全解！

所以数据治理不是立一个项目就完事的，要么在家弄个浴室，要么定期去外面大众浴室，条件好可以再叫个搓澡的师傅，上个奶盐。

— 02 —

数据分类的原则

这不，跟长时间没洗澡一样，长“数据虱子”了，各种指标爆炸、数据质量低下等问题让数据部门的彭友非常难受，所以他们又要开始做数据治理了。

首先要做的就是数据资产盘点，建立数据资产目录。盘点的时候好说，就是各种整理呗。

但是到建立数据资产目录的时候就傻眼了，他们先是按照自己的理解整了一版目录结构。

但是在把数据资产装进去的时候就发现有些数据资源不属于现有的任何一个分类，然后又来调整，但是一会儿又发现有些数据资源放这里也行，放在那里也行，这就蒙圈了数据资产目录建设之数据分类全解！

这是因为没有把握住数据分类的原则。具体可以分为：

1、全量：能够容纳组织全量数据资产；

2、系统：数据分类必须系统化、体系化，层次清晰、逻辑鲜明，形成具有隶属和并列关系的分类体系，展示数据之间的联系和区别；

3、规范：目录名称要能准确的表达该类目的实际内涵和外延，在整个目录中保持规范；

4、唯一：目录体系内，各自界限分明，尽可能保证不重复、不交叉、相互独立且唯一；

5、稳定可扩展：建立的数据分类要保持一定的稳定性，保持一段时间内的可持续使用，并保留可扩展的余地。

— 03 —

数据分类方法

数据分类其实来源于信息分类法，一共有三种：线分类法、面分类法、混合分类法。

线分类法：简单来说，就是将数据按选定的若干个属性或特征，逐次分为若干层级，每个层级又分为若干类别。

同一分支的同层级类别之间构成并列关系，不同层级类别之间构成隶属关系。同层级类别互不重复，互不交叉。

线分类法适用于针对一个类别只选取单一分类维度进行分类的场景。最典型的线分类法就是生物分类系统，有一个学科专门研究这个，叫“生物分类学”。

你仔细看看上面的图，就知道线分类法有很大的局限：一个分类只能描述单一的逻辑复杂一点就没法弄了，比如集团中有好几个不同的业态…

面分类法：就是把数据依据各种属性或特征，分成相互之间没有隶属关系即彼此独立的面，每个面中都包含了一组类别。

还可以将某个面中的一种类别和另外的一个或多个面的一种类别组合在一起，可以组成一个复合类别。

比如服装，有材料、颜色、款式等多个面，可以自由搭配组成任意内容。下面这个例子则是螺丝的面分类法，可以分为材料、直径、钉头、表面处理：

面分类法是并行化分类方式，同一层级可有多个分类维度。面分类法适用于对一个类别同时选取多个分类维度进行分类的场景。

混合分类法：顾名思义，就是线分类+面分类结合咯。一般来说，还是得以某一个方法为主，另外一个为辅。

这下就能集合两种方式的优点，规避它们各自的缺点了。比如用面分类法解决多业态的问题，再用线分类法细化；或者用线分类法搞定前面几层，再用面分类法进行细化。

— 04 —

数据分类的层次关系

会后，彭友还找我要 PPT。讲真，不是老彭我小气，关键是我还真没有专门为这个事情做一个 PPT。

因为这些内容其实早就有很全的指导了，比如《证券期货数据分类分级指南》里就很全：

这张图把业务、数据和数据表现形态之间的关系表现的很清楚。我们需要从业务、数据和形态三个视角对数据分类进行理解。

其中，最先要了解的，就是业务。业务可以按条线和子类进行拆分，就算是集团公司，也能拆的很清晰。

然后从业务角度，向下再进行拆解，从数据角度进行分类。所以数据角度的第一个层级应该是业务主题域，而不是纯粹的数据角度。

数据分类应该从主题域不断细分，直到最细颗粒度。一般来说，在数据资产目录里，是要能看到详细的样例数据，并能申请 API 访问权限的。在这个时候，我们需要对数据进行分级，便于进行权限分配和安全管控。

最下面，其实不是数据的分类，而是数据的展示形态。数据最终是要在系统中用业务流程、数据查询、报表分析、大屏展示等各种形态利用起来的。

— 05 —

先分类，还是先分级？

一般来说，数据分类、分级会在两个领域出现，一个是数据资产目录建设，一个是数据安全管控。

数据资产目录这边偏分类多一些，因为数据资产太多了，需要归归堆，没有一个树形的目录体系，根本没办法查找。

当然，树形目录的弊端也很多，比如查找困难等。所以现在又出现了多分类、标签等方法，辅助进行数据资源的检索。

数据安全管控的方式一般是针对不同级别的数据，施行对应的管控手段，限制人数、可访问范围，所以安全这边主要是数据的分级。

比如《工业数据分类分级指南（试行）》把数据分为一、二、三级，也就是一般、重要、核心数据。《基础电信企业数据分类分级方法》中按重要敏感程度，把数据分为第四级、第三级、第二级、第一级，大概意思就是高敏感、敏感、不敏感、公开。

所以，分类和分级，是两个工作。根据其目的，侧重点不一样，先做那个，取决于当前主推那个任务。

从老彭参与的项目上来看，一般来说，先做数据盘点，整理数据资产目录的较多。也就是先进行数据分类的情况较多。

— 06 —

数据分类的案例

上篇讲到，数据分类主要有线分类法、面分类法和混合分类法三种。但是线分法和面分法都有其局限性，所以我们常见的数据分类，还是采用折中的混合分类法较多。

同时，数据分类跟行业属性、业务也有非常大的关系。

以政务数据分类为例，《贵州省政务数据分类分级指南》中建议政务数据可以采用主题分类、行业分类和服务分类三种分类方法。

本标准采用多维度和线分类法相结合的方法，在主题、行业和服务三个维度对贵州省政府数据进行分类，对于每个维度采用线分类法将其分为大类、中类和小类三级。业务部门可以根据业务需要，对数据分类进行小类之后的细分。对小类的细分，各部门可以根据业务数据的性质、功能、技术手段等一系列问题进行扩展细分。本标准采用面分类法将政府数据按照多个维度进行关键词的标签构造。

按主题分类的方法，可将贵州省政府数据分为以下大类：综合政务、经济管理、国土资源、能源、工业、交通、邮政、信息产业、城乡建设、环境保护、农业、水利、财政、商业、贸易、旅游、服务业、气象、水文、测绘、地震、对外事务、政法、监察、科技、教育、文化、卫生、体育、军事、国防、劳动、人事、民政、社区、文秘、行政、综合党团。

按行业分类的方法，则将贵州省政府数据分为以下大类：农、林、牧、渔业；采矿业；制造业；电力、热力、燃气及水生产和供应业；建筑业；批发和零售业；交通运输、仓储和邮政业；住宿和餐饮业；信息传输、软件和信息技术服务业；金融业；房地产业；租赁和商务服务业；科学研究和技术服务业；水利、环境和公共设施管理业；居民服务、修理和其他服务业；教育；卫生和社会工作；文化、体育和娱乐业；公共管理、社会保障和社会组织；国际组织。

以电信数据分类为例，《基础电信数据分类分级方法》中主要采用线分类的方法，对电信数据进行完整的分类。

根据基础电信企业业务运营特点和企业内部管理方法，收集企业内所有部门的数据资源，梳理所有数据资源。按照线分类法，按照业务属性（或特征），将基础电信企业数据分为若干数据大类，然后按照大类内部的数据隶属逻辑关系，将每个大类的数据分为若干层级，每个层级分为若干子类，同一分支的同层级子类之间构成并列关系，不同层级子类之间构成隶属关系。所有数据类及数据子类构成数据资源目录树，如图 1 所示。目录树的所有叶子节点是最小数据类。最小数据类是指属性（或特征）相同或 相似的一组数据。