基于数据资产成果,进行数据标准梳理与制定。
标准关联物理模型与质量规则,进行质量检核。
参考《信息技术 大数据 分类指南》(GB/T 38667-2020)。
参考 《工业数据分类分级指南(试行)》及工业和信息化部信息技术发展司解读材料 问:各方应该如何落实《指南》,共同促进工业数据管理水平的提升? 答:企业应落实工业数据分类分级主体责任。一是制度要“实”,企业要建立健全工业数据分类分级管理制度,明确信息化部门、生产部门、行政部门等多方协同的工作机制。二是梳理要“全”,按照纵向贯穿管理层至控制层、横向覆盖全流程环节的原则,围绕数据域全面实施数据分类,形成企业工业数据清单。三是分析要“准”,鉴于不同行业、不同规模的企业因数据受损所致后果的评价标准、承受能力均存在差异,建议各行业、企业应结合自身实际,从有利于数据管理的角度,研究制定科学合理的量化定级指标。四是管理要“细”,切实做好对工业数据的差异化防护,不断完善数据管理措施,充分挖掘数据作为生产要素的潜在价值。
安全级别 |
条件 |
敏感性 |
四级 |
a) 危害人身和财产安全,例如:涉及个人敏感信息的数据。 |
敏感数据 |
三级 |
a) 极易导致个人名誉受损、伤害身心健康或遭受歧视性待遇等,例如:涉及去标识化的个人敏感信息等数据。 b) 干扰法人和其他组织运作,损害法人和其他组织利益,例如:涉及组织内部部门及项目级别等数据。 c) 干扰社会秩序和损害公共利益,例如:公共治安视频数据等。 |
敏感数据 |
二级 |
a) 可能造成个人名誉受损、身心健康伤害或歧视性待遇等,例如:涉及个人非敏感信息等数据。 b) 有限干扰法人和其他组织运作,有限损害法人和其他组织利益,例如:涉及组织内部公开等数据。 c) 有限干扰社会秩序和有限损害公共利益,例如:城市道路车流量、道路、桥梁、隧道等可通行数据等。 |
非敏感数据 |
一级 |
a) 不会造成个人名誉受损、身心健康伤害或歧视性待遇等,例如:涉及去标识化的个人信息数据、个人应当知道的已公开数据、个人已授权公开的信息等。 |
非敏感数据 |
可在审批授权过自动生成,也可以由数据管理团队一键发布,同一服务生成后,无需再次生成。
通过数据资产各环节工作的体系化整理,将数据资产管理工作机制化、常态化, 使数据资产管理工作可执行、易操作,为业务提供支撑,创造价值。
数语Datablau基金行业数据治理解决方案,规则导入,全面监控,梳理数据质量监测规则。监控数据质量。形成数据质量报告。多方配合形成解决方案。推动落地切实提升数据质量。根据主题域资产盘点目录文件,建立可视化数据资产目录。
全面监控
统一资讯
主动盘点
规则导入
爱数先进制造业非结构化数据管理系统,打造智能制造+互联网的智能制造企业,实现产品个性化、设计协同化、供应敏捷化、制造柔性化、服务主动化、决策智能化。实现数据合理的分级分类管理,帮助企业实现数据资产化和数据知识化,有效提升跨组织跨部门的团队协作。
实现数据共享
加强业务协作
促进业务创新
提升建设效率
提供数据质量反馈机制,助力平台及医疗机构快速提升数据质量,轻松应对海量数据存储和分析,突破用户并发高速访问瓶颈,对健康医疗大数据进行智能挖掘,提供贴近行业需要的数据深度利用,释放数据价值。
高可用
功能完备