
数字化转型时需面对的问题
数据治理运营一体化应用场景 

数据治理运营一体化应用场景

以数据治理和数据运营拉动数据中台运转 

识别数据资产:梳理数据架构,掌握企业数据资产 

“自上而下”的梳理业务、模型 

“自下而上” ,通过元数据梳理建设企业数据资产库 

识别数据资产:形成全要素连接的数据资产 

优化数据资产:数据标准定义 

优化数据资产:数据标准形成 
基于数据资产成果,进行数据标准梳理与制定。

优化数据资产:标准落地映射,数据质量检核 
标准关联物理模型与质量规则,进行质量检核。

优化数据资产:数据质量管理内容 

优化数据资产:数据模型管控 

盘点数据资产:感知资产变化,处理变更与销毁 

编目数据资产:形成资产目录

主题分类方法参考 
参考《信息技术 大数据 分类指南》(GB/T 38667-2020)。

多主题分类参考—工业数据分类
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。
编目数据资产:数据资产标签 

编目数据资产:数据安全分级
| 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 |
编目数据资产:数据分级示例 

面向数据需求场景的服务化封装:1.数据查阅需求

面向数据需求场景的服务化封装:2.数据加工/分析需求 

服务化数据:通过数据资产连接,快速提供数据 

服务化数据:基于数据资产的服务生成
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。

服务化数据:提供快速数据获取与应用能力

数据服务化平台能力三:关联、条件与权限配置 

服务化数据:服务权限与数据权限管控 
服务化数据:系统实施厂商使用敏感数据场景 

应用数据资产:创新数据场景化应用 
示例:地产行业基于数据融合服务支撑高效业务运转 
制度流程保障:使数据建设工作持续开展 
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。

