01 背景 

随着移动互联网、大数据、云、物联网和人工智能等技术和应用的高速发展，数据安全问题日益凸显，数据安全作为国家安全保障的重要组成部分，关系并影响着国家安全、公民个人隐私权益和社会稳定。为此国家陆续出台个人隐私及数据安全法律法规，进一步推动各界重视隐私及数据安全防护。另一方面，随着企业业务扩展、企业数字化转型加速，数据已变成了新型生产要素，是公司的核心资产，个人隐私和数据安全逐渐成为支撑自身业务发展的基石，成为公司战略转型的重要一环。 

我们可以看到，隐私及数据安全的需求和驱动已经发生了变化，保护的数据对象范畴变大，涵盖个人隐私数据、企业敏感数据和国家敏感数据，数据应用场景也愈发丰富。在这种情况下，企业该如何建设隐私保护和数据安全防护体系，围绕数据，建设可见、可控、可管的能力，实现数据看得见、控得住、管得好的目标？

02 需求

在这种情况下，企业如果仍然采用传统方法是很难从容应对的，无论是防护目标还是防护体系都需要做出改变。防护目标从文档、外发信息变成了核心数据资产，防护体系从终端边界安全、企业边界安全变成了隐私及数据安全治理、合规、风险、审计和防护。

在整个防护体系中，数据安全治理是最为基础也是最为核心的环节之一，而数据资产梳理又是数据安全治理的关键环节，数据资产梳理工作的效果不仅直接关系到数据是否看得见，也关系到隐私及数据安全防护工作是否能达到预期的目标。

03 痛点

作为一项基础且关键的任务，多年以来数据资产梳理都面临周期长、成本高、覆盖不全、难以运营等痛点。数据分布在多个业务系统，这些业务系统归属到不同的业务部门，由于每个部门分工和关注点不同，导致没有哪个部门可以绘制出数据资产全貌，每次开展数据资产梳理工作都需要调动大量的人力，横跨安全、数据、研发、运维、DBA和业务部门。另外针对经营类数据，没有办法像个人隐私类数据一样通过传统工具或规则进行快速自动化的梳理，这块投入的人力成本更高、周期更长。下面我们以部分行业为例，简要梳理一下数据资产梳理面临的痛点：

金融行业：数据规模庞大，种类庞杂，不仅有大量的个人隐私类数据，还有经营类数据，对于传统数据梳理方式而言，数据形式的多样性及复杂性带来数据资产梳理的难度加大。

运营商行业：由于过去烟囱式的开发方式和业务独立的运营模式，导致不同系统之间数据标准不一致，敏感数据分散分布在不同部门，加大数据资产梳理工作的复杂程度。

互联网行业：随着业务发展，数据呈爆发式增长，数据资产梳理往往需要投入大量人力物力进行手工处理，但是针对经营数据还是束手无策，导致无论是时效性、准确性还是数据价值挖掘都难以满足业务需求。

政府机构：数字政府建设是一个多元化技术融合的过程，横跨多个部门机构，数据来源复杂，标准化程度低，对于厘清数据资产分布情况，完成数据资产梳理及数据资产运营管理工作存在一定难度。

04 方案特点

1、多场景支持

支持数据中心、公有云、混合云等环境，满足多场景部署要求。

2、全类型数据梳理

有特征数据梳理：自主研发有特征数据识别引擎，预置九十余种结构化和非结构化数据识别策略，自动化识别有特征数据，比如电话号码，身份证，姓名，地址等。

无特征数据梳理：业内首创，突破传统数据识别方法局限，实现对无特征数据（如财务、销售、运营等经营类数据）的梳理，进而完成全类型数据资产梳理，助力企业数据安全、数据合规建设、精细化运营及数字化转型。

3、快速高效分类分级

支持内置及自定义分类分级规则，实现高效分类分级工作。

05 实现价值

1、全类型数据资产梳理

有特征、无特征数据资产梳理，全面覆盖个人隐私数据、企业敏感数据和国家敏感数据。

2、高效分类分级

改变以往周期长、成本高的局面，实现快速分类分级，精准高效。

3、数据资产持续运营

实现以数据为资产的长期运营目标，充分发掘数据价值，助力企业精细化运营。

4、数据安全建设有的放矢

数据安全精准防护，让监管要求可落地。