数字化转型网数据专题将关注数据治理、数据质量管理、数据架构、主数据管理、数据仓库、元数据管理、数据备份、数据挖掘、数据分析、数据安全、大数据、数据合规、等数据相关全产业链相关环节。
在《华为数据之道》中，华为把业界的数据分类基础与自身多年的实践相结合，构建了完整的数据分类管理框架，并且华为根据数据特性及治理方法的差异对数据进行了分类定义。今天就来详细谈下华为数据分类管理框架，来看看能够对企业数据管理带来什么新思路。
图为华为数据分类管理框架
一、按数据主权分类
1、外部数据（External Data）
企业通过公共领域获取的数据，例如政府部门公开数据、社交媒体数据、市场研究数据等。外部数据是客观存在的，其产生和修改不受企业影响。
外部数据的特点包括：数据量大、异构性高、质量参差不齐、易受影响而波动不定。
企业需要在处理外部数据时注意以下难点：
- 数据源的可靠性及其监管
- 数据质量的保障、异构性和格式转化
- 数据实时更新和动态监控
为应对这些问题，企业可以采用数据挖掘、数据清洗、数据融合和数据建模等技术，以及建立数据质量评估体系、对数据源进行风险评估，以确保应用可靠、准确和有效。
2、 内部数据（Internal Data）
在企业的业务流程中产生或在业务管理规定中定义的数据，受企业经营影响，如合同、项目等。
内部数据的特点包括：质量较高、结构化程度高、与业务关联度密切、受企业影响较大。
企业需要注意以下难点：
- 数据安全管理
- 数据质量的监管
- 数据的整合和更新
- 数据的可视化和应用。
企业可以采用数据保护、访问控制、加密等技术，确保数据的安全性；同时，应建立数据质量度量和监控机制，对不符合规范要求的数据进行及时纠正。此外，结合具体业务需求，应建立适合业务管理和决策的数据应用系统，以提高数据的可视化和应用水平。
二、按数据存储特性分类
1、 结构化数据（Structured Data）
结构化数据是指按一定规则组织、格式化和存储的数据，用二维表结构来进行表达和实现。因其具有格式明确、易于管理和处理、可按序列存取等特点，广泛应用于企业的信息系统和数据库中。
基础数据、主数据、事务数据、报告数据、观测数据和规则数据都是结构化数据的典型例子，这些数据种类共同的特点是根据一定的信息架构进行管理，并建立了统一的数据资产目录、数据标准和数据模型。这种规范管理方式为企业提供了清晰的数据明细、便于数据管理和交换、准确的数据识别和应用等优势。接下来逐一进行介绍。
（1）基础数据（Reference Data）
基础数据是指在整个企业中被广泛使用和共享的数据，如常用词汇、代码和合同数据等。
基础数据的特点包括：具有唯一性、稳定性、普遍性和规范性，而且通常有一个可选的范围。
企业需要注意以下难点：数据可靠性、数据一致性和数据更新与同步。
为应对这些问题，企业可以采用数据管理平台、数据管理流程和数据标准化等措施，确保数据的及时更新和正确使用。
（2）主数据（Master Data）
主数据是指企业的核心业务数据，可以在企业内跨流程、跨系统被重复调用，如客户、产品和人员基础配置等。
主数据的特点包括：具有业务较强的关联性、独立性（取值不受限于预先定义的数据范围）和可追溯性。
在主数据中进行合理分类、存储和管理可以提高业务流程的效率和准确性。
（3）事务数据（Transactional）
事务数据是指记录企业经营过程中产生的业务事件，例如订单、交易和生产计划等。
事务数据的特点包括：具有易变性和时效性，无法脱离主数据独立存在。
企业需要注意以下难点：数据及时性、数据准确性、数据缺失和数据重复。
企业可以采用数据采集、数据清洗和数据标准化等技术，保证事务数据的正确性和完整性。
（4）观测数据（Observational Data）
观测数据是指实验或测试中记录的数据，例如运营日志、物联网数据等。
观测数据的特点包括：数据量较大、数据来源复杂、数据是过程性的。
企业需要注意以下难点：数据转换、数据融合和数据可视化。
（5）规则数据（Conditional Data）
规则数据是指基于数据特征进行分类、归纳和推理所形成的规则，例如员工住房补贴规则等。
规则数据的特点包括：数据量较大、数据质量较高、数据类型复杂。
企业需要注意以下难点：数据量大、规则数据可能包含敏感信息。
为应对这些问题，企业可以通过数据清洗、整合和转换等方式，提高数据的质量和准确性，并对规则数据进行分类和加密。
（6）报告数据（Report Data）
报告数据是指对数据进行处理加工后，用于业务决策依据的数据，例如企业的收入、成本等。这类数据通常被整合成报表或者仪表盘等形式，以便于数据接收者获取信息。
报告数据的特点包括：数据来源多样化、数据类型较为简单、数据质量较高。
企业需要注意以下难点：报表设计、数据标准化和数据可视化。
2、 半结构化数据（Semi-Structured Data）
半结构化数据指的是可以使用标签、元素、属性等方式来描述数据的格式，如XML、JSON、HTML等。
半结构化数据通常需要通过特定的解析引擎对数据进行处理和分析。
3、 非结构化数据（Unstructured Data）
非结构化数据是指缺乏格式和结构性的信息，如文本、音频和视频等。
非结构化数据的特点包括：数据量大、格式自由、无法用关系型数据库存储。
三、按描述数据的手段分类
1、元数据（Meta-Data）
元数据是指描述数据的数据，记录了数据本身的信息，如数据结构、业务信息等。元数据主要从数据特征、管理、使用、技术和业务等方面进行描述，可以帮助企业对数据进行准确、完整、一致性的管理，是企业数据资源管理的重要支撑。
2、数据字典（Data Dictionary）
数据字典是指系统或应用中使用到的各种数据对象的定义、属性和关系的说明文档。
数据字典通常由系统管理员或数据管理员维护，可以对数据的结构进行统一定义和规范化管理，使得数据的使用和管理更加规范、便捷和安全。
在理解了数据分类管理框架后，能给企业带来很多新思路，包括优化数据存储和成本管理，根据不同的数据特性，进行合理分配存储资源并优化存储处理以实现降本增效；同时提高数据治理和合规性，细化数据治理规则；增强数据利用和决策支持，精准挖掘数据价值并且优化决策支持，从而助力企业在数据管理各环节更科学、高效地运作。
数字化转型网数据专题包含哪些内容
数字化转型网数据专题将关注数据治理、数据质量管理、数据架构、主数据管理、数据仓库、元数据管理、数据备份、数据挖掘、数据分析、数据安全、大数据、数据合规、等数据相关全产业链相关环节。
数字化转型网数据专题包含：
1、数据相关外脑支持：100+数据相关专家、100+数据实践者、1000+相关资料
2、数据研习社：与全球数据相关专家、实践者共同探讨相关问题，推动产业发展！
3、国际认证培训：目前已引进DAMA国际认证CDMP，其他国内外认证也在逐步引进中
4、典型案例参考：与数字化转型网数据要素X研习社社员一起学习典型案例，共探企业数据落地应用
