数据分类是数据管理的第一步，是数据治理的先行条件。当前，数据应用方兴未艾。“数据”作为新的生产要素资源，支撑供给侧结构性改革、驱动制造业转型升级的作用日益显现，正成为推动质量变革、效率变革、动力变革的新引擎。但与此同时，数据管理中存在问题日益显现：

2.1缺乏对数据保护重要性的认知
没有认识到数据分类分级在数据治理和数据管理工作中的基础性作用，对分类分级投入产出不高，对此项工作优先级排在其他业务事项之后，忽略了数据安全问题与个人和社会息息相关。

2.2缺乏数据分类分级的技术和方法
由于数据分类分级正处在探索发展阶段，尚未形成成熟的分类分级体系，导致企业和行业无法掌握合理的分类分级方法，从而无法在实践中应用，缺乏有效的建设、管理和使用方式。

由于企业业务和管理的多样性、差异性和变化性，对数据的采集、统计、分析造成很大困难。在数据标准方面：没有统一规范数据的定义、范围、单位、格式、频次、责任部门。在数据采集方面：金字塔辐射式采集，重复要数、多头要数、频繁要数，同数多值、反复改数、人变数变等现象十分普遍。

数据分类分级项目难点与挑战

——业务分类问题

——业务指标问题（每类业务应该有哪些指标，以及指标的定义、范围、格式、频次）

——不同层级企业对同一业务的指标要求不同

——同一层级企业对同一指标的管理颗粒度不同

——同一指标的统计口径不同
数据处理者在开展数据分类分级时，可按照下图所示流程实施，具体步骤包括：
数据资产梳理：对组织的数据资产进行全面梳理。
数据分类：建立自身的数据分类规则，对数据进行分类。
数据定级：建立自身的数据分级规则，对数据进行分级。
审核标识：对数据资产分类分级结果进行评审和完善，最后批准发布实施，形成数据资产分类分级清单。
数据分类分级保护：依据国家给出的关于核心数据、重要数 据、个人信息、公共数据等安全要求，对数据实施全流程分类分级管理和保护。