内容 隐藏
1 什么是数据分类？
2 数据分类的目的
2.1 降低风险
2.2 治理/合规性
2.3 效率与优化
2.4 分析
3 个 数据敏感度级别
3.1 高敏感数据
3.2 平均灵敏度数据
3.3 低灵敏度数据
4 数据分类的类型
5 确定数据风险
6 数据分类矩阵的应用
有效分类数据的7 个步骤
8 数据分类过程
8.1 1. 确定数据分类过程的目标
8.2 2.数据类型分类
8.3 3.确定分类级别
8.4 4. 自动分类过程的定义
8.5 5.类别定义和分类标准
8.6 6. 确定结果和分类数据的使用
8.7 7. 观察并保持工作状态
9 数据分类示例
9.1 示例
数据分类的10 个最佳实践
11 数据分类问题
11.1 数据分类可能既耗时又昂贵
11.2 高级数据分类技术未被充分理解
11.3 不遵守数据隐私政策
12 数据分类在数据生命周期中的作用是什么？
13 结论
13.1 相关出版物：
什么是数据分类？
分析非结构化或结构化数据并根据内容、文件类型和其他元数据对其进行分类的过程称为数据分类。
组织可以使用数据分类来回答有关其数据的重要问题，这有助于降低风险并管理数据治理策略。它可以帮助您确定最敏感数据的存储位置以及用户最有可能创建哪些类型的敏感信息。为了遵守当前的数据隐私法规，全面的数据分类是必要的（但还不够）。组织可以使用数据分类软件来识别相关信息以实现其目标。
为了满足数据隐私要求，公司通常会运行分类项目来查找其存储库中的任何个人身份信息 ( PII )，并向审计人员证明该信息得到了妥善管理。
尽管有一些相似之处，但对数据进行分类与对其进行索引并不相同。尽管在这两种情况下都会检查对象的内容与关键字或概念的相关性，但分类并不总是会产生可搜索的索引。在不存储对象内容索引的情况下，分类结果通常包括对象的名称以及找到的策略或模式：
