企业数据基础设施，分五层建

很多企业想用 AI，第一步就卡住了：数据散在十几个系统里，说不清有什么、放在哪、谁能用。这不是 AI 的问题，是数据基础设施没建起来。

我们把企业数据基础设施分成五层。每一层解决一个具体问题，交付客户能验收的东西。

第一层：盘清家底

解决的问题： 不知道自己有什么数据。

要回答的是几个朴素的问题：有哪些业务系统，每个系统存了哪些数据，数据放在哪里，谁在用，在系统之间怎么流动。

交付物： 数据资产清单、数据流向图。

这一层最容易被跳过，因为它看起来没有技术含量。但后面四层都建立在它之上：不知道有什么，就谈不上分级、管控和使用。

第二层：定好规矩

解决的问题： 同一个概念，在不同系统里说的不是同一件事；数据没有轻重之分。

两件事：一是统一口径，让「客户」「订单」这样的核心概念在每个系统里含义一致；二是按重要程度给数据分类分级。分类分级可以参照国家标准 GB/T 43697-2024《数据安全技术 数据分类分级规则》，再结合行业规范和本单位的业务来定。

交付物： 数据标准、分类分级目录。

第三层：管得住

解决的问题： 规矩写了，没人照着做。

谁能看、谁能改、谁来审批，出了问题怎么处置——这些要写成制度，更重要的是落到流程和系统权限上。只停留在文件里的制度，等于没有。

交付物： 管理办法与制度文件、权限与审批流程。

第四层：守得住

解决的问题： 不知道离法规和行业要求还差多少。

对照《数据安全法》《个人信息保护法》以及行业监管要求做差距分析和风险评估，评估方法可以参考 GB/T 37988-2019《信息安全技术 数据安全能力成熟度模型》（DSMM）。找到差距之后，把监测和防护落到核心系统上。

交付物： 风险评估报告、整改清单、防护措施。

第五层：用得上

解决的问题： 数据管住了，却用不起来。

治理的目的是使用。数据质量要可靠，要能按权限共享给业务系统；在 AI 时代，还要能让 AI 安全地使用——明确哪些数据可以给模型看、给到什么程度、每次使用都留下记录。

交付物： 数据服务接口、数据使用边界与审计记录。

从哪一层开始

不必五层一起做。大多数企业从盘清家底和分类分级做起：这两步投入可控，做完就能看清全貌，也是重要数据识别的基础工作。之后再按业务需要往上建。

每个企业的起点不同，具体路线需要先诊断现状再定。