〔摘 要〕 公共数据分类分级是公共数据安全保护与有效利用的逻辑前提。公共数据分类分级的形成源于数字经济下传统数据安全保护范式的落后与范式革新下数据分类分级的产生。从逻辑关系上观察，分级的前提是分类，数据分类与分级在目标与侧重点上亦存在联系与区别。二者都关注数据的安全保障，但分类更强调对数据的开发利用，分级则是针对对不同风险等级的数据施以相应程度的管控。公共数据分类分级的制度落实和效用发挥，需要分别确立分类与分级的基本原则，在此基础上，以应用场景为牵引，以损害程度为标准设计公共数据分类与分级的规则。
公共数据兼具“治理要素”与“生产要素”双重属性 ，在数字政府转型、公共服务和社会治理中具有不可替代的作用。作为国家重大战略资源和建设数字化网络强国的重要组成部分，公共数据的有效开发利用显得尤为重要。然而，囿于安全因素和公共数据构成的复杂性，公共数据增值性利用难以顺利推进。公共数据分类分级制度正是公共数据安全与利用的基础，是网络空间治理、信息治理和数据治理的基础，直接关系到公共数据安全保护与开发利用总体目标的实现。因此，需要厘清公共数据分类分级的基本内涵和形成逻辑，在此基础上通过考察地方公共数据分类分级标准来确定公共数据分类分级原则并设计合理化规则，以此实现分类分级保护的制度落实。
1 公共数据分类分级的基本内涵
公共数据分类分级由“公共数据”“分类”和“分级”三个概念组成，其中公共数据的概念问题交由第五章具体探讨，而分类与分级的含义需要予以明确，进而界定公共数据分类分级的整体内涵。除此之外，还需明确数据分类与数据分级之间的关系，以此厘清公共数据分类分级的目的。
1.1 公共数据分类与分级的关系
数据分类分级实质上可以看作从纵向与横向上按照不同的角度和标准对公共数据进行类别与等级上的区分。二者看似是不同纬度，但从逻辑关系上观察，分级的前提是分类，二者相互结合才能完成对公共数据归门别类与层级划分。与此同时，数据分类与分级在目标与侧重点上亦存在联系与区别。
数据分类与分级的目标都在于数据的安全保障。其实，颁布于《数据安全法》之前的《网络安全法》第 21 条关于网络安全等级保护制度中第 4 款仅提及了数据分类，并未提出数据分级。数据分级在《数据安全法》出台后在第 21条中得以提出并落实。然而，《个人信息保护法》第 51 条规定对个人信息实行分类管理，此处同样未提及。根据这一立法历程可知，数据是否分类或分级，不仅仅在于数据本身的性质与特征，还在于特定规范的核心目标与适用场景。由此，根据现行数据法律规范和一系列配套规定的目的，以及数据分类与分级的定义，数据分类的目的本质上是为了实现数据的分级保护。正如《DAMA 数据管理知识体系指南》中对数据分类的说明：“任何管理系统都需要将管理的对象进行分类。可以按数据类型分类，例如划分为交易数据、参考数据、主数据、元数据，或者类别数据、源头数据、事件数据、详细交易数据；也可以按数据内容（如数据域、主题区域）、数据所需的格式或保护级别、存储或访问的方式和位置进行分类。”根据这一表述，数据分级实质上数据分类的一种方式。因此，同样服务于数据安全目标的分类与分级是从属关系，而非并列关系。
分类更强调对数据的开发利用。数据分级旨在应对异质性数据在数据处理过程中产生的安全风险，对不同风险等级的数据施以相应程度的管控。需要注意的是，数据分类分级的目的不仅仅是保障数据安全，而是在安全的基础上实现数据有效利用。因而，相较于分级对于数据重要性和发生危害后果的影响程度的关注，分类的聚焦点依然超出对数据安全的关注。相较于分类标准，分级的标准和原则更为单一，分类不仅仅考虑安全风险，更关注数据治理和数据利用。例如，根据主题，公共数据可以分为能源、交通、科技、教育和文化等；根据行业，公共数据数据又可以分为金融业、房地产业、建筑业和制造业等；根据数据属性与应用目的，数据可以分为公共数据、企业数据、平台数据和个人数据等。同时，我国地方数据立法中关于数据分类分级的定位亦存在差异，例如，贵州省大数据产业发展领导小组办公室《政府数据数据分类分级指南》中关于政府数据分级的目的，强调是“为政府数据的开放和共享安全策略制度提供支撑”。整体而言，数据分类分级的定位主要基于数据安全、数字经济发展和公共数据开放等视角，由此可以看出，数据分类分级已然由维护数据安全的定位延伸至数据开发利用等领域。
1.2 公共数据分类与分级的含义
《数据安全法》第 21 条明确规定“国家建立数据分类分级保护制度”，对数据分类分级做出原则性规定。在中央政策上，“十四五规划”中提出“完善适用于大数据环境下的数据分类分级保护制度”，“数据二十条”中同样提出：“建立公共数据、企业数据、个人数据的分类分级确权授权制度”。在地方标准中，北京市、上海市、重庆市、浙江省、江苏省、贵州省、陕西省和江西省等省市均出台与公共数据相关的分类分级指南。数据分类分级是数据分类（DataClassification）与数据分级（Data Grade）的合称。关于数据分类分级的内容，国内由学者将分类与分级合并探讨 ，虽然二者之间联系紧密，但是仍存在显著差异。
分类与分级在语义与内涵上存在差异，前者强调将数据分门别类，后者则是将数据分成层次有序的保护级别 。一方面，关于数据分类的含义。地方指南中对数据分类表述大致为“根据数据的属性或特征，将其按照一定的原则和方法进行区分和归类的过程”，地方指南的表述具备一定的规范性，学界中认为这种归类的过程可以明确数据的本质、权属和相互关系，了解数据的使用途径 。综合而言，数据分类是指根据数据的内容、属性和特征等管理需求等，按照一定的方法、原则和标准，将数据分门别类最终形成规律集合，以便管理和使用的过程。另一方面，数据分级的含义。地方分类分级指南中认为数据分级是在数据分类之后，按照一定的原则、流程和价值识别标准划分数据保护层级，或者根据数据的敏感程度和遭到破坏对受侵害客体的危害程度进行定级。有观点认为数据分级是以危害后果为标准，根据所承载的法益和数据重要性进行层级划分。数据分级标准呈现出一种“利益特征”，旨在规范使用主体处理不同级别的数据时应遵循相应级别的规则。
综合而言，公共数据分类分级是指公共数据管理主体根据内容和属性等管理需求，在遵守国家和行业的分类分级要求的基础上，按照一定原则、标准和方法将公共数据分门别类，形成具有规律的数据集合。在此基础上，根据一定的原则、保护要求和应用要求对分类后数据集合进行定级，以此为公共数据的安全保障和开发利用的过程。
2 公共数据分类分级的形成逻辑
公共数据分类分级的正当性基础源于对数据安全保护与数据开发共享的双向我空，分类定级不是“凭空出现”，其形成一方面源于在数字经济下传统不加区分“整齐划一”的和静态封闭式的数据安全保护模式的局限，另一方面分类分级本身契合数据的异质性特征，能够因应新型数据安全风险，可以在保障数据动态安全的基础上促进数据利用。
2.1 数字经济下传统数据安全保护范式的落后
一方面，传统“不加区分”的数据安全保护范式无法应对数字经济发展趋势下数据的新特征。早期 Web1.0 时期互联网刚刚兴起时，数据在形态与内容上具有单一性，面临的安全风险没有太多的复杂性。相对宽松的数据保护模式足以应对安全风险，保护个人隐私、社会稳定和国家安全。然而，在数字经济繁荣发展的趋势下。信息交互的方式和样态不断进化，数据要素突破时空限制的优势突显。在人工智能和科学技术的加持下，数据为社会公众带来丰厚商业利益的同时，也产生了更为繁杂的安全风险。相较于 Web1.0 时期，数据的异质性特征更为显著 。有研究表明，异质性是数据治理中需要重点考察的因素之一 。安全风险亦因数据的异质性而更加复杂和隐匿，美国曾采用的完全市场化数据利用模式致使消费者个人数据遭到大量泄露，数据滥用行为和个人隐私无法得到有效的治理和保障 。以往不加区分地统一宽松保护模式将放任部分可能产生危害后果的数据使用行为不受监管的状态。
另一方面，传统注重静态安全的数据保护模式难以应对新型数据安全风险。数据安全包括静态安全和动态安全。前者强调数据不能被外部因素干扰，注重保障数据的保密性、完整性与可用性 ；后者则认为除了保护数据的静态安全，还应当保障数据流转利用过程中的动态安全 。数字经济时代下数据只有在流通利用中才能释放其价值，将数据锁在物理隔离的储存仓库中无法实现数据的价值。而数据大规模流动、汇聚、分析和利用，加之数据处理角色和业务的多样，数据安全风险在共享、开放和开发利用中呈现交叉复杂性、集群扩散性和隐蔽关联性趋势，对传统封闭式和静态式数据安全保护模式带来了极大的挑战 。由此，在数据开发利用过程中产生的动态安全风险，比静止储存中的静态风险更需要被严格管控。然而，强调通过网络物理隔离保护数据自身承载的信息静态安全的保护模式无法适应数字经济时代数据流动产生的新型安全风险。因此，亟需革新数据安全保护理念，摒弃以往过于静态和固化的保护模式，向“动态立体型”保障体系的转变，从而实现有效保护和合法利用的均衡效果。
综上所述，传统过于封闭、统一和静态的数据安全保护模式无法应对数字时代的新型数据安全风险，既不利于保障数据流通中的动态安全，又无助于数据的开发利用。
2.2 范式革新下数据分类分级的产生
数据分类分级制度的形成正是对前述数据安全保护模式在数字经济时代效用不佳的因应之策。
首先，数据分类分级足以应对数据异质性特征带来复杂数据安全风险。数据分类分级能够根据数据的属性、特征、重要性和风险等级进行分门别类，并针对异质化的数据采取个性化、针对性和差异化的管控措施 ，实现了对安全风险制度性防御的精细化控制，化解了以往“完全宽松”或“完全封闭”无差别式的二元对立的保护模式，有利于在数据开发利用保持数据安全与数据利用的平衡。美国《开放政府数据法案》等按照数据持有者类型的不同，将数据分为公共数据、非公共数据两类，以区分数据是否具备公共属性及相应的流通导向与策略。美国《开放政府数据法案》确立公共数据可以被所有人公开使用、非公共数据需通过许可协议获得使用的原则，规定美国的所有政府部门都要向公众开放非敏感类的政府数据，从而加强公众、企业或其他组织对政府公开数据的利用。欧盟《通用数据保护条例》按照数据所描述对象的不同，将数据分为个人数据、非个人数据两类，凸显出因数据来源主体实际掌控数据能力不同，需采取差异化的数据相关权利措施。数据分类分级可以根据数据的类别及其安全层次匹配相应程度的监管方式，既可以避免因监管过严而限制了数据的流通利用，又可以避免因监管过松而导致数据安全风险扩散外溢。数据分类分级是对异质化数据进行差异化保护的重要举措，更是数据有序利用的重要前提 。
其次，数据分类分级可以应对数据在流通、汇聚和利用中产生的动态安全风险。数据分类分级制度的构建前提是认为数据价值不在于其静态的储存容量，而是在流通利用活动中释放数据的潜在价值。因而，其目的并非仅限于保障数据的静态安全，还包括在防御或控制数据流动过程或利用过程中产生的动态风险同时，促进数据的共享开放和流通。相较于传统数据安全保护模式的保守态度，数据分类分级则是“保守的自由主义”态度。数据分类分级的性质是数据全生命周期和全领域管理的前置工作。数据安全只是整个数据管控的一环，分类定级既是约束又是自由流通的保障。数据分类分级的必要性或正当性基础源于对数据流动与数据安全之间的平衡，数据安全既是数据流动的基础，又是数据开发利用的保证。而数据开发利用则是基于数据本质属性，在流通中的终极目标。只有跳脱出以往过于严谨的数据安全框架，合理把握安全与利用的尺度，方能使两个导向均能落地实现。
最后，数据分类分级可以统筹数据安全和数据发展。《“十四五”规划》中提出“推进数据跨部门、跨层级、跨地区汇聚融合和深度利用”“加强数据领域产权制度建设”和“发展数据要素市场”等关于发展数字经济的重要内容，说明数字经济是以数据资源为关键生产要素，通过信息网络这一载体，以信息技术推动其与其他生产要素和实体经济相融合，通过推动经济发展与政府治理模式的数字化转型的新型经济形态 。数据发展是促进国家经济发展和社会进步的全新驱动力。同时，数据安全是推动数字经济健康高质量发展和维护国家安全的基本底线与关键任务 。数字经济发展与保障数据安全之间并不存在价值位阶，二者在推动数据经济发展和数据要素价值实现这一目标上具有同质性。而数据分类分级是在发展数据经济和推进数据要素市场配置中兼顾数据安全与数据发展的基本条件和基准要件。通过分类定级，根据数据的特征、类型和级别，配以相应的权责体系和流通利用规则，以此统摄数据开发利用体系和数据安全体系。
3 公共数据分类分级的实现路径
公共数据分类分级的实现，一方面需要确定基本原则为明确标准提供指引，另一方面需要设计规则以实现公共数据分类分级的合理化定型。
3.1 公共数据分类分级的原则确定
原则对于公共数据的分类分级具有重要的引导作用，是贯穿公共数据全领域、全周期和多维度的基础标准，是明确公共数据分类分级标准的重要前提。在现行地方标准中关于公共数据分类分级的原则并不统一。整体而言，一种是对公共数据分类分级整体确立原则，另一种则是对公共数据分类和分级其中之一确立原则，即分别确立原则。实践中，地方公共数据分类分级标准中关于分类与分级的原则如表 1 所示。根据表 1 中地方公共数据分类分级标准可知，在整体与分别确立原则上，抑或具体的原则内容中，各地的标准既存在相似之处，又存有不同。然而，当不同区域之间共享与互认公共数据时，会因分类分级原则标准的差异造成公共数据开发的阻碍。因而，应当通过对比地方标准中公共数据分类分级原则，筛选并确立出合理的原则内容。
首先，公共数据分类分级原则的整体确立与分别确立问题。虽然分类与分级的最终目的均是方便数据管理和安全利用，但是二者还是存在本质性差异。分类是跟数据公共数据的来源、所属领域、应用场景等要素特征或属性分门别类，分级则是根据公共数据敏感程度、重要程度，及其在遭到破坏对受侵害主体造成的影响程度和危害程度确定安全等级。前者的目的在于建立系统化和体系化的数据资源目录，后者的目的则是便于对数据进行安全管控 。分类与分级之间存在交叉，分级的完成事实上需要建立在分类之上，亦即分类是分级的前提，只有有序的分类才能提供完善的定级条件，在保障数据的安全场景时促进数据的利用。二者因存在交叉而使得其存在共通普适的原则，但这些原则属于底层逻辑中存在的隐形原则。总而言之，分别确立公共数据分类与分级的原则更为提供有益的实践价值。
其次，现行地方标准中不同分类分级原则的统一问题。关于公共数据分类原则的统一问题。经过整合，我国地方公共数据分类原则大致包括科学性、稳定性、实用性、扩展性、兼容性、系统性、安全性、依从性、自主性、时效性、动态性、合理性、灵活性、标准性、可操作性、可执行性和需求导向。这些原则存下问题。一是原则的理解不同。例如，实用性原则，存在使用者角度与基础建设与应用需求的分歧，或者将二者都纳入实用性考量中。再如，稳定性原则。无锡市的分类原则认为该原则指向公共数据分类应选择最为本质的属性或特征，而泰州市的分类原则认为稳定性原则是让数据的管控与保护在某个时间段内处于稳定状态；二是原则看似表述不同，实则对于公共数据分类的要求是相同的。例如，可操作性和可执行性都强分类的相对简单可行性。自主性与灵活性都关注公共数据分类对于工作需要和业务场景需求。动态性与时效性均要求公共数据的及时与动态更新。兼容性与依从性都是强调分类要遵循法律法规和相关标准及规定的要求，但是兼容性一词的表述更倾向于指代分类标准的包容性，而不是合法性要求；三是部分原则仅仅是分类分级的常规逻辑，没必要作为核心原则予以明确。例如，合理性与依从性，这是公共数据分类的最基础要求，而原则是把握数据分类的核心要求，应当提炼数据分类的最主要的特征。例如，科学性、规范性和系统性原则，依然没有把握分类原则的本质。就公共数据分级原则的统一问题而言，其实存在与分类原则共同的问题。因此，需要根据分类分级的目的及二者的联系合理设置原则。
最后，公共数据分类分级原则的确定。一方面，分类重在将数据条理化和体系化。因此，在公共数据分类原则的确定应重点关注这一核心特征上。整体而言，实用性、扩展性、稳定性和可操作性较为符合公共数据分类的原则要求，实用性从数据库建设和使用者现实需求出发，避免设置毫无意义的类目。对此，可以借鉴 MECE（MutuallyExclusive Collectively Exhaustive）原则，意为“相互独立，完全穷尽”，即保证结构划分的无重复和无疏漏 。这一原则代表互不重叠的互相排斥，是一种分类的思考工具 。这就要求公共数据的分类纬度要从横向和纵向上进行扩展细分。扩展性关注公共数据分类的包容性和概括性，符合数据未来国际国内的发展趋势，能够适应因趋势改变而带来的数据类型和规则变化，这就要求公共数据分类在覆盖各类型且不空泛的基础上，通过精准地规范性词语，在准确表达数据类型的实际内容与内涵的同时，保留一定的外延，以此满足未来公共数据分类的需要。稳定性强调应选取最为本质与核心的公共数据分类指标，以此保证公共数据分类在较为固定的时间段内保持相对地稳定不变。可操作性指向分类形式不要过于复杂，防止影响公共数据开放与安全保护工作的效率。另一方面，分级的重心是保障公共数据的安全性，为公共数据提供全生命周期的安全策略制定 。如前所述，分级是建立在分类之上，在原则上与分类原则存在诸多交叉之处，因而仅需确定在公共数据分级方面特殊的原则。对此，公共数据分类原则分为就高从严原则和综合判定原则。就高从严原则是指公共数据的定级应当选取所有判定结果中级别中最高值。即根据数据分级、共享、应用等场景，当多个因素可能影响数据分级，无法实现精细化管控的，按照可能造成的最高影响对象和影响程度确定等级并进行处理和保护。这一原则旨在保障公共数据的安全宁严勿松。综合判定是指公共数据分级既要考虑单项数据分级，也要充分考虑多个领域、群体或区域的数据汇聚融合后对数据重要性、安全风险等的影响，通过定量与定性相结合的方式综合确定数据级别。
3.2 公共数据分类分级的规则设计
地方公共数据分类分级文件中公共数据分类方法、分级指标均存在较大差异。虽然作为技术规范的标准没有法律效力，但是借助其规范属性，可以实现公共数据分类分级的体系化。因而，需要将自愿性的技术标准与强制性的技术规则相结合，逐步完成公共数据分类分级的合理化定型。
3.2.1 以应用场景为牵引的公共数据分类
现行地方公共数据分类分级标准中，关于公共数据分类纬度或分类方法仍存在较大差异。以省级和重要市的分类分级文件为例，主要存在以下差别：
根据表 2 所示，可以发现公共数据分类维度较为复杂，容易使得数据类别重合问题，即同一条数据被同时划分进不同类别的数据集，这实际上违反了公共数据唯一性原则，导致本是精简导向的分类变得逐渐复杂。数据分类的目的在安全与利用中更偏向于通过分门别类便于管理和使用。因此，公共数据的分类更应当用户需求为基础，根据公共数据的来源和属性，按照场景理论统一公共数据类型，引导公共数据分类分级体系与流通利用场景的衔接融合 。用户需求是指公共数据的分类应方便社会公众查询使用，以此为基础，根据数据的来源（个人、法人及社会组织和政府部门等）进行标注，然后根据数据的属性（如所属行业和主题等）进行二级分类，而后依据政府数字化转型工作中体现的应用场景再分类，如市场监管、公共服务、医疗卫生和社会管理等。关于公共数据的共享属性与开发属性，在上述分类过程中完成判定。
3.2.2 以损害程度为标准的公共数据分级
一般而言，公共数据分级应根据数据安全程度与敏感程度进行级别划分 。武汉市《公共数据资源开放第 2 部分：分类分级指南》中提出公共数据分类分级应预判多源融合可能造成的安全风险，这类考量因素较为片面，且不论安全风险的泛化问题，风险的增加并不意味一定会导致损害结果。有学者认为公共数据分级应跟数据的重要程度和危害后果进行层次性保护，但是损害结果与规模很难定量评价，而缺乏量化描述则很难为公共数据定级提供指引。而损害程度其实包含了对公共数据重要程度和敏感程度的综合考量，可以基于不同的保护对象，施以相应等级的保护和监管。《数据安全法》与《网络数据安全管理条例》（征求意见稿）并列提出重要数据、核心数据和一般数据的分级方式。因此，可以借助这一定级方式，结合损害对象和敏感程度进行分级。
4 结语
公共数据分类分级的目的在于通过差异化管控措施保障不同类别和属性的公共数据安全的同时促进公共数据的流通利用，以此适应和处理数据要素市场化配置下公共数据的开放利用和纷繁复杂的安全风险。因此，需要厘清公共数据分类分级的逻辑，通过完善公共数据分类分级的原则和规则来实现公共数据安全保护和增值利用的目标。
↓↓了解更多资讯，请识别下方二维码↓↓
国脉集团是数据资产化专业服务机构，为数据资源拥有者提供专业、规范、合规的全流程数据资产化服务，包括培训、咨询和产品设计等，实现数据资源价值最大化。主要服务于政府数据管理机构、央国企数据运营企业、城市数据运营平台和数据富集型平台企业，打造数据资产网、数据资产研究院和产业专家网络等支撑体系，同时在营商环境与政务领域继续保持领先优势。 主要课程包括数据资产入表、数据经纪人、公共数据运营和政府CDO、数据精品等精品课程。 数据资产化服务：数据资产化战略布局、数据资产入表、数据产品开发及交易等关键任务； 数据要素×项目服务：政策扶持、案例奖项申报、金融支撑和市场变现； 数据产业园区和试验区咨询服务：园区规划、咨询、资源导入
联系我们请点击：
数邦客
