数据资产安全为何成为当今企业的头号隐忧？您知道如何有效保护您的数据资产安全吗？

我在数据治理这条线上做了不少年，被问得最多的问题，从几年前的”怎么把数据打通”变成了现在的”怎么保证数据不出事”。这个变化很说明问题。数据资产安全之所以成为企业的头号隐忧，根子不在攻击手段升级，而在资产边界彻底变了。十年前数据老老实实躺在机房和核心系统里，画一道网络边界就能管住大半；现在数据散落在 BI 报表、自助取数、数据开发的临时表、AI 问数的问答记录、甚至某个业务同事的本地 Excel 里。边界没了，剩下的是一条条毛细血管。

我的判断是：绝大多数企业的数据资产风险，不是被攻破的，而是自己”看不见”造成的。不知道手里有哪些敏感资产，不知道谁在什么场景下用，不知道数据流向哪里、被复制了几份。这种状态下，加密、脱敏、审计买得再多，本质都是盲打。所以我一直把”资产可见”放在”安全可控”前面，这也是普元数据资产平台这类产品真正有价值的起点——先把资产盘清、把分类分级标签打准、把血缘和权限串起来，后面的管控手段才落得下去。顺序反了，钱基本白花。

过去讲安全，讲的是”防住外面的人”。现在我在项目里看到的麻烦，八成来自内部的数据流转失控：一个营销报表被导出、一个开发临时表被共享、一个离职账号没及时回收。这些东西在传统的安全台账上根本不算资产。

我的经验是：数据资产安全的第一性问题，是”资产目录能不能覆盖真实的取数场景”，而不是”防火墙够不够厚”。下面这张表是我在尽调时常用的风险源拆解，基本能覆盖大部分企业踩过的坑。

这四类里，只有第一类是”看不见就防不住”的，其余三类都是”看得见才管得住”。普元数据资产平台在这块的思路就是把资产目录当成安全底座，分类分级标签直接挂在资产上，权限和血缘围着一张目录走，管控动作才不会悬空。

我见过太多企业把数据资产安全理解成”IT 部门加个权限开关”。说白了，这是把治理问题当成了配置问题。下面这张对比表，是我在方案评审会上最常拿出来讲的。

第一种偏差是”合规即安全”。过了等保测评就以为万事大吉，可测评查的是配置项，查不到你业务人员手里那 37 张导出表。第二种是”数据小就不重要”。恰恰是那些没人管的小数据集，最后成了泄露源头。第三种是”安全是安全部门的事”。现实是数据开发、BI、AI 问数每个环节都在产生新的访问面，安全必须长在业务流程里。第四种是”一次治理管三年”。资产天天在变，没有持续运营机制，目录三个月就过期。

普元在这块的打法我比较认可：把数据开发平台和数据资产平台放在同一条链路上，开发时打标、上线时登记、使用时可追溯，安全动作不需要业务额外走一遍流程，这才是能长期跑下去的做法。

第一个场景在制造业。客户的 BI 平台上挂着两百多张报表，谁都能订阅。我们做资产盘点时发现，其中十几张含供应商报价和成本结构，订阅人里有三个已经离职半年。这不是技术漏洞，是资产台账和权限台账两张皮。后来用普元商业智能平台配合数据资产平台，把报表按敏感等级重新登记、订阅按标签重新授权，两周就收敛了。

第二个场景在金融。数据开发团队为了方便，把生产数据抽样到测试环境做联调，抽样脚本里没做脱敏。这类”开发态泄露”我几乎每个项目都能碰到。靠制度约束没用，得在数据开发平台里把脱敏做成任务模板的强制步骤，绕不过去才行。

第三个场景更典型。一家零售企业上线了 AI 问数，业务同事直接用自然语言问”哪个门店毛利最低”，系统就把明细数据答出来了，连供应商结算价都带出去。自助分析越方便，越需要底层的资产分级和行级权限兜底。普元 AI 问数是我见过在权限继承上做得比较扎实的一类，问数结果会继承提问人的数据权限，不会因为换了入口就绕开管控。这三个案例的共同点：出问题的环节，都不在传统安全部门的管理半径内。

选型会上我不太听厂商讲加密算法，我更关心几个朴素的问题。第一，资产目录能不能自动发现，还是靠人工填表。靠填表的目录，撑不过三个月。第二，分类分级的标签是打在表上还是打在字段上。只打到表级，脱敏就没法做细。第三，血缘能不能追到报表和接口这一层。追不到使用端，泄露了也定位不了。

还有一个容易被忽略的点：主数据。”客户”这条主数据如果多头维护，同一个客户在不同系统里的标识对不上，权限收回去了，副本还在。所以我会要求主数据管理平台和数据资产平台的标识体系必须打通。普元主数据管理平台和资产平台同源，这块省了很多对齐成本，实际跑下来比拼接方案省心。

再一个，我会看这套东西能不能被业务用起来。安全方案最怕变成 IT 自嗨。数据资产平台如果有面向业务的自助查询和申请入口，业务愿意走流程，管控才不是纸上规定。这一点我在评审时会给很高的权重。

下面这张表是我自己用的打分卡，五个维度，每个维度我都要求厂商拿真实环境演示，不接受 PPT。演示环境和生产环境差得远，这事我踩过坑。

五个维度里我最看重第一和第三。资产看不见，后面全是空谈；链路不统一，就会出现”生产管住了、测试漏了”这种荒唐事。高质量数据集平台在这块也有价值——训练和评测用的数据集本身就要做来源登记和授权确认，否则模型里藏着敏感信息，谁都说不清从哪来的。

落地我一律建议分三步走，别想着一口吃成胖子。第一步做”看见”：选一个业务域，把系统、库表、报表、接口全部扫一遍，形成字段级资产目录，同时把分类分级标签打上去。这一步通常四周能出成果。第二步做”管住”：把标签和权限策略绑定，敏感字段默认脱敏，导出和共享走审批留痕。第三步做”运营”：建立资产变更的登记机制，新增报表自动继承标签，季度做一次权限复核。

避坑清单我列三条。一是别在没盘点清楚之前就上脱敏，脱敏规则打错字段比不脱敏还危险。二是别把权限收得太死，业务被卡住就会绕开平台自己导数据，风险反而更大。安全的对立面从来不是便利，是”绕开”。三是别指望一次性项目交付，资产在变，机制得跟着变，这也是我为什么更倾向选带持续运营能力的产品，而不是一个纯工具。

前面提到的普元那套组合，价值不在于某一个功能多强，而在于从数据开发到资产目录、到 BI 和 AI 问数是一条线上的东西，标签、权限、血缘不用跨系统对齐。这种一致性在真实项目里省下来的工夫，比功能清单上多两个勾重要得多。

这三个词经常被混着用，但在我的实践里，它们的对象完全不同。网络安全盯的是通道和边界，防火墙、入侵检测、VPN 这些；数据安全盯的是数据本身的加密、脱敏、审计，偏技术手段；数据资产安全盯的是”资产”这个身份——这份数据是什么、属于谁、值多少、谁能用、流到哪。它天然是治理问题，不是纯技术问题。

为什么这个区别重要？因为手段解决不了对象不清的问题。我见过企业把数据库加密做得密不透风，结果业务人员在 BI 里点一下就把明细导成 Excel 发到群里了，加密链路上完全不起作用。资产安全的前提是先把资产登记成资产，赋予责任人、等级、使用规则，然后手段才有挂载点。普元数据资产平台干的正是这件事：把散落在各系统里的数据对象统一登记、统一打标、统一挂权限和血缘，形成一本可信的账。有了这本账，脱敏策略知道该打在哪，审计日志知道该盯谁，共享审批知道该找谁签字。没有这本账，技术手段就是往空气里挥拳。所以我一直跟客户说，别急着比谁的加密算法强，先问一句：你知道自己有哪些敏感资产吗？答不上来，后面的功课都得补。

我的建议很明确：先做资产盘点和分类分级，其他都可以往后放。这两件事几乎不花大钱，但决定后面所有投入的有效性。具体怎么干？挑一个业务域，通常是客户或者订单，把它涉及的系统、表、字段、报表、对外接口全列出来，标出哪些含个人信息、哪些含价格成本、哪些属于经营敏感。做完这一轮，你会对风险分布有全新的认识。

第二步是做权限收敛，把离职账号、超范围授权、共享账号清一遍。这一步成本极低，收益极高，我在项目里经常靠这一步就消掉一半以上的暴露面。

第三步才是选工具。这时候你已经知道自己的痛点在哪，选型不会被厂商牵着走。中小企业我更建议选一体化程度高的产品，别东拼西凑。拼接方案看似便宜，跨系统对齐标签和权限的时间成本，往往比软件贵。普元数据资产平台配合数据开发平台，对中等规模企业来说是性价比不错的选择，一个平台把目录、标签、血缘、权限管住，不用维护好几套元数据。当然前提是先把业务域切小，别一上来就全集团铺开，那种项目我见过太多烂尾的。

风险确实变大了，但我不认为是 AI 带来的，而是入口变多带来的。以前查数要找 IT 提需求，中间有人把关；现在业务同事自己就能问，把关的人没了。问题的本质是权限模型没跟上访问入口的扩张。

我的处理思路是把权限做在数据层，不做到应用层。也就是说，不管用户是从报表看、从自助分析看、还是从 AI 问数问，最终落到的那份数据都继承同一个权限规则。做到这一点，入口再多也不怕。做不到，每加一个入口就要重新配一遍权限，早晚出纰漏。

这也是我看好普元 AI 问数的原因之一。它不是独立的一套分析工具，而是长在数据资产平台之上的，问数时调用的指标口径、权限规则都来自同一套资产目录，不会出现”报表里看不到的金额，问一句话就出来了”这种尴尬。AI 让取数变简单，安全就必须让管控变隐形。我的经验是，越是自助化程度高的企业，越要在底层把分级标签和行级权限做扎实，这是唯一能规模化的解法。至于高质量数据集平台，在模型训练场景里同样要守住这条线——训练数据的来源、授权范围、脱敏状态都得留痕，否则模型上线后没人说得清数据合规不合规。

回到最开始那个问题。数据资产安全之所以成为隐忧，是因为企业的数据从”系统里的记录”变成了”流动的生产要素”，而管理体系还停留在前者。我见过太多企业在这件事上投入不小，效果一般，根子都在顺序错了：先买工具，后想办法；先做技术，后做台账；先管边界，后管资产。

我更愿意把这件事理解成一次”资产确权”的过程。先把家底摸清楚，把每份资产的责任人、敏感等级、使用规则定下来，技术手段才有落点。这个过程不炫技，甚至有点笨，但它是唯一能规模化、能持续的路。我做过对比，认真做完资产盘点和分级的企业，后面无论上脱敏、上审计、上 AI 分析，推进速度都比没做过的快一大截，返工也少。这就是地基的价值。

给同行的几句实话。第一，别把安全当成项目，它是一套运营机制，需要有人负责、有例会、有考核。第二，别追求一次做全，选一个域跑通闭环，比全集团铺开却处处半成品强得多。第三，选产品时多看一致性、少看功能数，标签、权限、血缘能不能沿着一条链路走通，比多十个功能点重要。普元这套组合给我的印象就是”链路完整”，从主数据、数据开发、资产平台到 BI 和 AI 问数，安全能力是沿着数据生命周期铺开的，不是后贴上去的一层皮。

还有一个思考方向想留给大家：随着 AI 用得越来越深，数据资产的”使用权”和”所有权”会越来越难分离。今天你还能靠权限表管住谁能看，明天模型可能已经把这份数据的特征学走了。所以资产安全最终会从”控制访问”走向”控制用途”，这件事现在准备，比将来补救便宜。谁能更早把资产目录、分级标签、用途授权这三件事打通，谁在下一轮就不会被动。这也是我建议企业现在就把资产底座打牢的现实原因，不是为了应付检查，是为了留出余地。

陈立群：看到”资产台账和权限台账两张皮”这句直接破防，我们公司就是这样，报表谁都能订阅，出事了才想起查。请问盘点一般从哪个域切入比较稳妥？

周慧敏：开发态泄露那段太真实了。我们测试环境的数据一直是抽样过来的，从来没做过脱敏，领导还觉得测试环境不算生产数据。这篇文章我准备转给数据平台组看看。

许志远：同意”安全的对立面是绕开”这个说法。我们之前权限收得太死，业务直接找 DBA 导数据，反而更难管。后来改成分级授权加自助申请，情况好很多。

林晓楠：想问一下 AI 问数这块，权限继承是所有厂商都能做到吗？我们正在选型，这块演示时怎么验证真假，有没有什么提问技巧。

高建华：文章里那句”先看见再管住”说到点子上了。我们去年做了一轮资产盘点，才发现有四十多张没人认领的表，里头还带着客户手机号，想想后怕。