2026年6月，六部門聯合發佈《金融信息服務數據分類分級指南》（以下簡稱《指南》），進一步明確了金融信息服務數據分類分級的方法路徑和管理要求。
《指南》有哪些值得關注的內容？銀行又該如何推動數據分類分級工作真正落地？悅錦數字科技（上海）股份有限公司（簡稱「RIKING」）結合原文核心內容，為您梳理總結。
《指南》明確了哪些要求
1、數據分類——明確「數據是什麼」
金融信息服務數據可按照業務屬性進行分類。一級分類分為業務數據、用戶數據和企業數據3類，進一步細分為二級分類9類、三級分類67類，幫助金融機構形成統一的數據管理語言，為數據共享、數據治理和安全管理提供標準基礎。
2、數據分級——明確「數據如何管」
《指南》把金融信息服務數據從高到低劃分為核心數據、重要數據、敏感一般數據和常規一般數據四級。具體從以下三個方面綜合確定數據級別：
3、數據分類分級流程
數據資源梳理→數據分類→數據分→形成數據分類分級清單→報送重要數據目錄→動態更新管理
數據分類分級後，銀行如何落地？
《指南》為金融機構建立了較為完整的數據分類分級實施路徑。對於銀行而言，真正的關鍵並非完成一次分類分級，而是將《指南》的要求轉化為可持續的數據治理能力。結合《指南》的實施步驟，建議重點關注以下四個方面:
一、開展數據資源梳理，夯實分類分級基礎
數據資源梳理是分類分級工作的起點。銀行應全面梳理業務系統、數據庫、數據表、數據項等數據資產，明確數據來源、業務屬性、責任部門及流轉關係，形成統一的數據資產目錄，為後續分類分級提供基礎。
二、建立統一規則，規範分類分級標準
建立統一的數據分類分級規則和標準，避免不同業務部門、不同系統出現分類標準不一致、定級口徑不同等問題，確保分類分級結果統一、可複用。
三、建立全過程管理機制，實現動態治理
分類分級完成後，應形成分類分級清單及重要數據目錄，並將分類分級要求融入數據標準、數據質量、元數據管理、監管報送等數據治理流程。同時，建立動態更新機制，隨著業務變化持續維護分類分級成果，確保數據管理持續符合《指南》要求。
四、探索AI賦能，提升治理效率
隨著大模型技術的發展，銀行可探索建設AI數據治理助手，輔助數據分類推薦、制度解讀、數據標準查詢及規則校驗等工作，提升分類分級效率和一致性。在《指南》建立統一分類分級框架的基礎上，AI將進一步推動數據治理向智能化、自動化發展，為監管合規和數據應用提供更加可信的數據基礎。
悅錦數科金融數據安全分類分級解決方案
圍繞《指南》建設要求，悅錦數科依託多年金融數據治理實踐經驗，提供覆蓋諮詢規劃、資產治理、規則建設、智能識別、流程管理、安全聯動、持續運營的一體化分類分級解決方案，幫助金融機構實現從制度規劃、數據梳理到平台建設、分類識別、流程管理及持續運營的全流程落地。
依託統一的數據資產管理、分類分級規則體系及AI智能識別能力，悅錦數科支持分類分級全過程管理，並推動分類分級成果與數據脫敏、數據庫加密、權限管控、風險監測、監管報送、數據共享及AI應用等場景聯動，助力金融機構構建統一、可信、可持續的數據安全治理體系。
