别等审计扣分才补课！高质量数据集标准落地速查手册

一、先搞清标准体系的全景图

高质量数据集建设不是拍脑袋的事，背后有一套完整的国家标准体系在支撑。四个核心领域：数据管理、数据质量、数据安全和数据治理。

这套框架的价值在于：把零散的标准串联起来，让数据集建设有据可依、有章可循。

其中最关键的是GB/T 36073-2018《数据管理能力成熟度评估模型》，定义了8个能力域、28个能力项。说人话就是：给企业的数据管理能力打分，从初始级到优化级共5个等级，帮企业找准自己的位置和提升方向。

二、数据集建设的4个核心国标

如果说上面的框架是骨架，下面这4个标准就是血肉——直接决定数据集的建设质量。

这四个标准覆盖了数据集建设从分类、存储、接口到质量评测的完整链路。

GB/T 38675-2020还需要单独拎出来说。这个标准规定了大数据计算系统的通用要求，从数据采集、存储、处理到分析应用，每个环节都有明确的技术规范。对于自建数据处理平台的企业，这是施工图纸级别的存在。

三、行业标准怎么选？三张表说清楚

通用国标解决共性问题，行业标准解决特性问题。不同行业对数据集的敏感度、规范性要求差异巨大。

金融行业：JR/T 0197-2020

数据安全分级模型（金融行业）
    
    第4级 ── 极高敏感 ── 账户密码、生物特征
    第3级 ── 高敏感   ── 交易记录、资产信息
    第2级 ── 中敏感   ── 联系方式、职业信息
    第1级 ── 低敏感   ── 公开产品信息

金融数据集建设不按这个标准来，等着的就是监管罚单。这个标准规定了数据从采集、传输、存储到销毁全生命周期的安全要求，金融从业者必须人手一份。

医疗健康：WS/T 500-2016

电子病历共享文档规范，解决的是医疗机构间数据不通的死结。核心价值三个词：标准化、结构化、互操作性。医疗数据集建设绕不开它。

工业制造：GB/T 39477-2020

信息安全技术的数据安全能力成熟度模型，对标的是工业数据的安全防护能力。工业数据集涉及生产参数、工艺配方等核心资产，安全能力跟不上就是定时炸弹。

四、数据格式怎么选？别再凭感觉了

见过太多团队在这个问题上翻车：结构化的存成Excel到处发，非结构化的用JSON硬套，最后数据用不了、接不上、查不动。

记住这张速查表：

GB/T 38667-2020的分类指南更要吃透。它提供四个分类维度：

• 按数据性质：基础数据、业务数据、管理数据、外部数据
• 按数据状态：原始数据、加工数据、衍生数据
• 按敏感度：公开、内部、敏感、机密
• 按生命周期：创建、使用、归档、销毁

分类做好了，后续的管理、安全、权限控制才有基础。分类做不好，后面全是坑。

五、质量评测：6维度21指标的落地指南

GB/T 36344-2018是数据质量评测的圣经。6个维度、21个指标，但不需要全部用上，根据数据集类型选择核心指标即可。

各维度评价方法速查：

质量评估不是一次性的，需要建立常态化机制。推荐6步流程：

六、标准落地的三个致命坑和填坑方案

坑1：标准学完了不知道怎么用

表现：标准文档看了一遍又一遍，真到建设数据集时还是按老习惯来。

破解方法：

• 建立标准落地检查清单，把标准条款转化为可勾选的操作项
• 每个数据集项目启动时对照清单过一遍
• 项目验收时再用清单复核

坑2：多个标准要求打架

表现：GB/T要求这样，行业标准要求那样，不知道听谁的。

破解方法：

• 建立标准优先级：强制性标准 > 国家标准 > 行业标准 > 企业标准
• 冲突时优先满足强制性要求
• 制定内部统一规范消化冲突

坑3：全面落地成本太高

表现：按标准要求做到100分需要投入大量资源，ROI算不过来。

破解方法：

• 分阶段实施：先做核心要求（质量+安全），再做增强要求
• 工具化替代人工：能用工具检查的不用人肉
• 存量数据渐进式改造，增量数据一步到位

标准实施路线图

最后记住四个原则：

• 相关性：只选直接相关的标准，不要贪多
• 权威性：国标优先，行标补充
• 时效性：用最新版本，旧版可能有坑
• 适用性：结合自身实际，不搞一刀切