今天给各位分享金融企业搭建智能化数据分类分级平台的知识，其中也会对金融企业搭建智能化数据分类分级平台进行解释，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！
金融企业搭建智能化数据分类分级平台的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于金融企业搭建智能化数据分类分级平台、金融企业搭建智能化数据分类分级平台的信息别忘了在本站进行查找喔。
本文导读目录：
方案咨询 联系人：蔡女士 电话：0755-83578578 E-mail：info@hqchip.com 供应商招募 联系人：江先生 电话：18682006569 QQ：2850124665 E-mail：lanhu@hqchip.com B端产品解决方案是产品开发的指导性框架，想要顺利进行B端产品的开发，产品解决方案是必不可少的。本文从上至下对产品解决方案进行了梳理，并给出了设计过程中的建议。 解决方案通常是指针对某些已经体现出的，或者可以预期的问题、不足、缺陷、需求等等，所提出的一个解决整体问题方法的方案(一般以文档形式体现)。 对于B端产品的研发过程，解决方案是针对业务本身或者解决某些业务问题，所提出的产品设计方案。 在B端产品研发和实施过程中，解决方案是十分必要的。不同于C端产品的研发，需要采用MVP模式，强调小步快跑、敏捷迭代、快速试错。 B端产品的需求对应的业务和问题，都是固定存在的。所以，我们需要在产品研发启动前，就设计解决方案，作为研发过程的指导性框架。 解决方案从顶层定义了，我们针对需求要做什么产品，该怎么做，什么时间完成。同时，解决方案在项目立项时，是重要的基石；在进行与客户进行商务沟通时，是获得客户信任的重要凭证。 在现实场景中，B端产品的解决方案，有多种用途。比如，作为商务或者销售活动的材料、作为产品立项的依据、作为项目的整体设计等等。 针对这些使用场景，产品经理一般需要设计三类解决方案： 整体解决方案； 细节解决方案； 技术解决方案。 这三个方案既有独立的用途，又是相互关联的。整体方案细化和添加更多的内容后，就是细节设计方案；技术方案很多时候，是作为细节方案的其中一部分存在的。 当然，对于B端产品的解决方案，重要的针对需求、业务和问题的产品设计，而不是写出一份文档。所以，作为产品经理，如果我们要出具一份解决方案，我们就有两部分工作要做：一是设计解决方案；二是写作解决方案。 对于写作，其实只要我们完成了「设计」工作，就相对比较简单了。因为，解决方案对内容只要求简单明了即可，在某些时候我们甚至可以用PPT制作解决方案。而设计解决方案，是一个系统性的过程，通常需要多个角色甚至部门参与，特别是细节方案和技术方案的设计。 现在我们从整体性解决方案开始，介绍如何设计产品解决方案。 首先，整体性的解决方案主要包含产品背景、核心流程、产品定位、产品架构、功能模块、演进蓝图、资源投入。这些内容，并不是完全固定的，需要根据我们所处的场景适当调节。其核心目的，是要构建出一个产品的从无到有的过程，以及将这个产品呈现给他人。 在设计解决方案和产品时，B端产品建议采用自顶向下、由粗到细的思路。 下文在来分析一下各部分应该如何设计，含有那些内容。 产品背景主要介绍产品的行业背景和需求背景，以及产品可行性分析。这部分内容，主要是产品经理需要将产品的业务调研、业务诊断、需求分析的内容展示出来。 业务调研是指业务的战略方向、经营模式、管理方法和业务模式； 业务诊断需要体现出，客户对于业务提出了什么问题，我们从业务中分析出了什么问题； 需求分析则是结合用户提出的需求，去分析场景、角色和业务。 在进行呈现时，一般呈现依据和结论既可。 核心流程是需要分析并展示出业务的核心流程。 在分析核心流程时，需要与角色分析结合，最终需要以跨角色的流程图展示出业务的核心流程——核心流程是之后我们设计各个业务系统，各个产品功能的起点。 产品定位是对产品的整体性描述。简单来说，就是要描述清楚我们要做一个什么样的产品。 这部分也需要与需求、业务和问题结合，阐述清楚针对什么业务做产品，产品解决了什么问题，带来了什么价值。 产品架构指的的产品的整体性结构。 在产品架构设计时，我们需要首先进行业务架构的分析，然后设计产品的系统结构，再梳理出产品的核心系统，最后基于以上内容设计出产品的架构图。 业务架构分析，主要是分析出针对业务，产品需要哪些系统；系统架构设计，是分析出系统间的组织形式和交互过程；核心系统梳理，是指分析和定义出产品的最核心的系统，其它系统都是围绕该系统运作的。最后，可以用架构图来展示展示我们产品的架构。 在设计产品架构时，除了依赖于业务的分析，还要结合我们的经验。同时，还要考虑一些产品的非业务场景。比如，兼容老系统的业务系统架构，与外部系统对接的产品架构等等。 在设计产品架构的时候，我们已经分析出了我们的产品需要哪些系统。现在我们需要在对这些系统进行细化，设计出构成这些系统的功能。 一个系统可能是由多个功能构成的，所以我们也要整理出功能的层级和交互关系。功能是对需求和业务理解并分析的最小维度。如果说产品架构是产品的骨骼，功能就是填充在骨骼中间的血肉，并构成一个个系统。 演进蓝图通俗点说，就是迭代计划。迭代计划是以功能为维度来设计的。 B端产品的迭代规划设计，是以实现业务闭环为目标，即先建立核心可用业务，再逐步扩展到整个业务流程，直至完成业务闭环。 基于业务闭环的迭代规划，强调由核心业务向整个业务拓展，业务的方向和规划，一定是明确和可靠的。设计好功能的迭代计划后，需要根据技术的可行性调研，然后与研发人员合力，明确演进蓝图的时间表。 在设计迭代计划时，我们还需要根据业务背景和团队背景，预留出一定的时间作为异常情况的缓冲区间。 在设计演进蓝图时，我们还可以根据产品开发的标志性事件或者业务小闭环节点，来设计出相应的里程碑计划。 成本预估就是评估在整个产品开发过程中，我们需要投入那些资源，换算成成本是多少。 成本估算的评估要和演进蓝图结合，划分到完成那期功能需要投入多少资源。资源投入除了整体性评估之外，也需要细化到具体的开发人员组成、服务采购等具体的研发投入。 细节方案多用于B端业务型产品开发。在我们进行产品研发的过程中，往往还需要更为细致的解决方案，来指导我们技术人员的开发。 细节方案，也可以看做是PRD等研发文档的Plus版本。在整体解决方案的基础上，需要增加业务建模、数据建模、功能设计、技术方案、产品原型设计、附加文档，将整个解决方案，细化到产品细节层面的设计。 技术方案下文单独分析。 业务建模主要梳理详细的业务流程。包含各子业务的流程，各系统的业务流程，各功能的运行流程，还要使用用例图分析出角色和系统的关系。 完成业务建模后，我们对整个业务的脉络就非常清晰了。之后，依据业务的建模，我们才能完成功能逻辑的设计。 业务建模是产品经理对业务梳理和分析的最终成果。 数据建模主要是分析系统中的角色和各个实例，在产品的系统是有那些数据字段构成？实例间存在怎样的关系？再将实例和关系抽象成数据模型——数据模型会关系到数据库表的设计，影响到功能设计和技术方案，所以我们要尽早设计数据模型。 在设计数据模型时，我们要保证模型的全面性和扩展性。而分析数据模型时，最典型的就是使用ER图来进行分析。 在整体方案时，我们已经分析出了产品包含哪些功能。现在，我们要具体设计每个功能。 设计功能时，要明确功能要展示哪些数据，功能有那些操作，功能的操作流程是怎么样的。设计好功能后，要将功能整理成功能清单。同时，我们还需要考虑一些不直观的设计。比如，字典设计、数据权限设计、账号系统等。在设计功能时，产品经理很多功能采用一些通用的范式，比如权限设计、报表设计、首页、导航等。 产品原型则是依据功能清单，根据产品平台的设计和交互规范，将功能清单转化为线框图。产品原型也要包含产品的交互设计。 在设计产品原型时，我们要准备好相关的说明文档。同时我们一定要明确，对于B端产品UI和交互的设计，要配合业务和功能的设计。 产品文档指我们在设计详细解决方案时，也需要提供产品设计的一些必要文档。最好，可以将这些文档整合到解决方案中，常见的有PRD、UML图、流程图、交互文档等。 技术方案一般都是由技术人员设计。他们会根据细节方案中的产品设计，设计出可行的技术方案。但是，难免会出现产品需求和技术冲突的时候。 此时产品经理作为决策者之一，也会参与其中，决定最终的技术方案设计。产品经理也需要在产品需求和技术间，做出各种抉择。为了设计出更好的技术方案，产品经理应该懂一些技术。特别是某些以技术为核心竞争力的B端产品。 对于B端产品，应该会数据库表的设计和SQL语言，最好还会一门语言。我认为，一个优秀的B端产品经理，应该是对于软件工程有深刻理解的。在设计技术解决方案时，产品经理关注点在于技术成本、实现周期、技术风险、安全性和未来的扩展性。 由于技术方案主要是技术人员的工作，本文就不深入讨论了。 本文所设计解决方案的方法，其实都是我过去文章，所使用的方法和分析的内容的归纳和总结。本文中的一些模块，可以直接在以前的文章中找到，特别是用到的一些UML图和表格。 解决方案，本身就是产品的抽象。设计解决方案，就是在设计产品本身，也是需求分析、业务调研、业务诊断与分析、产品设计、产品规划的过程。 作者：产品小思考，B端产品经理，微信公众号：产品小思考 本文由 @产品小思考 原创发布于人人都是产品经理。未经许可，禁止转载 题图来自Unsplash，基于CC0协议 近年来，数据泄露事件越发频繁，企业也越发关注数据安全和数据保护。到目前为止，关于数据泄露的好消息是：与去年相比，每次网络攻击的受害者数量似乎都有所下降。但坏消息是，根据Identify Theft Research Center中心的数据显示，与2021年同期相比，2022年第一季度实际报告的数据泄露事件数量增加了14%，达到404起。 根据Identify Theft Research Center的数据显示，医疗机构、金融服务公司、制造企业和公用事业企业仍然是黑客的首要攻击目标。 御数坊拥有十年以上全栈数据治理经验，我们不仅在数据治理领域深耕细作，近些年也在数据安全解决方案中不断突破，为企业构建更智能的专属数据安全保护伞。御数坊凭借，多年数据治理经验，同时结合数据安全实践成果，为客户提供可靠的数据安全治理一体化服务，实现咨询+产品的创新服务模式，依托强大的自主研发产品功能和出色的实践表现，帮助企业实现数据安全治理的落地见效。 御数坊凭借先进的数据安全治理一体化解决方案，为某证券公司成功完成了智能化数据安全分类分级平台的搭建。 项目方案介绍： 随着证券行业数字化转型的深入开展，数据已成为企业的重要资产。该公司以数据赋能业务为导向，开展了一系列的数字化工作，在保障客户服务、提高客户粘性、开展业务创新和控制业务风险方面，成效显著。在数据治理方面，围绕数据采集、传输、存储、使用和销毁全生命周期各个阶段，从保障机制、数据治理专项能力和技术手段方面发力，提高数据在业务过程中的价值。 随着数据应用渗透到公司的日常业务经营管理的方方面面，业务部门对数据提出了越来越高的要求，尤其是公司跨部门、跨系统的数据共享，以及数据的分析应用，如何保障安全的情况下，提高数据共享的效率，成了摆在数据治理团队面前的重要任务。 该公司以数据认责为基础，参照《JRT 0158-2018 证券期货业数据分类分级指引-证监会》，对业务数据进行字段级的分类分级，针对每个级别的数据，制定相应的数据安全管理策略，开展数据保护工作。这样，一方面，提高了数据安全保障，另一方面，也优化了数据共享和数据应用机制。 数据分类分级，是落实《数据安全法》和《个人信息保护法》以及行业监管要求的第一步，也是最重要、最困难的一步。数据分级分类能够帮助企业建立一个数据安全风险保护的框架，其中风险包括但不限于未经授权的销毁、修改、公开、访问、使用和删除。数据安全分级分类为数据安全管理及管控提供了坚实的基础，可以帮助企业建立统一数据安全管控基础，以及满足行业监管要求。 在前期表级数据分类分级工作基础上，进一步开展字段级数据分类分级工作。通过采购专业智能化分类分级平台，解决前期在人工梳理过程中存在的百万级字段识别定级的效率低、准确度差和人工难以更新维护等问题。 智能化数据分类分级平台是在数据治理的基础上建立智能化的数据安全分类分级的能力，然后基于数据安全分类分级的结果来构建数据安全管理机制和管控策略，有助于推进企业数据安全建设的整体能力提升。 智能化数据分类分级平台可以与数据资产运营平台对接，充分利用数据资产运营平台的单点登录功能、用户和机构信息，在数据资产的管理上能做到字段级别的数据安全分类、分级、权限管理，为企业未来的数据安全管控打下坚实的基础。 智能化分类分级平台的部署架构图如下： 项目创新点： 该项目在数据安全分类分级的自动化处理上实现了创新，主要的创新点包括如下三点内容： （1）行业安全词库构建：在《中华人民共和国数据安全法》、《个人金融信息保护技术规范》、《金融数据安全 数据安全分级指南》、《证券期货业数据安全分类分级指南》的指导下，结合公司数据管理的现状，从业务文档与数据模型中提炼整理形成符合公司的数据分类与分级的标准，并在此标准的基础上细化形成了行业的安全特征词库，收录关键词条19758条； （2）实现字段级别的智能分类分级：构建了数据资产目录级别与数据内容级别两种颗粒度的数据安全分类分级技术定级能力； 数据资产目录分类定级：基于自然语言处理、机器学习与知识图谱实现基于行业安全特征词库的语义空间向量计算与关系计算，从而实现定级对象与分类分级标准之间的映射管理关系，为分类分级提供法律法规、行业规范的依据； 数据内容级别分类定级：在数据资产目录分类分级的基础上采用智能化数据辅助识别，一方面通过内容识别弥补数据资产目录中部分资产语义缺失带来的定级误差，另一方面通过内容识别对资产识别的结果做双保险校正，从而提高数据安全分类定级的准确度；在数据内容识别方面主要是利用智能特征数据提取识别、正则表达式与关键词的方式判断当前存储的数据内容代表的数据对象信息； （3）基于数据安全的数据共享：基于数据安全分类定级的结果设计了数据共享的差异化审批流程，在进行数据共享时根据使用人员的组织、业务等特征结合需要使用数据的数据安全分类定级结果自动构建差异化的审批流，在提高审批的效率的基础上促进数据的安全共享。 技术实现特点 自然语言处理：通过自然语言处理的能力在知识建模本体的基础上解析企业内的相关资料获取业务以及技术的相关语义信息，丰富数据资产的治理内容，并按照业务、应用以及数据的管理逻辑构建企业内业务、技术及数据的知识图谱；在这方面主要是按照一定的规则对提取的内容做分词处理、经过语义向量计算、语义加权、维度评估、向量内积、词频平滑、权重评估等多个步骤实现语料库的构建与专业词典的建立； 知识图谱：知识图谱为企业内数据间业务逻辑关系、应用归属关系与数据架构关系的图谱化体现，通过知识谱图可以快速获取到企业内数据与数据之间、数据与应用之间、数据与业务之间的关系，为数据安全分类定级的判定提供数据场景的识别支撑，并在一定程度上为数据安全分类定级的数据安全溯源提供服务； 智能算法服务：通过智能算法服务为数据安全分类分级模型计算与算法库构建的综合服务能力；通过多维度空间、梯度下降、最长公共子序列、模型效果评估、递归神经网络等多种算法的组合应用为数据安全分类与分级提供算法上的支撑。 项目成效 经济效益：在经济效益方面主要体现在如下几个方面： （1）降低人工投入：通过数据安全分类定级安全特征词库的构建与自动化智能分类定级，可有效降低数据安全分类定级工作中的人工投入成本达70%以上，将人工定级模式转化为基于经验与推荐结论的专家审核模式； （2）增量数据资产及时定级：可自动发现与识别企业内新增的数据资产信息，并自动化完成分类定级，及时将增量数据资产加入到数据安全管控的体系范围内，降低数据流通与使用的安全风险； （3）数据共享效率提升，数据使用效率提升：通过基于数据安全分类定级的数据共享体系的构建，提高了数据共享的审批效率与数据需求分析的建设效率达20%以上； 总体上说，这一案例的亮点在于通过数据治理项目也为企业建成了比较成熟的架构，全面提升公司数据治理的各个能力领域，完成了从数据支撑到数据赋能的数据治理模式。在未来，公司将以过程管理以及末端处理”的数据全生命周管理模式为基础，依托御数坊提供的智能化数据分类分级工具，为公司核心的数据安全应用与合规共享助力，持续支撑公司数据字化转型和业务发展的目标。 社会效益： 作为企业数据资产管理与安全管控的重要基础，为与外部企业和组织开展数据增值服务合作提供依据和保障，在一定的管理审核支撑下，向其他行业以及社会开放特定的数据，实现金融数据的社会赋能。 经验总结 通过该项目的实施，通过数据安全分类定级的自动识别管理提高了企业数据使用的使用效率，在一定程度上实现了企业内数据增效企业外数据增值的数据管理目标，也为企业通过数据治理成果在语义层面实现智能化应用提供了一次有意义且成功的实践。 在实施过程中，企业内有一个好的数据治理的成果是数据安全分类分级成功的关键。企业内数据治理普遍遇到的问题是数据资产的质量并不高，很多企业都存在大量数据资产中文描述与业务描述信息缺失的管理情况，在这种情况下语义识别与知识图谱计算缺少必须的预料信息，从而造成推荐结论可能出现一定的偏差。 返回目录金融企业搭建智能化数据分类分级平台的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于金融企业搭建智能化数据分类分级平台、金融企业搭建智能化数据分类分级平台的信息别忘了在本站进行查找喔。
未经允许不得转载！ 作者:谁是谁的谁，转载或复制请以超链接形式并注明出处。
原文地址：http://www.kpfe.org/post/9415.html发布于：2025-12-28
