我喜欢把数据赋能和数字化转型放在一起讲，因为数字化转型的目标之一就是数据赋能。众所周知，我们从93年开始逐步发展信息化，从为了解决业务上0和1问题，为了解决无纸化办公，到现在的大数据时代，近30年的时间总结起来，数据领域一共就三件事：解决数据孤岛问题、隐私数据保护以及提供数据服务。翻译过来就是数据治理、数据安全治理以及数据赋能。
国家单位是本轮数字化浪潮的主要推动者
既然国家将数字化建设提升到全社会的角度，提升到促经济保增长的高度，那么数字化建设涉及的数据资源产权、交易流通、跨境传输和安全保护等内容，离不开的主导，其基础制度和标准规范的设立也是的主要职责。所以说，将是数字化建设的当但，在此过程中，头部企业将协助完成标准和规范的编制，中小技术企业将更着眼于数字化服务内容。
数据治理企业系统梳理
开展数据、信息梳理的步，先对企业中的所有系统进行梳理，了解不同系统下的业务需求、项目模块、业务组等，编制梳理计划。当系统间进行集成或对接时，无非是将系统下的数据进行交互对接、整合，此时常见的问题就是各系统间相同的数据无法保证数据格式的一致性、准确性和完整性。第二步便是要对数据制定统一性规则，确保数据的完整性和一致性。首先要建立公共信息类模型，保障数据梳理时有统一的信息规范。其次，设定特殊信息级模型，制定数据性等级，确定数据信息敏感级别，方便确立日后哪些数据、信息以何种形式进行交互流通。
数据治理现有系统中的敏感数据梳理
该银行没有明确的数据价值定义标准，致使工作人员无法对辖区内掌握和拥有的数据进行很好的估值，随之对于操作稍有不慎所产生的后果也就无从评估。对此，派客动力脱敏平台内置了大量的敏感数据发现算法，能够通过对该银行现有系统中的数据进行采样分析，自动发现系统中包含敏感信息的敏感数据，包括姓名、证件号、银行账户、金额、日期、住址、电话号码、 Email 地址、车牌号、车架号、企业名称、工商注册号、组织机构代码、纳税人识别号等；对所有敏感数据进行梳理、收集。