距 10 月 24 日系规考试还有 18 天 | 10 月 6 日发布 | 2026 系规 30 天冲刺特辑 Day13 / 30
主讲：老孙
今日章节：教材第 8 章 数据资源规划、第 9 章 信息安全规划（均为 A 档；综合知识稳定出题，也是论文的重点补充方向）
预计阅读时间：75 分钟。两章都是清单密集型，建议上午学数据，下午学安全
零、今日坐标
同学们好，我是老孙。
今天讲方法篇的第 8 章数据资源规划和第 9 章信息安全规划。这两章放在一天，是因为它们在今天的考试环境里有一个共同的身份：热点方向。
先说为什么是热点。数据被列为与土地、劳动力、资本、技术并列的第五生产要素（教材第 8 章引用了 2020 年 4 月中共中央、国务院的文件），数据安全、个人信息保护方面的立法这几年密集出台；高项考试近两年的论文和案例已经明显向数据方向倾斜。系规的论文历年清一色考服务管理，昨天我们讲过，主力不变；但如果说方法篇里有哪两章最值得为论文备一个骨架防身，就是今天这两章。
再说它们在三科里的位置。
综合知识：稳定出题区。 信息安全的基本属性、等级保护的五级，是老真题反复考的内容（2017 年下半年、2018 年上半年、2019 年上半年、2021 年上半年、2022 年上半年、2023 年上半年都出过）。数据方面，数据仓库、大数据的题也出过多次。这两章的清单多，但每张清单的辨识度高，属于"背了就能拿分"的类型。
案例分析：有进入的可能。 2025 年下半年案例的前两题整体落在方法篇，考了第 4、5、6 章。按"同篇未考章"的思路，第 8 章的三种规划方法对比、第 9 章的等保定级和安全规划内容，都是现成的案例素材。
今天有一个新旧口径要特别注意：信息安全的基本属性。 老真题（2019 年上半年第 22 题）问"除了保密性、完整性、可用性和可控性外，还包括什么"，当年的答案是"可靠性"。第 2 版教材的五个属性是：保密性、完整性、可用性、可控性、不可否认性。第五个变了。这一点后面细讲。
今天的学习时长建议 3.5 小时。上午 100 分钟学第 8 章，下午 80 分钟学第 9 章，晚上 30 分钟做题自测。
一、今日主线：第 8 章与第 9 章精讲
1.1 第 8 章全景
第 8 章五节：8.1 概述，8.2 数据资源规划的方法，8.3 数据架构，8.4 数据标准化，8.5 数据管理。教材开篇给数据资源规划的定位是"数据工程生命周期的第一个重要环节"，"高质量信息化建设的必经之路"。数据资源管理"包括数据治理、数据质量、数据安全等诸多方面"，这正是 8.5 的三小节。
1.2 8.1 概述：四个概念、五个特征、三个阶段、四条作用
数据的定义：数据是对客观事物的性质、状态以及相互关系等进行记载的物理符号或物理符号的组合。
数据、信息、知识、智慧的关系。 教材用了三组完全一样的句式：
- 数据是信息的原材料，数据与信息是原料与结果的关系；信息是对数据的有效解释，信息的载体就是数据。
- 信息是知识的原材料；知识是经过人脑加工处理过的系统化了的信息。
- 知识是智慧的原材料；智慧主要表现为收集、加工、应用、传播信息和知识的能力，以及对事物发展的前瞻性看法。
总括的一句最容易出题："数据是信息的源泉，信息是知识的'子集或基石'，知识是智慧的基础和条件。数据是感性认识阶段的产物，而信息、知识和智慧是理性认识阶段的产物。"判断题如果写"数据和信息是感性认识阶段的产物"，错，只有数据是。
数据资源的定义。教材给了两个出处：2020 年国家标准化管理委员会发布的等级保护定级指南，把数据资源定义为"具有或预期具有价值的数据，多以电子形式存在"；中国信息通信研究院的报告定义为"能够参与社会生产经营活动，可以为使用者或所有者带来经济效益，以电子方式记录的数据"。还有一个时间点：2020 年 4 月，中共中央、国务院发布《关于构建更加完善的要素市场化配置体制机制的意见》，将数据与土地、劳动力、资本和技术并列，作为第五要素。
数据资源的特征五组：无形性与可复制性、非竞争性与弱排他性、时效性、依附性、垄断性。教材还说数据资源"通常被认为具有大宗商品的属性"，比起商品更像一种原材料，需要加工才能发挥更大价值。
数据资源的发展三阶段：
| 阶段 | 要点 |
|---|---|
| 数据资源化 | 将无序、混乱的原始数据开发为有序、有使用价值的数据资源，包括数据采集、整理、分析等；最终形成可用、可信、标准的高质量数据资源 |
| 数据资产化 | 基于既定的应用场景及商业目的，将数据资源加工成可供组织应用或交易的数据产品；数据资产在该阶段拥有了场景赋能，预期可产生经济利益，形成数据交换价值 |
| 数据资本化 | 在数据资产化阶段发展后期，数据资产被进一步赋予金融属性；是拓展数据价值的途径，本质是实现数据要素的社会化配置 |
教材第二篇练习第 8 题考过这三个阶段，错误选项是"数据资本化阶段在数据资产化阶段发展前期"，应为后期。三阶段的顺序和每个阶段的那个关键词（资源化是可用可信标准、资产化是场景赋能和交换价值、资本化是金融属性和社会化配置）要记准。
数据资源规划的定义：对企事业单位或政府部门的数据从产生、获取，到处理、存储、传输和使用的全面规划，是信息化建设的基础工程。后面跟着三个"必须"式的要点：核心对象是数据本身；规划的数据对象必须相对稳定；最终用户必须真正参与数据资源规划工作。
作用四条：提质增效；缓解"数据孤岛"问题；标准化与共享；市场化发展。
1.3 8.2 三种数据资源规划方法：今天的第一个重点
教材原文："目前主流的数据资源规划方法有三个：基于稳定信息过程的方法、基于稳定信息结构的方法和基于指标能力的方法。"三者的适用场景和优缺点，教材给得非常规整，是天然的考题：
| 方法 | 适用场景 | 优点 | 缺点 |
|---|---|---|---|
| 基于稳定信息过程 | 业务场景相对固定，前期数据积累较少 | 理论成熟、易理解、实现难度不大 | 步骤繁杂、涉及因素多、数据稳定性较差 |
| 基于稳定信息结构 | 业务场景经常变化，前期数据积累较多 | 理论较成熟、实施周期较短、数据稳定性好 | 全局设计后置、初期工作量大、并行工作组织难度大 |
| 基于指标能力 | 业务场景涉及决策，前期数据积累较少 | 直接支撑决策需求、设计思路清晰、数据稳定性好 | 实现案例少、实施难度大、对设计人员要求高 |
选择口诀：固定少积累选过程，常变多积累选结构，要决策选指标。
理解一下为什么。"过程"方法是从业务流程入手梳理数据，业务固定才梳得清，但它的数据跟着流程走，流程一变数据就得变，所以"数据稳定性较差"。"结构"方法反过来，从已有的大量数据里直接提炼稳定的数据关系，所以要求"前期数据积累较多"，好处是不依赖现行业务流程，业务怎么变，核心数据集不变。"指标"方法从决策需要什么指标反推需要什么数据，目标最明确，但会做的人少。
方法一：基于稳定信息过程的方法。
教材概括为"两条主线、三种模型、一套标准"。核心步骤七项：定义职能域；各职能域业务分析；各职能域数据分析；建立领域的数据资源管理基础标准；建立信息系统功能模型；建立信息系统数据模型；建立关联模型。
几个细节是选择题的素材：
- 划分职能域要"根据工作内容（而不是按照现行的机构部门）"。
- 业务模型是"职能域、业务过程、业务活动"三层结构。
- 系统功能模型是"子系统、功能模块、程序模块"三层结构。
- 数据模型的实体是"基本表"，是由数据元素组成的达到第三范式的数据结构，是系统集成和数据共享的基础。
- 基础标准包括：数据元素标准、数据分类与编码标准、用户视图标准、概念数据库和逻辑数据库标准。
- 关联模型把功能模型和数据模型联系起来，对控制模块开发顺序和解决共享数据库的"共建问题"有重要作用。
两套三层结构容易混。记法：业务模型说的是"人在干什么"（职能域、业务过程、业务活动），功能模型说的是"系统怎么分"（子系统、功能模块、程序模块）。
教材接着把这个方法展开为十一个实施步骤：可行性分析、确定目标和范围、准备、业务活动研究、建立业务逻辑模型、导出并建立数据模型、建立管理标准、设计主题数据库、数据的分布分析、制定方案、审核评价方案。 其中值得记的：
- 可行性分析至少从三方面研究：资源可行性、操作可行性、技术可行性。注意这里不是常见的"经济、技术、操作"。而最后一步"审核、评价方案"时，是从"经济可行性、技术可行性和操作可行性"分析。两处的三个可行性差一个词，前者是资源，后者是经济。
- 准备阶段三件事：组建数据资源规划小组（由高层部门领导挂帅；人员有系统规划人员、数据资源管理人员、系统分析员）；确定总体设计的技术路线；人员培训。
- 建立业务逻辑模型的图形化工具：数据流图、实体联系图、状态转换图、用例图、业务功能的层次结构图。
- 主题数据库：面向业务主题的数据组织存储，与本领域业务管理中要解决的主要问题相关联，而不是与通常的计算机应用项目相关联。它"是对各个应用系统'自建自用'的数据库的彻底否定，强调建立各个应用系统'共建共用'的共享数据库"。设计上采用"自顶向下规划和自底向上设计"。设计过程三步：统一数据标准、筛选数据、建立主题数据库。
教材最后给了五条注意事项，句式整齐，适合出"基础、核心、重点"的配对题：
- 数据资源规划必须来自最高层的策划，高层管理人员的参与能使规划工作更全面深入。
- 数据资源规划的基础是建立业务模型和数据模型。
- 数据资源规划的核心是模型分析。
- 数据资源规划的重点是建立主题数据库。
- 系统建设要与管理体制相互适应。
方法二：基于稳定信息结构的方法。
关键是建立"核心数据集"，再转换成满足不同使用者需要的输出信息结构，即目标数据集。因为核心数据集稳定，更改输出信息结构不会产生更多的"波及效应"。
五个步骤：确定目标与系统边界、获取初始数据集、建立核心数据集、完善目标数据集、建立信息模型。"其中，任一步骤都可返回前面的任一步骤，它是一个循环过程。"
建立核心数据集要经过五项审查：数据项审查、主题审查、功能审查、任务审查、核心数据集审查。其中"主题是能构成一个完整语义的数据项组合"；"功能的审查是静态的，任务的审查则是动态的"。每项审查都给出"通过、改进、删除"的结论。
方法三：基于指标能力的方法。
以"决策、指标、数据模型"的分析为切入点，一步步反推出能够支持目标决策应用的核心数据集。它"不需要关心具体的业务流程，也不需要收集大量的初始数据集"，比较重要的内容是建立正确的指标体系。
七个步骤：决策评估收集、支撑指标分析、指标体系构建、建立指标数据模型并分析数据集、数据子集融合、核心数据集的一致性检验、核心数据集评价。
一致性检验要处理两种情况：重复的数据元素只保留一个；同义不同名的数据元素要辨别并删除。核心数据集评价从四个维度：准备级、平台级、数据级、利用级。
1.4 8.3 数据架构
定义与定位。 组织中的架构类型包括业务架构、数据架构、应用架构和技术架构。"数据架构是数据管理的基础"。组织数据架构描述必须包括数据模型（如数据结构和数据规范）和数据流设计。最为详细的数据架构设计文件是正式的企业数据模型。
数据架构的主要职责五条：利用新兴技术带来的业务优势，从战略上帮助组织快速改变产品、服务和数据；将业务需求转换为数据和应用需求；管理复杂数据和信息并传递至整个企业；确保业务和 IT 技术保持一致；为企业改革、转型和提高适应性提供支撑。
数据模型。 企业数据模型通常是一个简化的高层级模型。企业概念模型由主题域模型组合构建。构建方法有自上而下（从主题域开始）和自下而上（基于现有逻辑数据模型向上提炼），"通常推荐两种方法相结合"。
数据流设计。 数据流描述数据在业务流程和系统中流动的过程，涵盖数据的起源、存储、使用以及转化。"这种数据流动的完整记录被称为数据血缘。"
数据架构演化的驱动因素四条：技术的发展与进步；业务量的快速增长；业务需求的变化；法律法规变化。