近年来，伴随着大数据的迅猛发展及ChatGPT等生成式AI的发展，数字化技术的持续升级为我们带来诸多便利，同时也引发了”数据满天飞”，数据安全隐患加剧，数据安全事件频发。跨国企业在中国本地化发展，建立符合中国数据安全法规的数据安全体系是重要的、必要的本地化策略之一，IBM数据本地化方案，可以帮助跨国企业实现端到端的数据安全。
国外某知名社交平台5000万用户的个人资料泄露、国外某搜索引擎平台滥用个人信息定制广告、国内某出行平台违法手段收集用户信息等一系列事件的发生，给社会、个人带来巨大的安全影响，也给相关企业造成高达数十亿美元的经济损失。
数据安全日益成为公众关注的议题，国家也在法律层面不断完善，从而推进数据安全管理。自2016年以来，中国政府以《网络安全法》、《数据安全法》、《个人信息保护法》等数据立法为基础，陆续出台了《数据出境安全评估办法》、《网络数据安全管理条例（征求意见稿）》、《工业和信息化领域数据安全管理办法（试行）》等配套管理条例与管理办法。
IBM帮助跨国企业建立端到端数据安全管理体系
近年来，IBM帮助多个跨国公司在中国建立数据本地化安全管理体系与技术体系，打造符合本土要求的数据团队，规避数据安全管控风险，快速实现数据本地化建设。基于多年来在数据安全建设领域的经验积累，IBM建议跨国公司在中国境内进行数据本地化工作时，应从如下四步开展相关工作：
1、安全评估、疏而不漏
数据安全评估包括数据安全管理评估和数据安全技术评估，其中数据安全管理评估包括数据安全管理组织、数据安全的相关制度流程、全体员工数据安全意识评估等，数据安全技术评估包括数据分布、安全架构、数据安全防护等，评估的数据范围不仅包括存放在数据库中的业务数据、分析数据等，还包括纸质文件、图像等。IBM建议数据安全评估应在数据采集、数据传输、数据存储、数据处理、数据交换、数据销毁等数据全生命周期过程进行全面分析，做到疏而不漏，最终给出全面的、真实的数据安全评估，为后续的数据安全工作提供依据。
2、建章立制，规范管理
建立有效的安全组织与保障体系是至关重要的。首先要设立数据安全管理组织，理清权属。数据安全管理中合理的组织设计、可落地执行的政策制度是数据安全管理工作是否成功的基础。数据安全管理组织建议划分为三个层次，其中决策层由公司的高级管理者担任，负责数据安全的重大决策、数据安全组织的设立、核心人员的设置等；管理层主要负责推动公司各部门数据安全工作的开展，协调各方利益；执行层主要执行各项具体的数据安全管理工作。借助于数据安全三层管理架构，使数据安全工作自上而下、协调的运转起来，最终达到数据安全管理的目的。其次是建立健全安全管理制度、流程、办法、模板等体系，监管数据安全策略的落地执行情况，督促数据安全管理和技术问题的整改，保障数据安全工作有效开展。
3、分类分级、制定策略
数据分类分级是数据合规最核心的问题，数据分类分级是数据安全管理的前提。只有对数据进行有效分类分级，针对不同数据制定不同的安全与共享策略，才能避免数据安全管控"一刀切"的控制方式，在数据安全管理上采用更加精细的措施，使数据在共享使用和安全使用之间获得平衡。数据分类是依照数据的来源、内容和用途对数据进行分类，数据分级是按照数据的价值、内容的敏感程度、影响和分发范围不同对数据进行敏感级别划分。数据分类和分级是先后关系，先分类再分级，分类更多从业务角度，分级更多从安全角度出发，分类是横向，分级是纵深。
4、落地执行、持续提升
数据安全的落地包括组织的设立、政策的落实、数据全生命周期的安全策略执行。由于企业的业务需求随着市场环境不断变化，因此数据安全管理的策略及技术手段也在不断升级，数据安全能力建设不是一劳永逸、一蹴而就的。借助IBM数据安全技术，紧密结合AI算法，主动监测敏感，实现数据安全闭环管理能力，从而真正实现数据全生命周期安全。
IBM在数据本地化与数据安全领域的成功实践
IBM通过为企业客户提供数据安全现状分析、数据安全风险识别、数据安全管理体系设计与技术体系设计、数据安全方案实施落地等端到端的安全服务，帮助客户实现合法合规可知、分类分级可识、使用流程可控、数据风险可察、管控提升可见五大目标。
以某跨国消费品公司在中国开展数据本地化为例，IBM从数据安全管理现状诊断出发，完成数据安全管理蓝图设计及实施路线规划，最终帮助客户建立了完善的数据安全管控体系，包括建立数据安全等级体系；设计数据安全监控规范、用户安全评分规范及安全应急预案，梳理业务和管理过程中涉及的业务数据，进行敏感数据识别及安全影响评估；建立数据安全分类分级管理体系，相关制度规范、应急流程，确保数据安全"可知"、"可识"、"可控"、"可察"、"可见"，实现端到端数据安全。