一、记录类数据
1、事务数据
事务是数据库处理数据的一个单元，可以理解为一次数据库CRUD的操作。事务数据就是记录下数据库操作的系统日志数据，以及特定业务场景中，专门记录的业务操作事务记录的数据，比如用于安全审计的系统登录日志。
2、业务数据
业务数据就是为了完成业务流程而存储的业务操作类数据。就是业务系统的绝大多数表和数据。
3、日志数据
早期的日志数据是属于事务数据中的。现在大数据时代，用户访问数据变得越来越重要，所以单独分离出来。
二、管理类数据
1、元数据
元数据（Meta-data）是描述数据的数据。
与业务规则、流程相关的描述性数据，我们称之为业务元数据；
与存储、访问等技术底层的描述性数据，我们称之为技术元数据；
与数据操作相关的描述性数据，我们称之为操作元数据；
与数据管理相关的描述性数据，我们称之为管理元数据。
元数据解决什么核心问题？
元数据就是为了准确的描述我们拥有的所有数据。其核心的目的是降低人与数据之间的沟通成本。描述的越准确，我们使用数据的成本就越低。
2、主数据
主数据（Master Data）就是关于业务实体的数据。主数据是关键业务实体的最权威、最准确、价值最大的数据，用于建立交易闭环。其实Master Data翻译成“核心数据”可能会更合适，因此主数据也被成为“黄金数据”。这么说吧，其实阿里的One ID就是主数据理念的结果。
对于CRM客户管理系统来说，用户就是主数据；对于银行来说，卡bin码、开户行、账号、理财产品等都是主数据；对于生产企业，BOM表是主数据；对于二手房平台，房源信息是主数据。贝壳的楼盘字典就是典型的主数据，他们从2008年开始建设，持续了12年，投入了5、6亿。
所以我们总结一下，主数据一共有以下种类：
与人相关的：用户、客户、公民、病人、供应商、学生等；
与物相关的：实体产品、虚拟产品（理财产品）、生产资料（BOM表）等；
与场相关的：地址库、楼盘字典、POI信息等；
与规则相关的：财务的账套等。
主数据的核心思想是全局唯一的标准数据。因此，主数据一般会完成以下工作：
确定核心业务环节
识别主数据
定义和维护主数据匹配规则（代码规则、ID Mapping）
建立及发布数据标准
主数据的后续维护及更新
3、参考数据
参考数据就是码表。
三、分析类数据
维度模型中的维度、度量、指标。
附：另一角度的说明
这里所提的数据分类，是指在企业信息化领域做数据治理通常的分类方式。我们通常将数据分为：主数据、交易数据、参考数据、元数据和统计分析数据（指标）。上一张图来说明：
为什么要谈数据分类，因为对每类数据进行治理时，关注点、方法和效果都不同，需要区别对待。下面谈一点笔者个人的理解：
主数据关注的是“人”和“物”，主数据管理（MDM）是数据治理领域一个专门的话题，其主要目的是对关键业务实体（如员工、客户、产品、供应商等）建立统一视图，让客观世界里本是同一个人或物，在数据世界里也能做到唯一识别，而不是在不同系统、不同业务中成为不同的人或物。主数据管理在各行业企业已经有大量的实践，其核心管理思想是和后面要谈的数据治理方法一脉相承的。
交易数据关注的是“事”，交易数据没有形成单独的数据治理领域，由于交易数据是BI分析的基础，因此往往在数据质量管理中重点关注；
参考数据是更细粒度的数据，是对“人”“事”“物”的某些属性进行规范性描述的，对参考数据的管理一般会与主数据管理同时进行，或与BI数据质量管理同时进行，因为指标维度和维值直接影响到BI数据质量；
元数据是一个包罗万象的概念，其本质是为数据提供描述，所以任何数据都有元数据。数据治理领域的元数据，更多是指BI、数据仓库这个范畴内的元数据（国际上有Common Warehouse Meta-model规范），此外还有信息资源管理的元数据（如Dublin core协议）、地理信息元数据、气象元数据等等。正因为如此广泛，也造成了从业者对其有极高的预期以及实践后的极大失落。
统计分析数据（指标），无需多言，目前BI系统建设的主要作用就是做各种指标和报表的计算和展示。指标往往是数据治理的重点，指标的数据流分析、指标数值的波动性、平衡性监控，几乎是各个企业做数据治理的必备应用。