首先，组织对其所有结构化和非结构化数据进行编目。结构化数据是具有标准化形式的数据。它通常有明确的标签并存储在数据库中。信用卡号是结构化数据的一个示例：它们的长度始终为 16 位。非结构化数据是自由形式的信息，如文本文档或图像。

安全团队通常使用 DLP 工具来完成此步骤。这些工具通常可以扫描整个网络，以查找存储在云中、物理端点、员工个人设备上以及其他地方的数据。

接下来，组织会对这些数据进行分类，根据敏感程度和共同特征将其分门别类。对数据进行分类使组织能够将正确的 DLP 策略应用于正确类型的数据。例如，有些组织可能会根据类型对数据进行分组：财务数据、营销数据、知识产权等。有些组织可能会根据相关法规对数据进行分组，例如《通用数据保护条例》(GDPR)、《健康保险流通和责任法案》(HIPAA)、《支付卡行业数据安全标准》(PCI DSS) 等。

许多 DLP 解决方案可以自动进行数据分类。这些工具可以使用人工智能、机器学习和模式匹配来分析结构化和非结构化数据，以确定数据类型、是否敏感以及应该应用哪些 DLP 策略。