应对型数据治理缺点
批量集成和应对型数据治理方法引入的时间延迟可能导致业务部门继续操作重复、不完整且不的主数据。因此,这会降低多领域 MDM 方案实现在正确的时间向正确的人员提供正确数据这一预期业务目标的能力。在期望被设定为数据将变得干净、且及时之后,批量集成引入的时间延迟让人感到沮丧。应对型数据治理(下游数据管理员小组负责整理、去重复、纠正和完成关键主数据)可能导致让人认为“数据治理官僚化”。
数据治理怎么做
当真正理清了这些关于信息化现状认知,企业通常都会决定开展数据治理和数据安全治理工作。至于这两项工作怎么做,通常有两种思路:要么循序渐进地从数据资产化的角度做治理,要么以需求为导向,从数仓、中台等数据服务的角度做。这就好比一条河被污染了,老百姓要喝水,是从治理水质,还是在下游建个污水处理厂,每天喝多少就治理多少?中国足球要进世界杯,是从娃娃抓起搞青训,还是规划老外雇佣军?选择哪种思路,高层认知很关键,所以IT、数据、业务、安全、法务等各部门提供的信息一定要准确,但实际情况要糟的多(因为基层员工的认知不够和人员变动等不确定因素都会造成高层的信息缺失)。
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
敏感数据一旦泄露会给个人及社会带来严重危害,甚至对企业及组织带来不可估量的损失,那敏感数据到底有哪些呢?除法律、法规内界定的敏感数据(号、姓名、住址、银行帐号等)外,还有企业或组织机构不适合公开的数据,如企业的营业数据、网络结构等。但如何鉴别和分类敏感数据却存在诸多矛盾,由于不同地域、不同法律或部门也可能对同一类的数据归类不尽相同,这也给识别敏感数据带来一定的难度。
以上信息由专业从事敏感数据安全价格的北京派客动力于2024/3/29 11:59:23发布
转载请注明来源:http://beijing.mf1288.com/bjpkdl-2726190925.html