- 发布
- 北京派客动力科技有限公司
- 电话
- 010-58204501
- 手机
- 18640165288
- 发布时间
- 2023-04-04 12:04:16
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,省数据脱敏算法,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,省数据脱敏方案,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,省数据脱敏标准,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,省数据脱敏,方便确立日后哪些数据、信息以何种形式进行交互流通。
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”。
数据治理数据所有者
个人为数据的所有者,具有对数据的一切,包括数据知情权(含采集知情权、用途知情权、公示知情权、转移知情权等)、数据的同意权(所有的数据处理活动必须得到用户的授权允许)、数据的销毁权(可以要求修改)。
数据同意权是法案的,将数据处理活动限制在用户同意的范围内,将未经用户同意的处理活动(采集、存储、适用、加工、传输、提供、公开)定义为行为。