Vad är datastyrning?

Datakatalogisering och identifiering— Automatisk identifiering och fysisk registrering av datatillgångar på ett enhetligt sätt för att möjliggöra logisk sökning, beskrivning och identifiering av en organisations data.

Dataklassificering— Tagga data med lämplig information, sekretess eller andra känslighetsklassificeringar för att skydda vidare användning och skydd.

Dataägarskap— Ser till att data ägs för skydd, beskrivning, åtkomst och kvalitet av ansvariga och behöriga agenter inom organisationen.

Datasäkerhet: säkerställer att data är krypterade, dolda, tokeniserade eller har andra lämpliga säkerhetsåtgärder som tillämpas i enlighet med klassificeringen. Inkluderar insamling av bevis på säkerhetsprogram och hantering av dataförlustskydd.

Datasuveränitet och datadelning över gränserna— Se till att data lagras, används och bearbetas enligt jurisdiktionsregler och jurisdiktionsregler.

Datakvalitet— Säkerställa att data är lämpliga för ändamålet enligt kärnmåtten för datakvalitet—noggrannhet, fullständighet, konsekvens, giltighet, relevans och aktualitet.

Datalivscykelhantering— Se till att data hämtas, lagras, bearbetas, används och tas bort i enlighet med dess juridiska, regelmässiga och sekretessmässiga livscykelkrav, som ofta definieras i ett kvarhållningsschema.

Datarättigheter och åtkomstspårning—Data får endast vara tillgängliga för dem som tänker komma åt dem. Att granska den här åtkomsten är en viktig del av att identifiera och säkerställa kontroll.

ata härkomst – Säkerställer att det är möjligt att identifiera var data har sitt ursprung, de steg det har och var de används med en kornighet och frekvens som är relevant.

Datasekretess – Definiera ett ramverk för att skydda integriteten för registrerade personer som återspeglar den regel- och sekretesslagar som styr din organisation. Se till att processer och teknik används för att säkerställa att sekretessramverket tillämpas aktivt.

Hantering av betrodda källor och datakontrakt— Stora organisationer kan ha liknande data som kommer från eller bearbetas via ett antal källor. Att identifiera och hantera betrodda källor och definiera kontrakt för förbrukningsdata är viktigt för att säkerställa att data hämtas från en godkänd sanningskälla och att den övergripande dataarkitekturen hanteras effektivt.

Etisk användning och syfte—Den etiska användningen av data efterfrågas i allt högre grad utöver sekretesslagar och registrerades rättigheter. I takt med att användningen av AI och maskininlärning ökar är det viktigt att se till att data bearbetas på ett sätt som kunderna förväntar sig enligt företagets etiska kod.

Master-datahantering—Master-data är de vanligaste och duplicerade data i en organisation. Det är ofta de data som beskriver de viktigaste operativa aspekterna av ett företag (till exempel produkt, kund, anställda och företagsstruktur). Att se till att det finns en enhetlig vy över dessa data är grundläggande för korrekt och tillförlitlig dataanvändning.