▷ 5 sätt att förbättra styrningen av ostrukturerad data

Att föra styrning och säkerhet av big data till den praxis som tillämpas på strukturerad data är avgörande. Här är fem sätt att ta sig dit.

Företag måste styra sin data för att hålla den ren och organiserad för bättre användning och Datastyrning är en samling av processer, roller, policyer, standarder och mått som säkerställer en effektiv och effektiv användning av information för att göra det möjligt för en organisation att uppnå sina mål med det data.

SER: Anställningssats: Databasingenjör (TechRepublic Premium)

Måste läsa big data-täckning

Organisationer fokuserar på datastyrning för sina system för register och strukturerad data, men hur är det med stora, ostrukturerade data som foton, videor, digitaliserade papperskopior och kontinuerliga textmeddelanden från sociala medier?

Ramesh Koovelimadhom från RCG Global Services påpekade flera svagheter i styrning av big data:

Att förlita sig på datavetare som saknar IT:s kompetens för att sätta upp standarder och procedurer för data.
Brist på disciplin och processtillämpning i utvecklingen av datascheman.
Inte rensa upp dålig data.
Att inte stödja människor och processer med teknik.

“Framgångsrik datastyrning löser affärsproblem genom att identifiera grundorsaker till dataproblem som hindrar verksamhetens effektivitet”, sa Koovelimadhom.

Så, hur kan vi förbättra styrningen av ostrukturerad data som nu omfattar ungefär 80 % av företagsdata som hanteras? Här är fem sätt att ta itu med problemet i företaget.

1. Använd betrodda datakällor

Den data som organisationer direkt har skapat och samlat är pålitlig, men de flesta organisationer skaffar också data från externa molnkällor när de bygger ett aggregerat datalager för analys.

Hur vet du att data från dessa externa källor är tillförlitliga? Det gör du inte – om du inte vet dataleverantören, förstår var leverantören har fått sin data och vet hur leverantören har förberett och säkrat data. Om du är i en känslig bransch som sjukvård, vill du också veta att data om enskilda patienter har anonymiserats för att uppfylla integritetskraven.

SER: 4 steg för att säkerställa att din analys förblir ren och hälsosam (TechRepublic)

Att kontrollera leverantörsstyrningsstandarder för att säkerställa att de överensstämmer med din egen bör vara en rutinuppgift som utförs innan något avtal ingås med en leverantör. Innan du skriver under ett kontrakt bör du också begära leverantörens senaste IT-revision så att den senaste styrningen och säkerhetsprestanda kan granskas.

2. Upprätta riktlinjer för ostrukturerad data för användaråtkomst och behörigheter

System of Record, strukturerad data har fasta regler på plats för användaråtkomst och behörigheter – men ostrukturerad data kanske inte. Ostrukturerad dataåtkomst bör följa samma regler som strukturerad data gör.

Med andra ord bör tillgången till ostrukturerad data begränsas till de användare som behöver uppgifterna. Inom kategorin åtkomst finns det sannolikt också behörighetsnivåer, där vissa användare får mer tillgång till data än andra, beroende på jobbfunktion eller roll.

Dessa beslut om användaråtkomst bör fattas mellan IT- och slutanvändaravdelningar. Det bör minst göras översyner årligen, och rutiner bör finnas så att om en individ lämnar företaget, tillträde omedelbart tas bort som en del av separationsprocessen.

3. Säkra all data

Grunderna för datasäkerhet är betrodda nätverk; starka metoder för användaråtkomst och övervakning; perimeterövervakning som kontrollerar sårbarheter och potentiella intrång; och användarvanor som är i linje med bästa säkerhetspraxis (som att inte dela lösenord eller att inte kopiera data till minnesenheter som kan bäras med sig). Om data lagras på hårdvara i utkanten av företaget, bör den hårdvaran vara fysiskt inkapslad och säkrad när det är möjligt, där endast de auktoriserade kan få åtkomst.

De flesta av dessa standarder och metoder är på plats med strukturerad data men inte nödvändigtvis med data som är ostrukturerad, såsom Internet of Things-data.

Ostrukturerade data bör styras av samma nivåer av säkerhetsriktlinjer och rutiner som dess strukturerade motsvarighet är.

4. Använd loggning och spårbarhet

Robust loggnings- och spårbarhetsprogramvara bör kontinuerligt finnas i arbete när det gäller big data. Vem eller vilka har tillgång till data? När och varifrån? Om det finns ett problem som uppstår, vilken händelse initierade problemet?

SER: Cybersäkerhetsexperter hyllar ny IoT-lag (TechRepublic)

Loggning, spårning och (i framtiden) observerbarhet påskyndar tiden till problemlösning och är en del av säkerheten.

5. Kassera dålig data

Som en förutgående datarensningspraxis bör dålig data elimineras som rå, och inkommande big data strömmar in. Det finns mycket dålig big data, oavsett om det är dokument som inte behövs, IoT-strömmar som innehåller lika många enhetshandslag som framträdande information eller överflödiga trådar i sociala medier.

Databeredningsprocessen som är en del av dataintag bör eliminera denna data så att den aldrig tar upp fastigheter i lagring. Stordataförråd bör också regelbundet uppdateras och återbesökas med data som inte längre behövs kasseras.