El valor de la gestión de datos

Los elementos clave de un data governance exitoso

Posted on Wed, Mar 21, 2018

A medida que la cantidad de datos aumenta, el data governance ayuda cada vez más a las organizaciones a mejorar su productividad y minimizar los costes de retención de datos.

data governance exitoso.jpg

Cuando los datos se utilizan de manera inteligente, permiten que las organizaciones tomen decisiones basadas en información, aborden de forma inteligente las necesidades de sus clientes, descubran eficiencias e ineficiencias, aprovechen las nuevas oportunidades y reconsideren los modelos de negocio tradicionales para lograr mejores resultados.

 

4 capacidades básicas para reducir los esfuerzos de retención y data discovery

Para mejorar la productividad, muchas empresas implementan un marco de gobernanza de la información que permite administrar la información a lo largo de su ciclo de vida de forma que pueda dar soporte a los requisitos estratégicos, operativos, regulatorios, legales, de riesgos y ambientales de la organización.

 

Descárgate aquí la guía "El Gobierno de Datos eficaz" y descubre cómo minimizar  errores y alcanzar objetivos de Data Governance. 

 

Esto no solo mejora la productividad de los usuarios individuales al facilitar la búsqueda de información al instante, sino que también reduce los costes de retención mediante el filtrado de conjuntos de datos que ya no se necesitan.

El gobierno de la información incluye una combinación de personas, políticas, procesos, métricas y herramientas, para ayudar a extraer valor de la información y mitigar los riesgos. Las 4 capacidades clave son:

Clasificación y etiquetado

La clasificación y el etiquetado son cruciales para determinar el valor de los datos, optimizar los resultados de búsqueda y acelerar la recopilación de datos. Además, examinar los metadatos para tener contexto adicional puede mejorar la capacidad de descubrir datos de forma rápida y fácil. Aquellas herramientas de clasificación más eficaces combinan contenido y contexto en un esfuerzo por hacer que los conjuntos de datos sean más tangibles. Las empresas pueden incorporar etiquetas de clasificación en sus políticas para automatizar completamente sus procesos.

Una política de archivado, por ejemplo, puede asignar automáticamente un período de retención para cumplir con los requisitos reglamentarios de los datos que contienen información de identificación personal (PII), como direcciones, registros de salud, tarjetas de crédito, pasaportes o números de teléfono. Dado que las políticas o regulaciones pueden cambiar con el tiempo, es fundamental que se puedan reclasificar de los datos si surge la necesidad.

Aplicación de políticas

Dada la expansión actual de los datos, las organizaciones necesitan un enfoque más sistemático para automatizar la recopilación, retención y caducidad del contenido. Las empresas pueden crear un "único punto de verdad", mediante la implementación de un marco de políticas que impulsa la definición y aplicación coherente de políticas en toda la organización. Un proceso de archivado, que indexa todos los datos de la empresa y los procesa en un único repositorio, ayuda a lograr eso. Las políticas también ayudan a garantizar que los datos se almacenan, procesan y consiguen de forma segura y confidencial; y registrado de forma precisa, fiable y legal, teniendo en cuenta las normas éticas, así como los marcos reglamentarios que pueden aplicarse

Analítica

Tanto el gran volumen de datos como la cantidad de repositorios donde residen esos datos pueden ser abrumadores. Sin un enfoque coherente para construir un mapa de datos y rastrear el acceso a los datos, las personas podrían gastar muchos esfuerzos tratando de encontrar una aguja en un pajar. La analítica permite rastrear qué empleados han creado, accedido y modificado los datos, para ayudar a eliminar los objetivos no relevantes de los esfuerzos de data discovery.

Por ejemplo, las regulaciones de Protección de datos permiten a cualquier persona solicitar a las organizaciones que proporcionen y borren toda la información que tienen sobre ellos. La analítica permite rastrear el alcance de la actividad en torno a un usuario individual o una pieza de datos. También permite garantizar que los datos se han mantenido dentro de una determinada jurisdicción para cumplir con los requisitos de cumplimiento.

Búsqueda contextual y machine learning

Revisar manualmente las cargas de contenido potencialmente relevante puede ser enormemente lento, doloroso y costoso. Hoy en día, con la llegada de la búsqueda contextual y los algoritmos de machine learning, descubrir conversaciones de correo electrónico y nombres de códigos secretos que se utilizan para ocultar actividades cuestionables o incluso ilícitas se ha vuelto mucho más fácil.

Después de establecer los criterios de búsqueda, el filtrado automático puede ayudar a eliminar automáticamente contenido irrelevante y acelerar los esfuerzos de data discovery. Esta información no solo respalda investigaciones sino que también facilita la limpieza de datos.

En última instancia, la capacidad de localizar rápidamente una conversación y realizar búsquedas avanzadas de palabras clave permite ampliar el contenido relevante. Esto no solo conduce a mejoras en la productividad sino que también ayuda a reducir los costes. También se puede usar para identificar actividades anormales para salvaguardar datos confidenciales y regulados.

 

New Call-to-action

Topics: Data Governance