数据管理定义
数据管理是组织用来管理、访问和保护企业数据的内部策略系统。虽然系统的复杂性可能因组织而异，但它们始终具有一些共同特征：内部流程、策略、定义的角色、指标和合规性标准。该系统的目标是帮助人们安全高效地使用当今企业产生的海量数据。
数据安全的重要性怎么强调都不为过。为此，精心设计的数据管理不仅要保护数据，还要管理敏感数据从接收到处置的整个过程。
为什么数据管理很重要
各公司越来越多地开发、使用和采用技术解决方案来简化业务运营并为客户提供更高的价值。这种数字转型产生了越来越多的数据（来自内部流程和外部指标等来源）并打破了组织内部的信息孤岛。那么组织如何才能让一切井然有序呢？
答案是数据管理。安全的数据管理可使数据保持有序和一致，定义可以访问和不可以访问数据的人员，并帮助组织按照相关标准和法规处理数据（尤其是客户数据）。
精心设计的数据管理可以满足组织当前和未来的需求（数据容量、权限、合规性要求）。最成功的系统旨在随着组织的变化而增长。
数据管理的好处
精心设计的数据管理可为组织提供多种好处。
-
单一数据源
当所有决策制定者都可以访问相同的信息时，一致的数据可增加实现内部灵活性的机会。
-
提高数据质量
当数据可以安全使用、完整且一致时，组织可以做出更明智的决策。
-
改进数据管理
组织可以通过数据行为准则和最佳做法快速一致地满足需求。
-
更快、更一致的合规性
可在考虑到每个阶段的合规性因素的基础上构建数据管理策略，以帮助组织正确处理和处置数据。
-
降低成本并增加价值
一致的数据有助于提高运营效率、进行未来的审计以及高效分配时间和资源。
数据管理的挑战
虽然新的数据管理策略可以为组织带来巨大好处，但通常需要解决几个挑战。其中一些挑战包括：
组织采用。管理良好的数据只有在组织接受其可用性时才有用。当每个团队（执行领导、业务利益干系人、数据专家）都经过技能培养培训，有能力使用组织数据时，数据管理最为成功。
明确的角色和职责。定义数据管理角色和职责与采用相关，可以明确由谁管理流程的哪些方面。角色可以包括首席数据官或数据专员等头衔，每个组织都可以自行决定哪种类型的数据管理团队结构最适合其需求和可用资源。
孤立的数据。数据组织中的内部部门会产生孤岛 - 与组织的其他领域隔离的数据支柱。在统一所有内容后，这可能会导致重复或不一致的数据。清理和准备数据是实现成功的数据管理策略的重要步骤，要得到良好的数据结果，必须有良好的数据来源。
数据管理的工作原理
数据管理的一个关键部分是管理数据从接收到处置的整个过程，通常会使用数据管理工具。细节可能因组织和用例而异，但此管理过程至少包括以下步骤：
- 接收。公司不仅要管理新数据（物联网设备和应用等来源）的安全收集，还要管理在实现数据管理策略之前收集的现有数据。
- 存储。由公司决定如何以及在何处存储其收集的所有数据。
- 分类。数据经过分类，因此可以应用正确的策略（例如个人身份信息或敏感数据）。
- 共享。整理好数据后，就可将数据提供给需要它的用户使用。分类策略和定义的数据管理角色指定了哪些内部和外部用户可以访问哪些类型的数据。
- 存档。某些数据只在有限的时间内需要，但以后可能需要引用。由组织定义需要保留哪些数据以及如何将这些数据安全地存储所需的时长。
- 处置。在其他情况下，某些数据不需要保留，组织可能需要在一段时间后对其进行处置。在这些情况下，会安全地删除数据，合规性法规可能要求执行特定步骤或提供处置证明。
在所有这些步骤中，数据都必须保持安全和合规。精心设计的数据管理策略定义了维护合规性和安全所需的步骤和法规。数据管理工具还可以帮助确保数据在其生命周期中每个阶段都是安全的。
数据管理框架
数据管理框架充当数据策略的蓝图。它集成了有关如何在云存储空间中管理数据流的规则、职责、程序和流程。
-
信息保护
对敏感数据应用标签和加密。
-
数据丢失防护
识别并帮助防止共享、传输或使用敏感数据的不安全或不当行为，尤其是在支持法规合规性方面。 详细了解数据丢失防护。
-
数据编目和发现
自动识别和记录组织的数据资产，以实现搜索、描述和发现。
-
数据分类
使用信息、隐私或其他敏感分类标记数据，确保在未来正确保护和使用数据。
-
数据所有权
确保组织内承担相关责任的团体或个人有能力访问、描述、保护和控制数据质量。
-
数据主权与跨境数据共享
建立有关数据存储、访问和处理的管辖规则和禁令。
-
数据质量
确保数据在准确性、完整性、一致性、有效性、相关性和及时性方面符合目的。
-
数据生命周期管理
根据法律、法规和隐私要求定义数据保留计划，以便正确获取、存储、处理、访问和处置数据。
-
数据权利和访问跟踪
使数据仅可供需要访问的人员访问，并审核访问权限以证明和确保实施了控制措施。
-
数据世系
跟踪数据来源、处理和使用。
-
数据隐私
通过可反映用于管理组织的监管和隐私法律的流程和技术，帮助保护数据主体的隐私。
-
可靠来源管理和数据协定
识别可靠来源并定义消耗数据协定，确保数据来自商定的数据源。
-
合乎道德的使用和目的
确保根据公司的道德准则，以客户期望的方式处理数据（尤其是通过 AI 和机器学习）。
-
主数据管理
提供描述组织核心方面（例如产品、客户或公司结构）的单一且一致的数据视图，确保准确可靠地使用数据。
数据管理工具和技术
组织可以选择开发或确定适合其当前和未来需求的数据管理工具和技术。数据管理工具可帮助：
- 通过验证、清理和扩充提高数据质量。
- 通过发现、分析和基准测试来捕获和理解数据。
- 管理和跟踪数据从接收到处置的整个过程。
- 出于内部目的对数据进行分类，例如提高相关性或可搜索性。
- 持续、实时地审核数据。
- 使内部决策者制定者能够了解数据以及组织如何使用这些数据。
Microsoft Purview 数据生命周期管理等基于云的可缩放解决方案专为企业数据管理而设计。这些解决方案可帮助组织管理数据从接收到处置的整个过程、启用访问控制并支持质量控制。
数据管理支柱
在设计数据管理系统时，组织可以使用以下支柱作为指南。
-
管理
通过建立数据团队，可帮助组织管理数据管理系统的不同流程和方面。团队的建立方式取决于组织的资源和数据目标。
-
标准
数据管理规则（通常由数据团队定义）可帮助系统与内部流程和任何相关合规性法规保持一致。
-
问责制
定义角色和职责有助于明确谁拥有哪些管理要素。
-
质量
建立数据质量标准有助于为制定业务决策提供信息。
-
透明度
必须跟踪数据 - 不仅要跟踪数据本身，还要跟踪数据的获取、存储、处理和处置方式，以便用于将来的审核。
数据管理的五个最佳做法
以下是组织在开发和实现数据管理系统时可以遵循的五个最佳做法：
- 指定执行数据发起人。数据管理的采用始于领导层。发起人描绘系统并倡导在整个组织中使用它。
- 构建业务案例。确定组织目标和优势，证明创建数据管理系统所需的时间和资源是合理的。
- 大处着眼，小处着手。设定大致数据目标，然后设计实现这些目标的细化项目目标。
- 定义指标。有了大量可访问的可靠数据后，请谨慎选择要度量的内容，以便组织最高效地使用资源。
- 经常沟通。即使是设计最周全的数据管理系统也会随着使用和时间的推移而增长和变化。创建提供反馈的方法，以便数据团队可以根据组织的目标调整系统。
数据管理解决方案
技术解决方案可以帮助促进和简化设计和实现安全数据管理的过程。组织可以使用 Microsoft Purview 数据生命周期管理等基于云的工具来统一、管理、处置数据以及对数据进行分类，同时保持法规合规性。通过使用技术解决方案，组织可以自动完成或简化某些数据管理任务，同时释放数据团队资源来处理更重要的项目。
常见问题解答
-
数据管理可使组织的数据保持有序和一致，定义可以访问和不可以访问数据的人员，并使数据的使用方式保持合规。数据管理支持组织当前和未来的需求。
-
数据管理集成了有关如何在云存储空间中管理数据流的规则、职责、程序和流程。它是组织数据战略的基础。框架包括各种元素，包括数据安全、所有权、隐私和分类。
-
数据管理工具是帮助开发和实现数据管理的技术解决方案。它们应可帮助组织管理数据从接收到处置的整个过程、启用访问控制并支持质量控制。例如，Microsoft Purview 数据生命周期管理是一种基于云的可缩放企业数据管理解决方案。
-
关键数据管理支柱包括：
- 管理 - 建立专门的数据团队。
- 标准 - 为数据管理的各个方面制定规章制度。
- 问责制 - 定义角色和职责，始终明确由谁负责系统的哪些部分和流程。
- 质量 - 为组织设定数据质量标准。
- 透明度 - 持续跟踪数据，包括生命周期和使用情况。
-
组建数据团队后，指定系统的目标。确定关键角色和职责、必要的权限以及法规合规性标准。为数据团队和利益干系人确定技术解决方案和技能培养机会。与组织共享系统标准、工具和要求 - 根据需要进行调整以实现增长和调整。
关注 Microsoft 365