fbpx

個人情報保護のためのデータカタログ

データ・エコシステムの複雑さと、それを流れるデータ量の増加に伴い、データ・カタログに対する従来のアプローチは進化する必要があります。

序論

GDPRなども制定されているプライバシーの時代に向けてデータ・カタログの再考を行うには、より深いコンテキスト、データ・ソースのカバー範囲の広さ、そして、アクティブ・メタデータ、直接属性、推論属性、および分類器を組み込んだ、深いデータ・インサイトを持つセンシティブなデータと個人データをマッピングしてカタログ化するための協調的な自動化が必要です。

データ・プライバシーは、今日のデータ・カタログへの投資の原動力であり、触媒となっています。企業は、メタデータ管理から価値を得るために、個人データ、センシティブデータ、状況データからコンテキストを重ねることができる必要があります。データがどこでどのように発見されたかという問題だけではなく、データ要素がビジネス用語とどのように関連しているか、データカタログの基礎を使ってデータの品質や系統などのデータ理解の重要なポイントをどのように洗練させることができるか、ということも重要です。

プライバシーの視点を取り入れる能力がなければ、多くの企業は不必要なリスクを負っています:プライバシーインテリジェンスを自動化する能力により、組織はデータを最大限に活用することができます。

プライバシー・リスクを管理し、自動化された発見と分類によってデータのより広い視野を提供することで、組織はデータをより有効に活用し、リスクを軽減し、高度な分析のためにより多くのコンテキストとより高い精度を活用することができます。

インベントリ分散およびサイロ化されたデータ資産

従来のデータカタログで最も差し迫った運用上の課題は、企業のデータソースのカバー範囲が限られていることと、データカタログ内のデータ要素に説明文を付けてタグを付けるために必要な手動のキュレーションの程度です。

効果的なデータカタログは、スケーラブルで、機密データや個人データが保存されているすべてのデータソースをカバーし、適切なデータを自動的に入力し(ビジネス用語のタグを伝播させ)、技術的なメタデータだけでなく、プライバシーを考慮したデータガバナンスに必要なコンテキストを提供できる能力を持って導入される必要があります。

組織のデータの種類や保存場所、あるいはそれが何であるかを知っているかどうかに関わらず、組織のすべてのデータを検索し、インベントリを作成できることは非常に重要です。

データ管理と分析戦略を推進しながらリスクを管理するためには、アクティブなメタデータと広範囲のデータをカバーするML拡張カタログを活用してください。

機械学習による分類を組み込むことで、組織はデータ要素間の関係を体系的に明らかにし、プライバシー保護やデータ品質評価などの活動のためにメタデータをデータ要素に関連付けるプロセスを自動化し、他の方法では見落とされてしまう可能性のあるデータ間の関係を確立することができます。

そうすることで、組織は分散したサイロ化された資産全体で統一されたビューを簡単に得ることができ、データエコシステム全体で関連するデータをより簡単にインベントリ化して見つけ出すことができるようになります。

文脈の中のカタログ

より多くのソースからのより多くの種類のデータをデータカタログに表現、記述、整理することで、組織はプライバシー、セキュリティ、ビジネスインサイトを組み込んだ統合されたビューを得ることができます。

プライバシーを考慮した統合データインベントリは、組織の個人データと機密データの属性、メタデータ、およびコンテキストを組み合わせ、より深いデータの洞察と理解を提供します。

優れたソリューションは、データレイクからファイルシステム、リレーショナルデータベースに至るまで、データソース全体でより多くのタイプのデータを発見し分類し、それらがどこに存在していても(オンプレミス、ハイブリッド、クラウド環境)、統一されたインベントリを構築し、データスチュワードが組織のエコシステム全体でインテリジェントな意思決定を行うことを可能にします。

発見的で詳細なアプローチを活用することで、接続された異種データセット間の関係を明らかにし、その洞察をデータカタログに組み込むことができます。

アクティブ・メタデータ:間奏曲

データカタログに対する次世代のアプローチでは、技術的なメタデータだけでなく、ビジネスや運用上のメタデータを考慮に入れ、コンテキストやデータ駆動型のインサイトを追加します。 より多くの種類のデータを継続的に関連付けることで、組織はデータに関するより多くの情報に基づいたインテリジェントな意思決定を行うことができます。

アクティブ・メタデータは、「接続」と「収集」に焦点を当てています。組織がこれまで定期的に収集してきた(パッシブな)メタデータを利用し、コンテキストを追加します。

アクティブ・メタデータは、受動的なアプローチだけではすでに陳腐化している可能性のある個別のメタデータ・ポイントをすべて接続し、機械学習を活用してコンテンツとコンテキストを追加し、データ・セットを関連づけ、分析、ガバナンス、自動運転データ管理に必要な適切なデータを見つけるのを支援します。

メタデータ交換、相互運用性、オープンアーキテクチャ

データとサイロを横断した完全な可視性を実現するためには、他のカタログ、データ管理、およびガバナンス技術と統合できることが重要です。

データエコシステム全体でより多くの価値と実用性を促進するために、優れたソリューションは双方向のメタデータ交換を作成しました。これにより、組織はビジネス用語集をインポートし、ビジネス用語をマッピングし、より自動化されたポリシー管理と施行のためにガバナンスのランドスケープを統合することが可能になります。

双方向で拡張可能なメタデータ交換を活用することで、組織は、カタログからガバナンス・ワークフローまでの従来のメタデータ管理ソリューションと統合し、豊かにしながら、データの発見と分類の基礎的な要素から利益を得ることができます。

データカタログへの新しいアプローチ

ML駆動のデータ・カタログは、データを発見、識別、分類、管理するためのメタデータ管理の最初のステップです。優れたセキュリティソリューションはML駆動のデータ・カタログを活用して、発見を自動化し、手動ワークフローを合理化することで、より高い精度、データ・インテリジェンス、および価値を得るまでの時間を短縮します。

カタログの文脈

データ(PI、PII、機密データ、データ関係)の属性、メタデータ、およびコンテキストを参照して、インテリジェントな意思決定を行うことができます。

ホリスティックビュー

私たちはただデータを収集するだけではありません。 当社のカタログは、コンテキストとコンテンツを意識しており、異なるタイプのデータを関連付けることで価値を付加し、全体像を把握しています。

サイロを越えた可視化

個人情報、機密情報、メタデータ(他のカタログや入力からの集計結果も含む)を組み込んだ、組織のデータの統合ビューを得ることができます。

SNSでもご購読できます。

コメントを残す

*