例: ゴールデン・バンクのビジネス語彙

ゴールデン・バンクのガバナンス・チーム・リーダーは、まずカテゴリー 「銀行」を作成して、チームが作成する予定のガバナンス成果物を保持します。 チーム・リーダーは、ガバナンス成果物を作成する権限を持つように、残りのガバナンス・チーム・メンバーをコラボレーターとして 「エディター」 役割で 「銀行」 カテゴリーに追加します。 次に、チーム・リーダーは、異なるチーム・メンバーが各タイプの成果物の作成を担当するようにワークフローを構成します。 すべてのワークフローには、チーム・リーダーによる承認ステップが必要です。

1 人のガバナンス・チーム・メンバーが、スプレッドシートから一連のビジネス用語をインポートします。 一部のビジネス用語は、個人クライアントの職業に関連付けられています。 別のチーム・メンバーが参照データ・セット「プロフェッショナル」を作成します。このデータ・セットには職業のリストが含まれており、各職業には ID 番号があります。 3 番目のチーム・メンバーは、参照データ・セットに基づいて、個人クライアントの職業を識別するためのカスタム・データ・クラス「Profession」を作成します。

例: ゴールデン・バンクのデータ保護ルール

住宅ローン承認の予測モデルを作成するには、ゴールデン・バンクのデータ・サイエンティストは、機密データを含むデータ・セットにアクセスする必要があります。 例えば、データ・サイエンティストは、住宅ローン申請者に関するデータを含む表にアクセスしたいと考えています。この表には、社会保障番号を含む列が含まれています。

ガバナンス・チーム・メンバーは、社会保障番号をマスクするデータ保護ルールを作成します。 データ資産内の列に割り当てられたデータ・クラスが「US 社会保障番号」の場合、その列の値は 10 X に置き換えられます。

ガバナンス・チーム・メンバーは、データ保護ルールを含むポリシーを作成します。 ポリシーは、ルールを実装するビジネス上の理由を記述します。

例: ゴールデン・バンクのデータ・キュレーション

ガバナンス・チームのデータ・スチュワードが、プロジェクトにデータ資産を作成するためのメタデータのインポートを開始します。 メタデータのインポート後、ゴールデン・バンクには、「ID」という名前の列を持つ表を表す 2 つのデータ資産があります。 メタデータ・エンリッチの後、これらの列は、割り当てられたメタデータによって明確に区別されます。

• 1 つの列には、ビジネス用語「職業」と「職業」、およびデータ・クラス「職業」が割り当てられます。
• もう 1 つの列には、ビジネス用語「個人 ID (Personal identifier)」と「個人 (Private individual)」、およびデータ・クラス「米国社会保障番号 (US Social Security Number)」が割り当てられます。

データ・スチュワードは、データ資産に対してデータ品質分析を実行して、データ品質スコア全体がゴールデン・バンクのしきい値 95% を超えることを確認します。

ガバナンス・チーム・リーダーは、カタログ「住宅ローン承認カタログ」を作成し、データ・スチュワードとデータ・サイエンティストをカタログ・コラボレーターとして追加します。 データ・スチュワードは、プロジェクトで作成したデータ資産をカタログに公開します。

例: ゴールデン・バンクのカタログ

データ・サイエンティストは、カタログ内で必要なデータ資産を見つけ、それらの資産をプロジェクトにコピーします。 データ・サイエンティストは、プロジェクトでデータを精製して、モデルをトレーニングするための準備をすることができます。