Translation not up to date
Birçok kuruluş, verilere erişim sağlamanın avantajlarını hassas verileri koruma gereksinimiyle dengelemek için çaba sarf ediyor. Cloud Pak for Data as a Service , kuruluşunuzun Veri yönetişimini otomatikleştirmek için gereksinim duyduğu yöntemleri sağlar; böylece verilerin hem erişilebilir hem de korunmuş olduğundan emin olun.
Cloud Pak for Data' da bir Veri yönetişimi çözümünün uygulanmasına ilişkin veri yöneltme yapısı kullanım senaryosuna bakmak için bu videoyu izleyin.
Bu video, bu belgedeki kavramları ve görevleri öğrenmek için görsel bir yöntem sağlar.
Yaşanan Zorluklar
Birçok kuruluş aşağıdaki Veri yönetişimi zorluklarıyla karşı karşıya:
- Ölçekli veri gizliliği sağlanması
- Kuruluşlar, birden çok bulut platformu ve şirket içi veri kaynaklarındaki veriler için veri gizliliği düzenlemelerine uymalıdır.
- Yüksek kaliteli verilere erişilmesi
- Kuruluşlar, birden çok ekipteki yüksek kaliteli kurumsal verilere erişim sağlamalıdır.
- Tam bir müşteri profili oluşturma
- Ekiplerin, kendi kendine hizmet süreçlerini ve veri yönetimini optimize etmek için müşterilerin doğru görünümlerini hızla oluşturmaları gerekir.
- Kendi kendine hizmet veri tüketiminin sağlanması
- Veri uzmanları gibi veri tüketicileri, gereksinim duydukları verileri bulmakta ve kullanmakta zorlarlar.
Cloud Pak for Data as a Serviceile bir veri yöneltme yapısı uygulayarak bu zorlukları çözebilirsiniz.
Örnek: Golden Bank 'ın zorlukları
Yönetişim ekibi veri yönetişimini uygularken Golden Bank 'ın öyküsünü izleyin. Golden Bank, hassas verileri içeren büyük miktarda müşteri ve ipotek verilerine sahiptir. Banka, verilerin kalitesini sağlamak, hassas verileri maskelemek ve çeşitli departmanlarda kullanıma sunmak istiyor.
Süreç
Veri yönetişimini nasıl uyguladığınız, kuruluşunuzun gereksinimlerine bağlıdır. Veri yönetişimini doğrusal ya da yinelemeli bir şekilde uygulayabilirsiniz. Varsayılan özelliklere ve önceden tanımlanmış yapay nesnelere güvenebilir ya da çözümünüzü özelleştirebilirsiniz.
Veri yönetişimini uygulamak için kuruluşunuz şu süreci izleyecek:
- İş söz varlığının oluşturulması
- Verilerinizi korumak için kuralları tanımlayın
- Verilerinizi oluşturun
- Verilerinizi paylaşın ya da verilerinizle çalışın
Cloud Pak for Data as a Service içindeki Watson Knowledge Catalog ve Match 360 hizmetleri, kuruluşunuzun bir Veri yönetişimi çözümü uygulamak için gereksinim duyduğu tüm araçları ve süreçleri sağlar.
1. İş sözlüğünüzü oluşturun
Zorlukları aşmak için ekibinizin, verileri sınıflandırmak ve tanımlamak için meta veri olarak işlev görecek yönetişim yapıtlarını içe aktararak ya da yaratarak bir iş söz varlığı oluşturması gerekir:
- Veri gizliliğini otomatikleştirmeden önce, ekibinizin denetlenmesi gereken verilerin doğru şekilde tanımlandığından emin olması gerekir.
- Veri kalitesini analiz etmeden önce, verilerin biçimini tanımlamanız gerekir.
- Verilerin bulunmasını kolaylaştırmak için ekibinizin, verilerin içeriğinin doğru şekilde açıklandığından emin olması gerekir.
Sürecin bu ilk adımında yönetişim ekibiniz, önceden tanımlanmış yönetişim yapay nesnelerinin temelini oluşturabilir ve kuruluşunuza özgü özel yönetişim yapay nesneleri yaratabilir. Verilerin biçimini, iş anlamını, duyarlılığını, değer aralığını ve yönetişim ilkelerini açıklamak için yapay nesneler yaratabilirsiniz.
| Nelerin kullanılabileceğini | Neler yapabilirsiniz? | En iyi kullanım zamanı |
|---|---|---|
| Kategoriler | Yönetişim yapıtlarınızı depolamak için önceden tanımlanmış kategoriyi kullanın. Yönetişim yapıtlarını klasörlere benzer bir sıradüzensel yapıda düzenlemek için kategoriler yaratın. Kategorideki yapay nesneler üzerinde izinlerini tanımlayan rollerle işbirliği yapanlar ekleyin. |
Önceden tanımlanmış kategoriden daha fazlasına ihtiyacınız var. Yönetişim yapıtlarına kimlerin sahip olduğunu, bunları yazabileceğini ve görüntüleyebileceğini ayrıntılı olarak denetlemek istiyorsunuz. |
| İş akışları | Yönetişim yapıtları yaratan ya da gözden geçirme gerektiren iş akışlarını kısıtlamayan varsayılan iş akışı yapılandırmasını kullanın. Yönetişim yapıtları için iş akışlarını yapılandırın ve hangi tip yönetişim yapıtları yaratabileceğini belirleyin. |
Yönetişim yapay nesnelerini kimin yarattığını denetlemek istiyorsunuz. Taslak yönetişim yapay nesnelerinin yayınlanmadan önce gözden geçirilmesini istiyorsunuz. |
| Yönetişim yapıtları | Önceden tanımlanmış iş terimlerini, veri sınıflarını ve sınıflandırmaları kullanın. Veri varlıklarını zenginleştirmek, tanımlamak ve denetlemek için meta veri olarak işlev görecek yönetişim yapıtları oluşturun. |
Kişilerin verileri anlamasına yardımcı olmak için varlıklara bilgi ve anlam eklemek istiyorsunuz. Veri kalitesi analizini geliştirmek istiyorsunuz. |
| Knowledge Accelerators | Veri sınıflandırmasını, mevzuata uygunluğu, kendi kendine hizmet analitiğini ve diğer yönetişim operasyonlarını geliştirmek için bir dizi önceden tanımlanmış yönetişim yapay nesnesini içe aktarın. | İş sorunlarını, iş performansını, sektör standartlarını ve düzenlemelerini açıklamak için standart bir söz varlığına gereksinim duyarsınız. Önceden oluşturulan yönetişim yapay nesnelerini içe aktararak zaman kazanmak istiyorsunuz. |
Örnek: Golden Bank 'ın iş söz varlığı
Golden Bank yönetişim ekibi lideri, ekibin yaratmayı planladığı yönetişim çıktılarını tutmak için Bankacılıkkategorisini yaratarak başlar. Ekip lideri, yönetişim yapıtları yaratma iznine sahip olması için yönetişim ekibi üyelerinin geri kalanını Düzenleyici rolüyle Bankacılık kategorisine işbirliği yapan olarak ekler. Daha sonra ekip lideri, her bir yapay nesne tipini yaratmaktan farklı bir ekip üyesinin sorumlu olması için iş akışlarını yapılandırır. Tüm iş akışları, ekip lideri tarafından bir onay adımı gerektirir.
Bir yönetişim ekibi üyesi, bir elektronik tablodan iş terimleri kümesini içe aktarır. Bazı iş koşulları, kişisel müşterilerin meslekleriyle ilişkilidir. Başka bir ekip üyesi, her mesleğin bir kimlik numarasına sahip olduğu mesleklerin listesini içeren bir referans veri kümesi ("Meslekler") oluşturur. Üçüncü bir ekip üyesi, referans veri kümesine dayalı olarak kişisel müşteri mesleğini tanımlamak için "Meslek" adlı özel bir veri sınıfı oluşturur.
2. Verinizi koruyacak kuralları tanımlayın
Sürecin bir sonraki adımında ekibiniz, kimlerin hangi verileri görebileceğini denetleyerek veri gizliliği düzenlemelerine uygunluğu sağlamak için kurallar tanımlar. Ekibiniz, yönetilen kataloglardaki verilerin nasıl korunacağını tanımlamak için veri koruma kuralları oluşturur. Ekibiniz bu veri koruma kurallarını, verilerin içeriğine, biçimine ya da anlamına ya da verilere erişen kullanıcıların kimliğine dayalı olarak hassas verileri maskelemek için kullanabilir.
| Nelerin kullanılabileceğini | Neler yapabilirsiniz? | En iyi kullanım zamanı |
|---|---|---|
| Veri koruma kuralları | Veri varlıklarına erişimi engelleyerek, veri değerlerini maskeleyerek ya da veri varlıklarındaki satırları süzerek hassas bilgileri yönetilen kataloglarda yetkisiz erişimden koruyun. Kullanıcı tanımlı ayrıntılı düzeyde yönetilen kataloglardaki verileri dinamik ve tutarlı bir şekilde maskeleyin. |
Yönetilen kataloglarınızda veri gizliliğini otomatik olarak uygulamanız gerekir. Gizlilik düzenlemelerine de uyurken verilerin kullanılabilirliğini ve yararını korumak istiyorsunuz. |
| Maskeleme akışları | Üretim verilerinin kopyalarını ya da alt kümelerini çıkarırken gelişmiş biçim korumalı veri maskeleme yeteneklerini kullanın. | Veri bütünlüğünü koruyacak anonimleştirilmiş eğitim verileri ve test kümeleri gerekir. |
| İlkeler ve yönetişim kuralları | Veri güvenliği için kuruluşunuzun yönergelerini, düzenlemelerini, standartlarını ya da yordamlarını açıklayın ve belgeleyin. Yönetişim ilkesini uygulamak için gerekli davranışı ya da işlemleri tanımlayın. |
Verileri kullanan kişilerin veri yönetişimi ilkelerini anlamasını istiyorsunuz. |
Örnek: Golden Bank 'ın veri koruma kuralları
Golden Bank 'ın veri bilimcileri, konut kredisi onayları için tahmine dayalı bir model oluşturmak üzere hassas verileri içeren veri setlerine erişmeleri gerekir. Örneğin, veri bilimcileri, sosyal güvenlik numaralarına sahip bir sütun içeren mortgage başvuru sahipleriyle ilgili verilerle tabloya erişmek istiyor.
Yönetişim ekibi üyesi, sosyal güvenlik numaralarını maskeleyen bir veri koruma kuralı oluşturur. Bir veri varlığında bir sütunun atanan veri sınıfı "ABD Sosyal Güvenlik Numarası" ise, bu sütundaki değerler 10 Xs ile değiştirilir.
Yönetişim ekibi üyesi, veri koruma kuralını içeren bir ilke yaratır. İlke, kuralın uygulanmasına ilişkin iş nedenlerini açıklar.
3. Kataloglarda paylaşımda bulunacak verileri hazırla
Veri sorumlULarı, projelerdeki yüksek kaliteli veri varlıklarını hazırlar ve bunları, verilere ihtiyacı olan kişilerin bunları bulabileceği kataloglarda yayınlar. Veri sorumluları, yönetişim yapay nesnelerini verileri tanımlayan meta veriler olarak atayarak ve veri için semantik aramayı bilgilendirerek veri varlıklarını zenginleştirir.
| Nelerin kullanılabileceğini | Neler yapabilirsiniz? | En iyi kullanım zamanı |
|---|---|---|
| Metadata import | Veri varlıkları yaratmak için bir bağlantıyla ilişkili verilere ilişkin teknik meta verileri otomatik olarak içe aktarın. | Bir veri kaynağından birçok veri varlığı oluşturmanız gerekir. Önceden içe aktardığınız veri varlıklarını yenilemeniz gerekir. |
| Meta veri zenginleştirmesi | Veri sınıflarını otomatik olarak atamak ve sütunların veri tiplerini ve biçimlerini belirlemek için tek bir çalıştırmada birden çok veri varlığı profili oluşturun. İş terimlerini varlıklara otomatik olarak atayın ve veri sınıflandırmasına dayalı olarak terim önerileri oluşturun. Veri varlıklarındaki değişiklikleri keşfetmek ve değerlendirmek için içe aktarma ve zenginleştirme işlerini aralıklarla yeniden çalıştırın. |
İçe aktardığınız birçok veri varlığını oluşturmanız ve yayınlamanız gerekir. |
| Veri kalitesi analizi | Eksik değerler ya da veri sınıfı ihlalleri gibi veri kalitesinin ortak boyutlarını taramak için tek bir çalıştırmada birden çok veri kümesinde kalite analizini çalıştırın. Sürekli olarak içerik ve veri yapısındaki değişiklikleri izleyin ve değiştirilen verileri yinelemeli olarak analiz edin. |
Verilerinizin kalitesinin veri analizinizin ya da modellerinizin doğruluğunu etkileyip etkilemeyeceğini bilmeniz gerekir. Kullanıcılarınızın, hangi veri kümelerinin çözümleneceğini belirlemesi gerekir. |
| Ana veri gezgini | IBM Match 360' daki ana veri gezgini sayesinde, kullanıcılar ve sistemler ana veri varlıklarını arayabilir, görüntüleyebilir ve analiz edebilir. Kullanıcılar ana verileri doğrudan onu tüketmeyi bekledikleri alanda keşfedebilirler. |
Kullanıcıların ve sistemlerin verilerinizin toplam görünümüne gereksinimi vardır. Kullanıcıların ve sistemlerin ana veri varlıklarını araması, görüntülemesi ve analiz etmesi gerekir. İş uygulamalarınızı güvenilir ana verilere bağlamak için API ' leri kullanmak istiyorsunuz. |
Örnek: Golden Bank 'ın veri kürasyon
Yönetişim ekibindeki veri yöneticisi, bir projede veri varlıkları yaratmak için meta verileri içe aktarmaya başlar. Meta veri içe aktarma işleminden sonra Golden Bank, "ID" adlı bir sütuna sahip tabloları temsil eden iki veri varlığına sahiptir. Meta veri zenginleştirmesinden sonra, bu sütunlar atanan meta verilerinden açıkça ayrılır:
- Bir sütuna "Meslek" ve "Meslek" iş terimleri ve "Meslek" veri sınıfı atanır.
- Diğer sütuna "Kişisel tanıtıcı" ve "Özel birey" iş terimleri ve "ABD Sosyal Güvenlik Numarası" veri sınıfı atanır.
Veri sorumliları, genel veri kalitesi puanının Golden Bank eşiğini (%95) aştığından emin olmak için veri varlıkları üzerinde veri kalitesi analizi gerçekleştirir.
Golden Bank veri mühendisleri, kuruluşunuz genelindeki farklı sistemlerden gelen müşteri verilerini ve harici verileri, varlıkları çözmek ve müşterilerin birleştirilmiş bir görünümünü oluşturmak için kredi puanı verileriyle birleştirir. Mühendisler, ana verileri ayarlar ve ana verilere varlıklar ekler, veri varlığı özniteliklerini eşler, veri modelini yayınlar ve keşfedilecek verileri hazırlamak için eşleşen algoritmayı çalıştırır.
Yönetişim ekibi lideri, "Mortgage Onay Kataloğu" adlı bir katalog oluşturur ve veri sorumlilerini ve veri uzmanlarını katalog işbirlikçileri olarak ekler. Veri sorumlları, projede oluşturdukları veri varlıklarını katalogda yayınlar.
4. Verinizi paylaşın ya da verilerinizle çalışın
Katalog, ekiplerinizin verilerinizi anlamasına ve doğru verileri doğru kullanıma sunmasına yardımcı olur. Veri bilimcileri ve diğer kullanıcı türleri, kurumsal erişim ve veri koruma ilkeleriyle uyumlu kalmaya devam ederken gereksinim duydukları verilere yardımcı olabilir. Verileri hazırlamak, analiz etmek ve modellemek için işbirliği yaptıkları bir projeye bir katalogdan veri varlıkları ekleyebilirler.
| Nelerin kullanılabileceğini | Neler yapabilirsiniz? | En iyi kullanım zamanı |
|---|---|---|
| Kataloglar | Kuruluşunuzdaki işbirlikçiler arasında paylaşmak üzere varlıklarınızı düzenleyin. Kullanıcıların gereksinim duydukları şeyi bulmalarına yardımcı olmak için yapay zeka destekli semantik aramanın ve önerilerin avantajlarından yararlanın. |
Kullanıcılarınızın yüksek kaliteli verileri kolayca anlamaları, işbirliği yapmaları, zenginleştirmeleri ve bu verilere erişmeleri gerekir. İş kullanıcıları arasındaki işbirliğinin ve verilerin görünürlüğünü artırmak istiyorsunuz. Kullanıcıların fiziksel biçimini ya da konumunu anlamadan verileri görüntülemelerini, erişmelerini, işlemelerini ve analiz etmelerini ve bunları taşımalarını ya da kopyalamalarını istiyorsunuz. Kullanıcıların varlıkları derecelendirerek ve gözden geçirerek varlıkları geliştirmelerini istiyorsunuz. |
| Genel arama | Erişiminiz olan tüm projelerde, kataloglarda ve konuşlandırma alanlarında varlıkları arayın. Erişimin olduğu kategorilerde yönetişim yapıtlarını arayın. |
Verileri ya da başka bir varlık tipini ya da yönetişim yapıtını bulmanız gerekir. |
| Data Refinery | Hatalı, eksik, yanlış biçimlendirilmiş ya da çoğaltılmış verileri düzeltmek ya da kaldırmak için verileri temizleyin. Kolonları süzerek, sıralayarak, birleştirerek ya da kaldırarak verileri özelleştirmek için şekil verin. |
Verilerin kalitesini veya kullanışlılığını artırmanız gerekir. |
Örnek: Golden Bank kataloğu
Veri bilimcileri, katalogda ihtiyaç duydukları veri varlıklarını bulur ve bu varlıkları bir projeye kopyalar. Kendi projesinde, veri bilimcileri verileri bir modelin eğitimi için hazırlamak üzere daraltabilirler.
Veri yönetişimi için öğretici programlar
| Eğitici Program | Açıklama | Öğretici program için uzmanlık |
|---|---|---|
| Yüksek kaliteli verileri kürasyonlu yapın | Verilerinizi zenginleştirerek ve veri kalitesi analizini çalıştırarak yüksek kaliteli veri varlıkları oluşturun. | Metadata import ve Meta veri zenginleştirme araçlarını çalıştırın. |
| Verilerinizi koruyun | Cloud Pak for Data as a Serviceiçindeki verilere erişimi denetleyin. | Veri koruma kuralları oluşturun. |
| Verilerinizi kullanın | Verileri bulun, şekillendirir ve analiz edin. | Bir kataloğu keşfedin ve Data Refinery aracını çalıştırın. |
| sanallaştırılmış verileri yönetme | Sanallaştırılmış verileri zenginleştirin ve sanal verilerin korunduğundan emin olun. | Sanallaştırılmış verileri yönetmek için Watson Query arabirimini, projelerini ve kataloglarını kullanın. |
| 360 derecelik görünüm yapılandır | Müşterilerinizin birleştirilmiş bir görünümünü oluşturmak için verilerinizi ayarlayın, eşleyin ve modelleyin. | Birleştirilmiş görünümünüzü yapılandırmak için Match 360 sürükle ve bırak arabirimini kullanın. |