0 / 0
Belgelerin İngilizce sürümü ' ne geri dönün.
Data governance and privacy use case
Data governance and privacy use case

Data governance and privacy use case

Birçok kuruluş, hassas verileri koruma gereksinimi ile verilere erişim sağlamanın avantajlarını dengelemek için mücadele eder. Cloud Pak for Data as a Service , kuruluşunuzun veri yönetişimi ve gizliliği otomatikleştirmek için gereksinim duyduğu yöntemleri sağlar; böylece, verilerin hem erişilebilir hem de korunmuş olmasını sağlayabilirsiniz.

Watch this video to see the data fabric use case for implementing a Data governance and privacy solution in Cloud Pak for Data.

Bu videoda, bu belgelerdeki yazılı adımların izlenmesine alternatif olarak bir görsel yöntem sağlanmaktadır.

Zorluklar

Birçok kuruluş aşağıdaki veri yönetişimi ve gizlilik güçlükleriyle karşı karşıya gelir:

Ölçeklenmede veri gizliliğinin sağlanması
Kuruluşlar, birden çok bulut platformu ve şirket içi veri kaynaklarında veri kaynaklarıyla ilgili veri gizliliği düzenlemelerine uygun olmalıdır.

Veri yüksek kaliteli verilerine erişilmesi
Kuruluşlar, çok sayıda ekipte yüksek kaliteli kurumsal verilere erişim sağlamalıdır.

Kendi kendine hizmet veri tüketiminin sağlanması
Veri bilimcileri gibi veri tüketicileri, gereksinim verdikleri verileri bulmak ve kullanmak için mücadele eder.

Cloud Pak for Data as a Serviceile bir veri yöneltme yapısı uygulayarak bu zorlukları çözebilirsiniz.

Örnek: Altın Bankasının zorlukları

Yönetişim ekibi veri yönetişimi uyguladıkça Altın Bankası 'nın hikayesini takip edin. Altın Bankası, hassas verileri içeren geniş bir müşteri ve ipotek veriye sahiptir. Banka, verilerin kalitesinden emin olmak, hassas verileri maskelemek ve birkaç departman çapında kullanıma hazır hale getirmek istiyor.

Süreç

Veri yönetişimi ve gizliliği uygulamak için, kuruluşunuz bu süreci takip edebilir:

  1. Bir yönetişim çerçevesi kurun
  2. Verilerinizi korumak için kurallar oluşturun
  3. Kataloglarda paylaşılacak veri eğrisi verileri
  4. Veri bul ve kullan

Cloud Pak for Data as a Service içindeki Watson Knowledge Catalog hizmeti, kuruluşunuzun veri yönetişimi ve gizlilik çözümünü uygulamak için gereksinim duyduğu tüm araçları ve süreçleri sağlar.

Veri yönetişimi ve gizlilik kullanım senaryosında varlıkların akışını gösteren resim

1. Bir yönetişim çerçevesi kurun

Tüm zorlukların üçünü karşılamak için, ekibinizin verileri sınıflandırmak ve tanımlamak için meta veri olarak hareket eden bir yönetişim yapıtları çerçevesini ayarlamaya ihtiyacı vardır:

  • Veri gizliliğini otomatikleştirmeden önce, ekibinizin verilerin denetleyebilmesi için verilerin doğru bir şekilde tanımlandığından emin olması gerekir.
  • Veri kalitesini çözümleyebilmek için, verilerin biçimini tanımlamanız gerekir.
  • Verileri kolayca bulabilmek için ekibinizin verilerin içeriğinin doğru şekilde açıklandığından emin olmak gerekir.

Sürecin bu ilk adımında, yönetişim ekibiniz önceden tanımlanmış yönetişim yapıtlarının temeli üzerinde oluşturabilir ve kuruluşunuza özel özel yönetişim yapıtları oluşturabilir. Verilerin biçimini, iş anlamını, duyarlılığını, değer aralığını ve yönetişim ilkelerini açıklamak için yapay nesneler yaratabilirsiniz.

Kullanabileniniz Yapabildiğiniz şey Aşağıdaki durumlarda kullanmak için en iyi
Kategoriler Yönetişim yapıtlarınızı depolamak için önceden tanımlanmış kategoriyi kullanın.

Yönetim yapıtlarını klasörlere benzer bir sıradüzensel yapıda düzenlemek için kategoriler oluşturun.

Kategoride yapay nesneler üzerinde izinlerini tanımlayan rollerle işbirliği yapanları ekleyin.
Önceden tanımlanmış kategoriden daha fazlasına gereksinim duyarsınız.

Yönetişim yapıtlarını kimlerin sahibi, yazar ve görüntüleyebilecek kişileri ayrıntılı bir şekilde denetleyebileceksiniz.
İş akışları Yönetişim yapay nesneleri yaratan ya da incelemeler gerektiren, kısıtlamayan varsayılan iş akışı yapılandırmasını kullanın.

Yönetişim yapıtları için iş akışları yapılandırın ve hangi kategorilerde hangi yönetişim yapay nesnelerinin hangi türlerde yaratılabileceğini belirleyin.
Yönetişim yapay nesnelerini kimin yarattıklarını denetlemek istiyorsunuz.

Taslak yönetişim yapıtlarının yayınlanmadan önce gözden geçirmesini istiyorsunuz.
Yönetim yapıtları Önceden tanımlanmış veri sınıflarını ve sınıflandırmaları kullanın.

Veri varlıklarını zenginleştirmek, tanımlamak ve denetlemek için meta veri olarak hareket eden yönetişim yapay nesneleri 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 işlemlerini iyileştirmek için önceden tanımlanmış bir yönetişim yapıtları kümesini içe aktarın. İş sorunlarını, iş performansını, sektör standartlarını ve düzenlemeleri açıklamak için standart bir söz varlığına gereksinim duyarsınız.

Önceden oluşturulan yönetişim yapay nesnelerini içe aktararak zaman kazanmak istiyorsunuz.


Örnek: Golden Bank 'ın yönetim çerçevesi

Altın Bankada yönetim ekibi lideri, ekibin yaratmayı planladığı yönetişim yapıtlarını tutmak için Bankacılıkkategorisini oluşturarak başlar. Ekip lideri, yönetişim ekibi üyelerinin geri kalanını, yönetişim yapay nesneleri yaratma iznine sahip olmak için Düzenleyici rolüyle birlikte Bankacılık kategorisine işbirliği yapanları ekler. Daha sonra, ekip lideri iş akışlarını farklı bir ekip üyesinin her bir yapay nesne tipini yaratmaktan sorumlu olacak şekilde yapılandırır. Tüm iş akışları, ekip lideri tarafından bir onay adımı gerektirir.

Bir yönetişim ekibi üyesi, bir elektronik tablodan bir dizi iş terimi içe aktarır. Bazı iş terimleri, kişisel ve ticari müşteriler arasında farklılıklar göstermektedir. Başka bir ekip üyesi, en iyi ticari istemcilerin listesini içeren "Diamond-level client names" ("Diamond-level client names") referans veri kümesi yaratır. Üçüncü bir ekip üyesi, referans veri kümesine dayalı olarak en iyi ticari istemciyi tanımlamak için "Diamond-level clients" adlı özel bir veri sınıfı yaratır.

2. Verilerinizi korumak için kurallar yaratın

Sürecin sonraki adımında ekibiniz, verileri kimlerin görebileceğini denetleyerek veri gizliliği yönetmeliklerine uygunluğu sağlamak için kurallar oluşturur. Ekibiniz, platformdaki verileri koruyan veri koruma kuralları oluşturur. Ekibiniz bu veri koruma kurallarını, verilerin içeriğine, biçimine ya da anlamını temel alan hassas verileri ya da verilere erişen kullanıcıların kimliğini maskelemek için kullanabilir.

Kullanabileniniz Yapabildiğiniz şey Aşağıdaki durumlarda kullanmak için en iyi
Veri koruma kuralları Veri varlıklarındaki erişim ya da maskeleme veri değerlerini reddeden, hassas bilgileri yetkisiz erişimden koruyun.

Dinamik olarak ve sürekli olarak verileri kullanıcı tanımlı bir ayrıntı düzeyinde maskeler.
Platform genelinde veri gizliliğini otomatik olarak zorlamalısınız.

Gizlilik düzenlemelerine de uymakla birlikte, verilerin kullanılabilirliğini ve yardımcı programlarını korumak istiyorsunuz.
Maskeleme akışları Üretim verilerinin kopyalarını ya da alt kümelerini çıkardığınızda, veri maskeleme yeteneklerini korumak için gelişmiş biçim kullanma. Veri bütünlüğünü tutan, anonim eğitim verilerine ve test kümelerine gereksinim duyarsınız.
İlkeler ve yönetişim kuralları Kuruluşunuzun yönergelerini, düzenlemelerini, standartlarını ya da veri güvenliğine ilişkin yordamları açıklayın ve belgeleyiniz.

Yönetim ilkesini uygulamak için gerekli davranışı ya da eylemleri açıklayın.
Verileri kullanan kişilerin veri yönetişimi ilkelerini anlamalarını istiyorsunuz.


Örnek: Altın Bankasının veri koruma kuralları

Mortgage onayları için tahmine dayalı bir model oluşturmak için, Golden Bank 'ın veri bilimclerinin hassas veriler içeren veri kümelerine erişmesi gerekir. Örneğin, veri bilimciler, sosyal güvenlik rakamlarına sahip bir sütun içeren konut kredisi başvurusu ile ilgili verilerle masaya erişmek istiyor.

Yönetişim ekibi üyesi, sosyal güvenlik numaralarını maskeleyen bir veri koruma kuralı oluşturur. Bir veri varlığında bir sütunun atanan veri sınıfı "US Social Security Number" (ABD Sosyal Güvenlik Numarası) ise, bu sütundaki değerler 10 X'lerle değiştirilir.

Yönetişim ekibi üyesi, veri koruma kuralını içeren bir ilke oluşturur. İlke, kuralın uygulanmasına ilişkin iş nedenlerini açıklar. Daha sonra, veri bilimcileri gibi kullanıcılar bir veri sütunundaki maskeli simgeye baktıklarında, veri koruma kuralını görüntüleyebilir ve daha sonra, verilerin neden maskelendiğini anlamak için ilişkili ilkeyi görüntüleyebilirsiniz.

3. Kataloglarda paylaşmak için veri eğrisi

Veriler, projelerde yüksek kaliteli veri varlıklarını iyileştirir ve bunları, verilere gereksinim duyan kişilerin bulabileceği kataloglar için yayınlayabilir. Verileri yönlendiren veriler, yönetişim yapıtlarını meta veriler olarak atayarak veri varlıklarını zenginleştirir ve veriler için semantik aramanın bilgilendirileceğini bildirir.

Kullanabileniniz Yapabildiğiniz şey Aşağıdaki durumlarda kullanmak için en iyi
Metadata import Veri varlıkları oluşturmak için bir bağlantıyla ilişkili verilere ilişkin teknik meta verileri otomatik olarak içe aktarın. Bir veri kaynağından birçok veri varlığı oluşturmanız gerekir.

Daha önce içe aktardığınız veri varlıklarını yenileminiz gerekir.
Meta veri zenginleştirme Veri sınıflarını otomatik olarak atamak ve sütunların veri tiplerini ve biçimlerini tanımlamak için tek bir çalıştırmada birden çok veri varlığı profili oluşturun.

Varlıklara iş terimlerini otomatik olarak atar ve veri sınıflandırmasına dayalı olarak terim önerileri oluşturur.

Veri varlıklarında yapılan değişiklikleri keşfetmek ve değerlendirmek için içe aktarma ve zenginleştirme işlerini aralıklarla yeniden çalıştırıyor.
İçe aktardığınız birçok veri varlığını iyileştirmeniz ve yayınlamamanız gerekir.
Veri kalitesi analizi Eksik değerler ya da veri sınıfı ihlalleri gibi veri kalitesinin ortak boyutlarını taramak için tek bir çalıştırmada birden çok veri kümesi üzerinde kalite analizi çalıştırın.
Verilerin içerik ve yapısına ilişkin değişiklikleri düzenli olarak izleyin ve tekrarlanan verileri çözümleyerek verileri çözümle.
Verilerinizin kalitesinin, veri analizinizin ya da modellerinizin doğruluğunu etkileyip etkilemeyeceğini bilmeniz gerekir.

Kullanıcılarınızın, hangi veri kümelerinin aracılık edecek şekilde tanımlarını tanımlamanız gerekir.
Kataloglar Kuruluşunuzdaki işbirlikçiler arasında paylaşmak için küvetli varlıkları yayınlayın. İlişkili meta verileri, ilişkileri ve varlıkların geçmişini görüntüleyen veri varlıklarını depolamak için merkezi bir havuza gereksinim duyarsınız.


Örnek: Golden Bank 'ın veri eğrilimi

Yönetişim ekibindeki veriler, bir projede veri varlıkları yaratmak için meta verileri içe aktarmaya başlar. Meta veri içe aktarıldıktan sonra Altın Bankası, "Kimlik" adlı bir sütuna sahip tabloları temsil eden iki veri varlıklarına sahiptir. Meta veri zenginleştirildikten sonra bu sütunlar, atanmış meta verilerinden açıkça ayırt edilir:

  • Bir sütuna, iş terimleri "Ticari Müşteri" ve "Şirket tanıtıcısı" ve "Diamond-level clients" (Diamond-level clients) veri sınıfı atanır.
  • Diğer kolona ise "Kişisel tanıtıcı" ve "Özel birey" ve "ABD Sosyal Güvenlik Numarası" veri sınıfı atanır.

Veri varlıkları, genel veri kalitesi puanının %95 Altın Banka eşiğini aştığından emin olmak için veri varlıkları üzerinde veri kalitesi analizi çalıştırıyor.

Yönetişim ekibi lideri, "Mortgage Onay Kataloğu" adlı bir katalog oluşturur ve veri uzmanlarını ve veri bilimcisini katalog işbirlikçileri olarak ekler. Veri i̇steğileri, projede oluşturdukları veri varlıklarını kataloğa yayımlar.

4. Verileri bulun ve kullanın

Katalog, ekiplerinizin verilerinizi anlamasına ve doğru kullanım için doğru verileri sağlanmasına yardımcı olur. Veri bilimcileri ve diğer kullanıcı tipleri, kurumsal erişim ve veri koruma ilkeleriyle uyumlu olmaya devam ederken gereksinim duyarları olan verilere kendilerine yardımcı olabilir. Bir katalogdan, verileri hazırlamak, analiz etmek ve modellemek için işbirliği yapmaları gereken bir projeye veri varlıkları ekleyebilirler.

Kullanabileniniz Yapabildiğiniz şey Aşağıdaki durumlarda kullanmak için en iyi
Kataloglar Kuruluşunuzdaki işbirlikçileri arasında paylaşmak için varlıklarınızı düzenleyin.

Kullanıcıların neye gereksinim duduklarını bulmalarına yardımcı olmak için AI destekli semantik aramaktan ve önerilerden yararlanın.
Kullanıcılarınızın, yüksek kaliteli verileri kolayca anlamanız, işbirliği yapmak, zenginleştirmek ve bunlara erişmeleri gerekir.

İş kullanıcıları arasında veri ve işbirliği görünürlüğünü artırmak istiyorsunuz.

Kullanıcıların, fiziksel biçimini ya da konumunu anlamadan ve bu verileri taşımadan veya kopyalamadan görüntülemesi, erişmeleri, işlemeleri ve analiz etmesi gerekir.

Kullanıcıların varlıkları derecelendirerek ve gözden geçirmesini istediğiniz varlıkları geliştirmesini istiyorsunuz.
Genel arama Erişiminiz olan tüm projeler, kataloglar ve konuşlandırma alanlarında varlıkları arayın.

Erişiminiz olan kategoriler arasında yönetişim yapıtları için arama yapın.
Verileri ya da başka bir varlık tipini ya da bir yönetişim yapıtı bulmanız gerekir.
Data Refinery Yanlış, eksik, yanlış biçimlendirilmiş ya da çoğaltılmış verileri düzeltmek ya da kaldırmak için verileri temizleyin.

Şekil verileri, sütunları süzgeçten geçirme, sıralama, birleştirme ya da kaldırma yoluyla özelleştirmek için verileri kopyalayabilir.
Veri kalitesini ya da kullanışlılığını artırmanız gerekir.


Örnek: Golden Bank 'ın kataloğu

Veri bilimciler, katalogda gereksinim dudukları veri varlıklarını bulur ve bu varlıkları bir projeye kopyalarlar. Bu projede, veri bilimciler, bir modeli eğitim almak için hazırlayacak verileri iyileştirebilir.

Veri gizliliği ve yönetişimi için eğitmenler

Eğitici Program Açıklama Eğitmen için uzmanlık
Verinize güven Verilerinizi zenginleştirerek ve veri kalitesi analizini çalıştırarak güvenilir veri varlıkları oluşturun. Metadata import ve Meta veri zenginleştirme araçlarını çalıştırın.
Verilerinizi koruyun Cloud Pak for Data as a Service(Hizmet Olarak Veri İçin Bulut Pak) genelinde verilere erişim denetimi Veri koruma kuralları oluşturun.
Verilerinizi biliniz Verileri değerlendirin, paylaşın, şekillendirin ve analiz edin. Bir kataloğu araştır ve Data Refinery aracını çalıştırın.
Sanallaştırılmış verileri yönetir Sanallaştırılmış verileri zenginleştirin ve sanal verilerin korunduğundan emin olun. Sanallaştırılmış verileri yönetmek için Watson Query arabirimini, projeleri ve katalogları kullanın.


Veri gizliliği ve yönetişimi hakkında daha fazla bilgi edinin

Üst konu: Veri yöneltme yapısı çözümlerine genel bakış