广东隐私隐私数据治理系统信息推荐「在线咨询」

数据治理包含

这里包括对业务、数据、应用、组织架构、法律法规等方方面面的认知。举个例子：你的业务战略目标是什么，业务域、业务线、业务项能不能说清楚；你有多少结构化数据、半结构化数据、非结构化数据，数据体量有多大，都存哪，使用场景、使用角色都是什么，数据和业务之间的关系是什么；你建设了多少应用系统，应用和业务之间的关系是什么；你的组织架构长什么样，流程什么样，不同部门之间的关系是什么，权责利如何划分，信息化成熟度什么样，人员技能又如何；你的企业要遵守哪些法律法规，有没有跨境业务，行业有没有监管要求？

数据治理数据形态

作为数据安全工作者，了解企业自身数据的步就是数据形态的认知。数据体量有多大，是TB、PB还是ZB级？哪些是结构化数据、哪些是半结构化数据、哪些是非结构化数据？这些数据都存储在哪里，企业都用到了哪些种数据库，是传统的关系型数据库、Mpp数据库、K-V数据库还是基于Hadoop的数据库？这些数据的增量情况如何等等，都属于数据形态的范畴，都需要梳理了解。

数据治理数据分类

大家都知道我们擅长做数据分类分级，对于我们来说，这确实是一个老生常谈的问题，但在整个数据安全领域中，它却又是般的存在，不得不提。散落在企业各个存储角落的那些数据，在业务维度上，都属于哪个业务域、哪条业务线、哪个业务系统、哪个业务项、哪个业务分类，这些被贴上了业务标签的数据，将更容易从业务视角进行解读，为数据分级打下根基。从数据资产化的角度来看，数据分类可以独立存在，然而数据分级在某种程度上来说，需要依赖于数据分类的结果，因为数据分类令数据有了明确的业务属性。

数据治理GDPR带来的影响

不过关于GDPR带来的影响，我们也不该盲目悲观，还是有可借鉴之处。首先应该认识到，个人信息保护和数字经济之间，永远不可能找到的平衡点，根据形势进行动态平衡才是途径。短期内，我们在大方向上应该坚持经济发展以造福于国民，毕竟数字经济在我国已经成为重要的经济增长点；但长远考虑，国民的自我隐私保护意识是逐渐加强的，提升企业的公信力势在必行，单纯依靠企业的自觉很难赢得公民的信任，因此需要在小化影响经济发展的情况下从立法层面不断完善，方能达成目标。