数据治理

加强数据治理 守护数据安全

为数字经济持续健康发展筑牢安全屏障,既要探索监管与市场服务相结合的安全治理体系,增强数据安全立法的操作性;也要积极推进数据要素市场化配置,在加强数据安全治理的同时,努力促进中小企业创新,让全社会共享数字经济发展成果。

如何做好大数据时代的保密工作

众所周知,大数据技术提高了信息安全防护水平。大数据分析技术可更好地发现网络异常行为、找出风险点,觉察网络攻击行为的蛛丝马迹、找到攻击源,识别网络钓鱼攻击、防止欺诈入侵。例如,基于大数据的威胁发现技术,数据分析的范围更广、时间跨度更长,能够有效提升对未知威胁的检测和预防能力;基于大数据的认证技术,能够有效实现身份精确认定和高效鉴别,降低认证攻击安全隐患等。

数据治理就是数据建模?

数据治理是对数据管理权力的执行和落实。数据建模可以被认为是对数据定义权力的执行和实施。数据建模这门学问涉及到在'正确'的时间,由'正确'的人,为组织定义'正确'的数据,这就是数据治理的本质。

企业数据质量是数字化时代企业的重要资产

大数据的概念正在进一步渗透到各个行业与领域当中,随着企业业务增长和规模扩大,以及伴随着信息技术和相关基础设施的不断完善,在短短的几年内,数据已经呈现了爆发式的增长,多数传统企业也开始走上了数字化转型的道路。数据中蕴藏的商业价值也逐渐被人们挖掘出来:客户群体细分提供个性化服务和精准营销、数据驱动创新促进发掘新的需求和商业模式、数据互联互通打破了组织边界提高管理效率和产业效率,以及降低服务成本。

数据质量在数据治理中的重要意义

数据的质量问题从一定的角度反映出组织当中存在的一些问题,而问题的来源可能是数据流动,可能业务流程也可能源于管理问题等等,数据质量问题的分析可以帮助企业找到问题的源头。而高质量的数据对管理决策,业务支撑都有极其重要的作用。数据质量是数据治理中重要的一把标尺,而数据治理又是当今企业组织的首要战略重点之一,只有持续的数据质量改进才能推动数据治理体系的完善,为企业数据战略提供坚实的保障。

数据治理:让数据质量更好

数据分析、数据挖掘等各种数据应用都离不开数据质量,数据质量的重要性不用多说。今天来浅谈如何通过数据治理,来保证数据质量。数据的生命周期往往会有以下4个过程:数据的产生、存储、加工和应用。

加强数据治理 释放数据价值

数据治理将在不断应对挑战中迸发出新活力。陈肇雄强调,要转变观念,树立数据思维、形成数据治理文化;要机制引领,创新治理体系、健全数据治理生态;要融合创新,释放数据价值、拓展经济增长新空间。江明涛指出,要从三个方面发力做好数据治理工作,即加强标准引领,做好DCMM贯标工作;推进人才培养,深化首席数据官探索;强化资源汇聚,培育数据产业生态。