數(shù)據(jù)治理企業(yè)系統(tǒng)梳理

開展數(shù)據(jù)、信息梳理的步，先對企業(yè)中的所有系統(tǒng)進(jìn)行梳理，了解不同系統(tǒng)下的業(yè)務(wù)需求、項目模塊、業(yè)務(wù)組等，編制梳理計劃。當(dāng)系統(tǒng)間進(jìn)行集成或?qū)訒r，無非是將系統(tǒng)下的數(shù)據(jù)進(jìn)行交互對接、整合，此時常見的問題就是各系統(tǒng)間相同的數(shù)據(jù)無法保證數(shù)據(jù)格式的一致性、準(zhǔn)確性和完整性。第二步便是要對數(shù)據(jù)制定統(tǒng)一性規(guī)則，確保數(shù)據(jù)的完整性和一致性。首先要建立公共信息類模型，保障數(shù)據(jù)梳理時有統(tǒng)一的信息規(guī)范。其次，設(shè)定特殊信息級模型，制定數(shù)據(jù)性等級，確定數(shù)據(jù)信息敏感級別，方便確立日后哪些數(shù)據(jù)、信息以何種形式進(jìn)行交互流通。

數(shù)據(jù)治理數(shù)據(jù)分級

，需要依賴于數(shù)據(jù)分類的結(jié)果，因為數(shù)據(jù)分類令數(shù)據(jù)有了明確的業(yè)務(wù)屬性。如何給數(shù)據(jù)定級，一個重要的依據(jù)就是要判斷該數(shù)據(jù)泄露時所造成的影響，包括影響的對象、影響的范圍和結(jié)果等，這些取決于業(yè)務(wù)分類的準(zhǔn)確性。數(shù)據(jù)分級另一個前提就是合規(guī)的梳理，企業(yè)可以通過這項工作清楚地了解哪類數(shù)據(jù)是被要求必須受保護(hù)的，從而結(jié)合分類的結(jié)果更地對數(shù)據(jù)進(jìn)行分級。

數(shù)據(jù)治理數(shù)據(jù)脫敏

數(shù)據(jù)脫敏不僅僅是代名詞，同樣也蘊含著復(fù)雜且多樣的脫敏技術(shù)能力。在不同環(huán)境下，企業(yè)對于敏感數(shù)據(jù)脫敏的要求也不盡相同。例如：脫敏后的數(shù)據(jù)要求性、可用性、完整性等。通常來說，市面上多數(shù)的脫敏產(chǎn)品中可通過內(nèi)置的規(guī)則對、姓名、等常用的敏感數(shù)據(jù)實現(xiàn)脫敏，并滿足后續(xù)的測試、使用等需求，而更多真實環(huán)境中，往往需要脫敏的

敏感數(shù)據(jù)實際在脫敏操作中更為復(fù)雜化。

數(shù)據(jù)治理數(shù)據(jù)脫敏

派客動力脫敏系統(tǒng)采用的靜態(tài)脫敏方式，可以從元數(shù)據(jù)、數(shù)據(jù)的角度在海量業(yè)務(wù)系統(tǒng)的數(shù)據(jù)中快速發(fā)現(xiàn)敏感數(shù)據(jù)，并定位敏感數(shù)據(jù)的存儲與分布，統(tǒng)計敏感數(shù)據(jù)量級。并且支持用戶自定義發(fā)現(xiàn)規(guī)則、通過設(shè)置敏感字段對企業(yè)系統(tǒng)中的表和列進(jìn)行掃描定位，利用專門的脫敏算法對敏感數(shù)據(jù)進(jìn)行變形、屏蔽、替換、隨機化等處理，將敏感數(shù)據(jù)轉(zhuǎn)化為虛構(gòu)數(shù)據(jù)，隱藏了真正的隱私信息，為數(shù)據(jù)的安全使用提供了基礎(chǔ)保障。同時脫敏后的數(shù)據(jù)可以保留原有的數(shù)據(jù)特征與分布，無需改變相應(yīng)的業(yè)務(wù)邏輯，實現(xiàn)了企業(yè)低成本、、安全的使用生產(chǎn)的隱私數(shù)據(jù)。