Laut Gartner ist die Zukunft aktiver Metadaten vielversprechend, da Unternehmen zunehmend auf Daten angewiesen sind, um ihre Geschäftsergebnisse zu steigern. Gartner prognostiziert, dass bis 2025 601.000.000 Unternehmen Metadatenmanagement aktiv in ihre gesamten Datenmanagementinitiativen integrieren werden – im Vergleich zu lediglich 101.000.000 im Jahr 2017.
Aktive Metadaten gewinnen in der modernen Datenlandschaft zunehmend an Bedeutung und werden voraussichtlich eine entscheidende Rolle dabei spielen, Unternehmen dabei zu unterstützen, den maximalen Nutzen aus ihren Datenbeständen zu ziehen.
Was sind aktive Metadaten?
Was passiert, wenn Sie maschinelles Lernen (ML) auf Metadaten anwenden, um diese für Entscheidungen und das Auslösen von Aktionen zu nutzen? Durch die Anwendung von ML auf Metadaten werden Metadaten in „aktive Metadaten“ umgewandelt, d. h., die Metadaten sind umsetzbar.
Metadaten sind die Daten, die Daten beschreiben. Eine Übersicht über Metadatentypen und -beschreibungen finden Sie unter Metadatenverwaltung 101: Kennen Sie Ihre Daten. Aktive Metadaten sind durch ML erweiterte Metadaten, die verwendet werden können, um auf Grundlage der Metadaten Maßnahmen zu ergreifen oder Entscheidungen zu treffen.
Aktive Metadaten müssen aussagekräftig sein, um für Aktionen nützlich zu sein. Sie müssen so gespeichert und bereitgestellt werden, dass sie operativ genutzt werden können. Metadatenverwaltungsplattformen nutzen ML, um Einblicke in die Metadaten zu gewinnen und darauf basierende Maßnahmen zu ergreifen. Die Aktion kann durch Auslösen eines Workflows erfolgen oder von einer Plattform automatisch ausgeführt werden.
Warum sind aktive Metadaten wichtig?
Aktives Metadatenmanagement ist entscheidend für effektive DatenverwaltungOhne aktives Metadatenmanagement können Datenmanagementprozesse ineffizient und ineffektiv werden, was zu Fehlentscheidungen, erhöhten Risiken und Ressourcenverschwendung führt. Hier sind einige Gründe, warum aktives Metadatenmanagement für die Daten-Governance wichtig ist:
- Umfassende und aktuelle Datenansicht: Aktives Metadatenmanagement bietet eine umfassende und aktuelle Datenansicht, einschließlich Herkunft, Qualität und Kontext. Dies hilft Unternehmen, die Herkunft und Historie ihrer Daten zu verstehen und sicherzustellen, dass diese ordnungsgemäß und gemäß den gesetzlichen Anforderungen verwendet werden.
- Echtzeitüberwachung der Datenqualität: Aktives Metadatenmanagement ermöglicht die Echtzeitüberwachung der Datenqualität anhand von Kennzahlen wie Vollständigkeit, Genauigkeit und Konsistenz. Dies kann Unternehmen helfen, Probleme mit der Datenqualität zu erkennen und zu beheben, bevor sie sich negativ auf den Geschäftsbetrieb oder die Entscheidungsfindung auswirken.
- Durchsetzung von Richtlinien und Standards zur Datenverwaltung: Aktives Metadatenmanagement kann zur Durchsetzung von Data-Governance-Richtlinien und -Standards wie Zugriffskontrollen, Datenaufbewahrung und Datenklassifizierung eingesetzt werden. So können Unternehmen sicherstellen, dass Daten gemäß den gesetzlichen Vorschriften verwendet und vertrauliche Daten vor unbefugtem Zugriff oder Missbrauch geschützt werden.
- Verbesserte Analyse und Entscheidungsfindung: Aktives Metadatenmanagement kann Analysen und Entscheidungsfindung verbessern, indem es zusätzlichen Kontext und Einblicke in die Daten liefert. Dies kann Unternehmen helfen, Muster, Trends und Korrelationen in ihren Daten zu erkennen und auf dieser Grundlage fundiertere Entscheidungen zu treffen.
Durch die kontinuierliche Verwaltung von Metadaten können Unternehmen die Genauigkeit, Zuverlässigkeit und Sicherheit ihrer Daten gewährleisten. Dies verbessert die Entscheidungsfindung, reduziert Risiken und steigert die Effizienz aktiver Metadatenverwaltungsprozesse.
Wer nutzt es?
Unternehmensanalysten treffen Geschäftsentscheidungen durch die Analyse physischer Daten.
- Analytische Erkenntnisse aus physischen Daten mit ML: Kundenverkaufsdaten zeigen, dass die Nachfrage nach einem Produkt steigt.
- Resultierende Geschäftsmaßnahmen: Das Unternehmen kann sein Angebot erhöhen, um der gestiegenen Nachfrage gerecht zu werden.
Datenverwaltungsteams treffen Datenverwaltungsentscheidungen, indem sie die Metadaten analysieren.
- Analytische Einblicke in Metadaten-ML: Kundenverkaufsdaten enthalten persönliche Informationen.
- Resultierende Datenmanagement-Maßnahmen: Das Datenteam muss einen Workflow oder eine Automatisierung anwenden, um persönliche Informationen zu schützen.
Beispiele für aktive Metadaten
Dieser Artikel beschreibt drei Beispiele für aktive Metadaten, um den Wert der Verwendung aktiver Metadaten für die Einhaltung von Datenschutz- und Regulierungsvorschriften, proaktive Datenqualität und einen verbesserten Datenkontext zu veranschaulichen.
1. Aktive Metadaten zur Einhaltung von Datenschutz und Vorschriften
Metadatenverwaltungsplattformen, die Identifizierung persönlicher und sensibler Informationen aktive Metadaten generieren, die verwendet werden können für Einhaltung von Vorschriften.
Beispielsweise könnte ein Datensatz mit personenbezogenen Daten über zugehörige Metadaten verfügen, die dies kennzeichnen. Die Metadaten sind aktiv, da sie zum Schutz dieser Daten verwendet werden können. Auf einer automatisierten Plattform könnten die Metadaten eine rollenbasierte dynamische Maskierungsrichtlinie auslösen, um Daten anzuzeigen oder auszublenden, je nachdem, ob der Benutzer bestimmte Klassifizierungen und Datentypen sehen darf.
2. Aktive Metadaten für proaktive Datenqualität
Systeme, die Daten analysieren und die Datenqualität bewerten können, können Informationen zur Datenqualität als aktive Metadaten enthalten.
Beispielsweise weist eine Spalte einen höheren Prozentsatz an Nullen oder Ausreißern auf, der den zulässigen Grenzwert überschreitet. Die Metadaten zeigen an, dass der Datensatz ein Qualitätsproblem aufweist. Diese Metadaten können in einem Workflow verwendet oder eine automatische Warnung ausgelöst werden, wenn der Datensatz ein Qualitätsproblem aufweist. Der Dateneigentümer kann nun proaktiv Maßnahmen ergreifen, um den Datensatz zu korrigieren oder zu entfernen und die Verwendung der Daten für Analysen zu verhindern.
3. Aktive Metadaten für einen verbesserten Datenkontext
In den meisten Fällen liegen Daten nicht in perfekt beschrifteten und definierten Spalten vor. Manchmal sind Spaltennamen so unklar, dass sie weder optisch noch klanglich mit den Daten in der zugrunde liegenden Spalte oder dem Datenobjekt übereinstimmen.
Beispielsweise verfügt eine Organisation über eine Liste mit Sozialversicherungsnummern in einer Spalte, deren Name keinen Hinweis darauf gibt, dass die Spalte Sozialversicherungsnummern enthält. Eine Data-Intelligence-Plattform kann die Daten scannen, feststellen, ob die Spalte Sozialversicherungsnummern enthält, und einen entsprechenden Namen oder Tag als Metadaten zuweisen. Der Datensatz verfügt nun über Metadaten, um den Inhalt zu erkennen und entsprechende Maßnahmen zu ergreifen. Ein Workflow kann einen Datenverwalter benachrichtigen oder automatisch einen benutzerfreundlichen Namen zuweisen. Dadurch wird Datenkontext hinzugefügt, damit Benutzer die Daten verstehen und weitere Maßnahmen ergreifen können, um sie als vertrauliche, zu schützende Daten zu identifizieren.
Aktive Metadaten vs. passive Metadaten
Aktive Metadaten sind Metadaten, die automatisch von einem System oder einer Anwendung generiert und aktualisiert werden. Diese Metadaten werden typischerweise verwendet, um Daten innerhalb des Systems zu verwalten, Änderungen zu verfolgen und die Datenqualität sicherzustellen. Beispiele für aktive Metadaten sind Datenbankschemata, Datenwörterbücher und Datenherkunft.
Passive Metadaten hingegen sind Metadaten, die manuell erstellt und verwaltet werden. Diese Metadaten dienen typischerweise dazu, den Daten zusätzlichen Kontext und Bedeutung zu verleihen und das Verständnis und die Nutzung der Daten zu erleichtern. Beispiele für passive Metadaten sind Datenbeschreibungen, Tags und Anmerkungen.
In der Datenverwaltung sind sowohl aktive als auch passive Metadaten wichtig, um die Datenqualität sicherzustellen, Daten effektiv zu verwalten und Stakeholdern aussagekräftige Erkenntnisse zu liefern. Während aktive Metadaten für die Wahrung der Datenintegrität innerhalb eines Systems unerlässlich sind, sind passive Metadaten notwendig, um diese Daten für Menschen zugänglich und verständlich zu machen.
Auswahl der „richtigen“ Plattform
Datenumgebungen sind komplex und basieren auf mehreren Tools und Plattformen. Plattform Das generiert aktive Metadaten und ist noch wertvoller, wenn es diese Metadaten nutzen kann, um andere verbundene Systeme in einem Metadatenaustausch für die Plattform-zu-Plattform-Orchestrierung zu verbessern und mit ihnen zu interagieren. BigID ist ein repräsentativer Anbieter in Gartners erster Marktführer für aktives Metadatenmanagement, und führt an, dass „Aktives Metadatenmanagement ein neuer Funktionsumfang in verschiedenen Datenmanagementmärkten ist, der aus kontinuierlichen Innovationen im Metadatenmanagement resultiert.“ Gartner empfiehlt, dass Datenmanagement Plattformen nutzen aktive Metadaten für die Interoperabilität mit dritte Seite Systeme.
Aktive Metadatenverwaltungsplattformen nutzen Metadaten auf drei Arten zur Interoperabilität:
- Exportieren Sie die aktiven Metadaten, um sie als Erkenntnisse zu verwenden oder um Aktionen in einem anderen verbundenen Tool oder einer anderen verbundenen Plattform zu erstellen.
- Importieren Sie „fremde“ Metadaten, um weitere Erkenntnisse zu gewinnen und Datenstrategien zu optimieren.
- Von einer Plattform generierte aktive Metadaten werden verwendet, um eine Aktion oder einen Workflow in einem verbundenen Tool oder einer verbundenen Plattform auszulösen.
Verbessern Sie das aktive Metadatenmanagement mit BigID
Aktive Metadaten bilden die Grundlage für eine moderne Data-Governance-Praxis. Erfahrene Datenteams wissen, dass Metadaten für die Beschreibung und Verwaltung von Daten unerlässlich sind und aktive Metadaten die nächste Evolutionsstufe von Metadaten für die Data Governance darstellen. Die Erstellung von umsetzbaren Metadaten und deren handlungsorientierte Speicherung machen Metadaten noch leistungsfähiger, um von neuen Datenverwaltung Fähigkeiten.
BigID Data Intelligence-Plattform setzt ML ein, um Daten in großem Umfang zu analysieren und aktive Metadaten zu erstellen. Die Plattform generiert Metadaten, um Kontext hinzuzufügen, darunter Klassifikatoren, Attribute und Richtlinien, die für die Datenverarbeitung verwendet werden. Einige Aktionen, wie das Anwenden von Richtlinieninformationen, werden automatisch ausgeführt. Andere Aktionen, wie die Zusammenarbeit und die Freigabe von Glossarbegriffen, lösen einen Workflow aus, da sie menschliche Interaktion erfordern. Die von BigID erstellten aktiven Metadaten maximieren den Datenwert und minimieren das Datenrisiko für jedes Unternehmen, das Kontext gewinnen und die Verwaltung seiner Datenumgebung automatisieren möchte.
Melden Sie sich unten an, um zu erfahren, wie BigID durch aktives Metadatenmanagement den Wert von Daten steigern und erhöhen kann. Fordern Sie eine persönliche Demo an mit unseren Experten für Metadatenmanagement.
Autor
