Les catalogues de données sont un élément essentiel de toute stratégie de gestion des données (et des métadonnées). Face à la complexité croissante des écosystèmes de données et au volume croissant de données qui y transitent, l'approche traditionnelle des catalogues de données doit évoluer.
Repenser le catalogage des données nécessite un contexte plus approfondi, étendue de la couverture des sources de données, et une automatisation orchestrée pour cartographier et cataloguer les données sensibles et personnelles avec une connaissance approfondie des données - intégrant métadonnées actives, attributs directs et inférés et classificateurs.
L'intelligence des données est aujourd'hui un moteur et un catalyseur pour investir dans les catalogues de données : les organisations doivent pouvoir contextualiser les données personnelles, sensibles et situationnelles afin de tirer profit de la gestion des métadonnées. Il ne s'agit pas seulement de savoir où et comment les données sont trouvées, mais de savoir comment les éléments de données sont liés aux termes métier, et comment les fondements d'un catalogue de données peuvent être utilisés pour affiner les points clés de la compréhension des données, comme la qualité et la traçabilité.
Sans la capacité d’intégrer des informations et des perspectives supplémentaires sur les données, de nombreuses entreprises prennent des risques inutiles : la capacité d’automatiser l’intelligence des données permet aux organisations d’utiliser leurs données au maximum.
En gérant les risques de confidentialité et de sécurité tout en offrant une vue plus large des données grâce à la découverte et à la classification automatisées, les organisations peuvent mieux utiliser leurs données, réduire les risques et tirer parti de plus de contexte et d'une plus grande précision pour des analyses avancées.
Inventaire des actifs de données distribués et cloisonnés
Deux des défis opérationnels les plus urgents des catalogues de données traditionnels sont leur couverture limitée des sources de données d'entreprise et le degré de manipulation manuelle. conservation requis pour étiqueter les éléments de données dans le catalogue de données avec des descriptions.
Des catalogues de données efficaces doivent être déployés avec la capacité d'évoluer, couvrir toutes les sources de données où sont stockées des données sensibles et personnelles, alimenter automatiquement les données pertinentes (et propager les balises terminologiques métier) et aller au-delà des métadonnées purement techniques pour fournir le contexte nécessaire à une gouvernance des données respectueuse de la confidentialité. Il est essentiel de pouvoir trouver et inventorier toutes les données d'une organisation, quel que soit leur type, leur lieu de stockage ou leur nature.
Pour gérer les risques tout en pilotant les stratégies de gestion et d'analyse des données, exploitez un catalogue enrichi par ML, doté de métadonnées actives et d'une large couverture de données. L'intégration de la classification par apprentissage automatique permet aux organisations de mettre en évidence systématiquement les relations entre les éléments de données, d'automatiser le processus d'association des métadonnées aux éléments de données pour des activités telles que la protection de la confidentialité et l'évaluation de la qualité des données, et d'établir des relations entre des données qui pourraient autrement passer inaperçues. Ainsi, les organisations peuvent facilement obtenir une vue unifiée de leurs ressources distribuées et cloisonnées, et inventorier et trouver plus facilement les données pertinentes dans l'ensemble de l'écosystème de données.
BigID combine un catalogue augmenté par ML avec classification, corrélationet analyse de cluster pour donner une connaissance plus approfondie du contexte des données, permettant aux organisations de tirer le meilleur parti de leurs données tout en garantissant que les politiques de conformité à la confidentialité et d'utilisation éthique des données sont appliquées.
Catalogue en contexte
En représentant, décrivant et organisant davantage de types de données provenant de davantage de sources dans un catalogue de donnéesLes organisations bénéficient d'une vue consolidée intégrant confidentialité, sécurité et informations métier, le tout au sein d'une interface unique. Un inventaire de données unifié, respectueux de la confidentialité, combine attributs, métadonnées et contexte autour des données personnelles et sensibles d'une organisation, offrant ainsi une meilleure compréhension des données.
BigID découvre et classe davantage de types de données provenant de sources variées – des lacs de données aux systèmes de fichiers en passant par les bases de données relationnelles, où qu'elles se trouvent (environnements sur site, hybrides et cloud) – créant ainsi un inventaire unifié permettant aux gestionnaires de données de prendre des décisions éclairées pour l'ensemble de l'écosystème d'une organisation. En exploitant une approche de découverte en profondeurBigID peut découvrir des relations entre des ensembles de données connectés et disparates et intégrer ces informations dans le catalogue de données.
Qu'est-ce que les métadonnées actives ?
Une approche nouvelle génération des catalogues de données prend en compte non seulement les métadonnées techniques, mais aussi les métadonnées métier et opérationnelles pour un contexte plus précis et des informations exploitables. En associant régulièrement davantage de types de données, les organisations peuvent prendre des décisions plus éclairées et plus intelligentes concernant leurs données.
Les métadonnées actives privilégient la connexion plutôt que la collecte : elles exploitent les métadonnées (passives) que les organisations ont collectées jusqu'ici uniquement à intervalles réguliers, tout en ajoutant du contexte. Les métadonnées actives relient tous ces points de métadonnées distincts, peut-être déjà obsolètes, grâce à une approche purement passive, tout en exploitant l'apprentissage automatique pour ajouter du contenu et du contexte, relier les ensembles de données et aider à trouver les données pertinentes pour l'analyse, la gouvernance et la gestion autonome des données.
Échange de métadonnées, interopérabilité et architectures ouvertes
Pour une visibilité complète sur les données et les silos, il est important de pouvoir s'intégrer à d'autres technologies de catalogue, de gestion des données et de gouvernance : les organisations doivent pouvoir échanger des données, des balises et des métadonnées avec d'autres catalogues, appliquer des termes commerciaux, consommer des hiérarchies de données, agréger des résultats et intégrer le contexte des données.
Afin d'accroître la valeur et l'utilité de l'écosystème de données, BigID a créé un système d'échange de métadonnées bidirectionnel permettant aux organisations d'importer des glossaires métier, de cartographier les termes métier et de consolider leur environnement de gouvernance pour une gestion et une application plus automatisées des politiques. Grâce à cet échange de métadonnées bidirectionnel et extensible, les organisations peuvent bénéficier des éléments fondamentaux de la découverte et de la classification des données tout en s'intégrant aux solutions traditionnelles de gestion des métadonnées, des catalogues aux workflows de gouvernance, et en les enrichissant.
L'approche BigID des catalogues de données
Un catalogue de données basé sur le Machine Learning constitue la première étape de la gestion des métadonnées pour découvrir, identifier, classer et gérer les données. BigID s'appuie sur un catalogue de données basé sur le Machine Learning pour automatiser la découverte et rationaliser les flux de travail manuels, pour une plus grande précision, une meilleure intelligence des données et un délai de rentabilisation plus court.
- Catalogue en contextet : Consultez les attributs, les métadonnées et le contexte de vos données (PI, PII, données sensibles, relations de données) pour prendre des décisions intelligentes
- Vision holistiqueNous ne nous contentons pas de collecter des données, mais nous les connectons. Notre catalogue, sensible au contexte et au contenu, ajoute de la valeur en associant différents types de données pour obtenir une vue d'ensemble.
- Visibilité au-delà des silos: Obtenez une vue consolidée des données de votre organisation, intégrant les données personnelles, sensibles et les métadonnées (même les résultats agrégés d'autres catalogues et entrées)
Découvrez l'approche BigID des catalogues de données en action avec un démo en direct – ou téléchargez le livre blanc Catalogue de données 2.0 : repenser les catalogues de données.
Auteur
