Selon Gartner, l'avenir des métadonnées actives est prometteur, car les organisations s'appuient de plus en plus sur les données pour optimiser leurs résultats. L'entreprise prévoit que d'ici 2025, 60% d'organisations intégreront activement la gestion des métadonnées à leurs initiatives globales de gestion des données, contre seulement 10% en 2017.
Les métadonnées actives deviennent de plus en plus importantes dans le paysage des données moderne et devraient jouer un rôle essentiel pour permettre aux organisations d’extraire une valeur maximale de leurs actifs de données.
Que sont les métadonnées actives ?
Que se passe-t-il lorsque l'on applique l'apprentissage automatique (ML) aux métadonnées pour les exploiter dans la prise de décisions et le déclenchement d'actions ? L'application du ML aux métadonnées transforme ces dernières en « métadonnées actives », ce qui signifie qu'elles sont exploitables.
Les métadonnées sont les données qui décrivent les données. Pour un rappel des types et descriptions de métadonnées, voir Gestion des métadonnées 101 : Connaissez vos données. Les métadonnées actives sont des métadonnées augmentées par ML qui peuvent être utilisées pour agir ou prendre des décisions en fonction des métadonnées.
Les métadonnées actives doivent être pertinentes pour être utiles à l'action et doivent être stockées et mises à disposition de manière à permettre une utilisation opérationnelle. Les plateformes de gestion des métadonnées utilisent le Machine Learning pour générer des informations sur les métadonnées et agir en conséquence. L'action peut être déclenchée par un workflow ou une plateforme peut l'exécuter automatiquement.
Pourquoi les métadonnées actives sont-elles importantes ?
La gestion active des métadonnées est cruciale pour gouvernance efficace des donnéesSans elle, les processus de gestion des données peuvent devenir inefficaces et inefficaces, entraînant de mauvaises décisions, une augmentation des risques et un gaspillage de ressources. Voici quelques raisons pour lesquelles une gestion active des métadonnées est importante pour la gouvernance des données :
- Vue complète et à jour des données : La gestion active des métadonnées offre une vue complète et actualisée des données, notamment de leur lignée, de leur qualité et de leur contexte. Cela permet aux organisations de comprendre l'origine et l'historique de leurs données, et de garantir leur utilisation appropriée et conforme aux exigences réglementaires.
- Surveillance en temps réel de la qualité des données : La gestion active des métadonnées permet de surveiller en temps réel la qualité des données grâce à des indicateurs tels que l'exhaustivité, l'exactitude et la cohérence. Cela peut aider les organisations à identifier et à résoudre les problèmes de qualité des données avant qu'ils n'aient un impact négatif sur leurs opérations ou leur prise de décision.
- Application des politiques et normes de gouvernance des données : La gestion active des métadonnées permet de renforcer les politiques et normes de gouvernance des données, telles que les contrôles d'accès, la conservation et la classification des données. Cela permet aux organisations de garantir que les données sont utilisées conformément aux exigences réglementaires et que les données sensibles sont protégées contre tout accès non autorisé ou utilisation abusive.
- Amélioration des analyses et de la prise de décision : La gestion active des métadonnées peut améliorer l'analyse et la prise de décision en fournissant un contexte et des informations supplémentaires sur les données. Cela peut aider les organisations à identifier des schémas, des tendances et des corrélations dans leurs données, et à prendre des décisions plus éclairées sur la base de ces informations.
En gérant en continu les métadonnées, les organisations peuvent garantir l'exactitude, la fiabilité et la sécurité de leurs données. Cela peut améliorer la prise de décision, réduire les risques et accroître l'efficacité des processus de gestion active des métadonnées.
Qui l'utilise ?
Les analystes commerciaux prennent des décisions commerciales en analysant les données physiques.
- Aperçu analytique des données physiques ML : Les données de vente des clients montrent que la demande pour un produit augmente.
- Action commerciale résultante : L’entreprise pourrait augmenter l’offre pour répondre à la demande accrue.
Les équipes de gestion des données prennent des décisions de gestion des données en analysant les métadonnées.
- Aperçu analytique des métadonnées ML : Les données de vente des clients contiennent des informations personnelles.
- Action de gestion des données résultante : L’équipe de données devra appliquer un flux de travail ou une automatisation pour protéger les informations personnelles.
Exemples de métadonnées actives
Cet article décrit 3 exemples de métadonnées actives pour illustrer la valeur de la manière dont les métadonnées actives sont utilisées pour la confidentialité et la conformité réglementaire, la qualité proactive des données et l'amélioration du contexte des données.
1. Métadonnées actives pour la confidentialité et la conformité réglementaire
Plateformes de gestion des métadonnées qui peuvent identifier les informations personnelles et sensibles générer des métadonnées actives qui peuvent être utilisées pour conformité réglementaire.
Par exemple, un ensemble de données contenant des informations personnelles pourrait être associé à des métadonnées permettant d'identifier ces données. Ces métadonnées sont actives car elles permettent de prendre des mesures pour protéger ces données. Sur une plateforme automatisée, elles pourraient déclencher une politique de masquage dynamique basée sur les rôles, permettant d'afficher ou de masquer les données selon que l'utilisateur est autorisé à consulter certaines classifications et certains types de données.
2. Métadonnées actives pour une qualité proactive des données
Les systèmes capables d’analyser les données et d’évaluer leur qualité peuvent inclure des informations sur la qualité des données en tant que métadonnées actives.
Par exemple, si une colonne présente un pourcentage de valeurs nulles ou aberrantes supérieur au seuil acceptable, les métadonnées indiqueront que l'ensemble de données présente un problème de qualité. Ces métadonnées sont actives pour être utilisées dans un workflow ou pour déclencher une alerte automatique indiquant que l'ensemble de données présente un problème de qualité. Le propriétaire des données peut désormais prendre des mesures proactives pour corriger ou supprimer l'ensemble de données et empêcher son utilisation à des fins d'analyse.
3. Métadonnées actives pour un contexte de données amélioré
Dans la plupart des cas, les données ne sont pas présentées dans des colonnes parfaitement étiquetées et définies. Parfois, les noms des colonnes sont si obscurs qu'ils ne ressemblent en rien aux données de la colonne ou de l'élément de données sous-jacent.
Par exemple, une organisation possède une liste de numéros de sécurité sociale dans une colonne dont le nom n'indique pas qu'elle contient des numéros de sécurité sociale. Une plateforme d'intelligence de données peut analyser les données, déterminer si la colonne contient des numéros de sécurité sociale et lui attribuer un nom ou une balise appropriée comme métadonnées. L'ensemble de données dispose alors de métadonnées permettant d'identifier le contenu et d'agir en conséquence. Un workflow peut alerter un gestionnaire de données ou automatiser l'attribution d'un nom convivial, ajoutant ainsi un contexte aux données afin que les utilisateurs puissent comprendre la nature de ces données et prendre les mesures nécessaires pour les identifier comme données sensibles à protéger.
Métadonnées actives vs métadonnées passives
Les métadonnées actives sont celles générées et mises à jour automatiquement par un système ou une application. Elles servent généralement à gérer les données au sein du système, à suivre les modifications et à garantir leur qualité. Parmi les exemples de métadonnées actives, on peut citer les schémas de base de données, les dictionnaires de données et la traçabilité des données.
Les métadonnées passives, quant à elles, désignent les métadonnées créées et gérées manuellement par des humains. Elles servent généralement à enrichir le contexte et la signification des données, et à faciliter leur compréhension et leur utilisation. Parmi les exemples de métadonnées passives figurent les descriptions de données, les balises et les annotations.
En matière de gouvernance des données, les métadonnées actives et passives sont essentielles pour garantir la qualité des données, les gérer efficacement et fournir des informations pertinentes aux parties prenantes. Si les métadonnées actives sont essentielles pour préserver l'intégrité des données au sein d'un système, les métadonnées passives sont nécessaires pour les rendre accessibles et compréhensibles par les humains.
Choisir la « bonne » plateforme
Les environnements de données sont complexes et reposent sur de multiples outils et plateformes. plate-forme Un système qui génère des métadonnées actives est encore plus précieux s'il peut les utiliser pour améliorer et interagir avec d'autres systèmes connectés dans un échange de métadonnées pour une orchestration inter-plateforme. BigID est un fournisseur représentatif Guide de marché inaugural de Gartner pour la gestion active des métadonnées, citant que « la gestion active des métadonnées est un ensemble émergent de capacités sur de multiples marchés de gestion des données, résultant d'une innovation continue en matière de gestion des métadonnées. » Gartner recommande que gestion des données les plateformes utilisent des métadonnées actives pour l'interopérabilité avec tierce personne systèmes.
Les plateformes de gestion active des métadonnées utiliseront les métadonnées de trois manières pour interagir :
- Exportez les métadonnées actives pour les utiliser comme informations ou pour créer une action dans un autre outil ou une autre plateforme connectée.
- Importez des métadonnées « étrangères » pour obtenir des informations plus approfondies et optimiser les stratégies de données.
- Les métadonnées actives générées par une plateforme sont utilisées pour inciter à une action ou à un flux de travail dans un outil ou une plateforme connectée.
Améliorez la gestion active des métadonnées avec BigID
Les métadonnées actives sont fondamentales pour une gouvernance des données moderne. Les équipes de données avisées savent que les métadonnées sont essentielles à la description et à la gestion des données, et qu'elles constituent la prochaine évolution des métadonnées pour la gouvernance des données. Créer des métadonnées exploitables et les stocker de manière à permettre leur mise en œuvre renforce leur potentiel pour tirer parti des nouvelles technologies. gouvernance des données capacités.
Plateforme d'intelligence de données BigID Utilise le Machine Learning pour analyser les données à grande échelle et créer des métadonnées actives. La plateforme génère des métadonnées pour ajouter du contexte, notamment des classificateurs, des attributs et des politiques, utilisés pour agir sur les données. Certaines actions, comme l'application des informations de politique, sont automatiques. D'autres, comme la collaboration et les approbations de termes de glossaire, déclenchent un workflow car elles nécessitent une interaction humaine. Les métadonnées actives créées par BigID optimiseront la valeur des données et minimiseront les risques pour toute organisation souhaitant obtenir du contexte et automatiser la gestion de son environnement de données.
Inscrivez-vous ci-dessous pour découvrir comment BigID peut améliorer et augmenter la valeur des données grâce à une gestion active des métadonnées. Obtenir une démonstration 1:1 avec nos experts en gestion des métadonnées.
Auteur
