Catálogos de dados são uma parte essencial de qualquer estratégia de gerenciamento de dados (e metadados). À medida que a complexidade dos ecossistemas de dados e o volume de dados que neles circulam aumentam, a abordagem tradicional para um catálogo de dados precisa evoluir.
Repensar a catalogação de dados exige um contexto mais profundo. abrangência da cobertura da fonte de dadose orquestrou a automação para mapear e catalogar dados sensíveis e pessoais com profundo conhecimento dos dados – incorporando metadados ativos, atributos diretos e inferidos, e classificadores.
A inteligência de dados é uma força motriz e um catalisador para o investimento em catálogos de dados atualmente: as organizações precisam ser capazes de adicionar contexto a dados pessoais, sensíveis e situacionais para obter valor da gestão de metadados. Não se trata apenas de onde e como os dados são encontrados, mas de como os elementos de dados se relacionam com os termos de negócios – e como a base de um catálogo de dados pode ser usada para refinar pontos-chave da compreensão dos dados, como qualidade e linhagem.
Sem a capacidade de incorporar insights e perspectivas adicionais de dados, muitas empresas estão correndo riscos desnecessários: a capacidade de automatizar a inteligência de dados permite que as organizações utilizem seus dados ao máximo.
Ao gerenciar os riscos de privacidade e segurança, e ao mesmo tempo fornecer uma visão mais ampla dos dados por meio de descoberta e classificação automatizadas, as organizações podem aproveitar melhor seus dados, reduzir riscos e obter mais contexto e maior precisão para análises avançadas.
Inventário de ativos de dados distribuídos e isolados
Dois dos desafios operacionais mais urgentes dos catálogos de dados tradicionais são a sua cobertura limitada das fontes de dados empresariais e o grau de trabalho manual necessário. curadoria É necessário etiquetar os elementos de dados no catálogo de dados com descrições.
Catálogos de dados eficazes precisam ser implementados com capacidade de escalabilidade. Abrange todas as fontes de dados onde são armazenados dados sensíveis e pessoais., preencher automaticamente com os dados corretos (e propagar tags de termos comerciais) e ir além dos metadados exclusivamente técnicos para fornecer o contexto necessário para uma governança de dados que respeita a privacidade. É fundamental poder encontrar e inventariar todos os dados de uma organização – independentemente do tipo de dado, de onde esteja armazenado ou se a organização sabe o que é.
Para gerenciar riscos e, ao mesmo tempo, impulsionar estratégias de gerenciamento e análise de dados, utilize um catálogo aprimorado por aprendizado de máquina com metadados ativos e ampla cobertura de dados. A incorporação da classificação por aprendizado de máquina ajuda as organizações a revelar sistematicamente as relações entre elementos de dados, automatizar o processo de associação de metadados a elementos de dados para atividades como proteção de privacidade e avaliação da qualidade dos dados, e estabelecer relações entre dados que poderiam passar despercebidas. Dessa forma, as organizações podem obter facilmente uma visão unificada de ativos distribuídos e isolados, além de inventariar e encontrar dados relevantes com mais facilidade em todo o ecossistema de dados.
O BigID combina um catálogo aprimorado por aprendizado de máquina com classificação, correlação, e análise de cluster Para proporcionar uma compreensão mais profunda do contexto dos dados, permitindo que as organizações extraiam mais valor de seus dados, ao mesmo tempo que garantem o cumprimento das políticas de privacidade e uso ético dos dados.
Catálogo em Contexto
Ao representar, descrever e organizar mais tipos de dados de mais fontes em um catálogo de dadosCom um inventário de dados unificado e com foco na privacidade, as organizações conseguem obter uma visão consolidada que incorpora privacidade, segurança e insights de negócios, tudo em um único painel. Esse inventário combina atributos, metadados e contexto dos dados pessoais e sensíveis de uma organização, proporcionando uma compreensão e um conhecimento mais profundos dos dados.
O BigID descobre e classifica mais tipos de dados em diversas fontes – de data lakes a sistemas de arquivos e bancos de dados relacionais, independentemente de onde estejam localizados (ambientes locais, híbridos e em nuvem) – criando um inventário unificado que permite aos gestores de dados tomar decisões inteligentes em todo o ecossistema da organização. Ao aproveitar essa capacidade, o BigID permite que os gestores de dados tomem decisões inteligentes em todo o ecossistema da organização. uma abordagem de descoberta aprofundadaO BigID consegue descobrir relações entre conjuntos de dados conectados e distintos e incorporar essa informação ao catálogo de dados.
O que são metadados ativos?
Uma abordagem de próxima geração para catálogos de dados leva em consideração não apenas metadados técnicos, mas também metadados comerciais e operacionais para fornecer contexto adicional e insights orientados por dados. Ao associar mais tipos de dados de forma contínua, as organizações podem tomar decisões mais informadas e inteligentes com base em seus dados.
Metadados ativos focam na conexão em vez da coleta: aproveitando os metadados (passivos) que as organizações vêm coletando periodicamente, mas agora adicionando contexto. Metadados ativos conectam todos esses pontos de metadados separados que podem ter se tornado obsoletos com uma abordagem exclusivamente passiva, enquanto utilizam aprendizado de máquina para adicionar conteúdo e contexto, relacionando conjuntos de dados e ajudando a encontrar os dados certos necessários para análise, governança e gerenciamento de dados autônomo.
Troca de metadados, interoperabilidade e arquiteturas abertas
Para obter visibilidade completa dos dados e silos, é importante poder integrar-se com outras tecnologias de catálogo, gerenciamento de dados e governança: as organizações devem ser capazes de trocar dados, tags e metadados com outros catálogos, aplicar termos comerciais, consumir hierarquias de dados, agregar resultados e incorporar o contexto dos dados.
Para gerar mais valor e utilidade em todo o ecossistema de dados, a BigID criou uma plataforma bidirecional de troca de metadados, permitindo que as organizações importem glossários de negócios, mapeiem termos comerciais e consolidem seu cenário de governança para uma gestão e aplicação de políticas mais automatizadas. Ao aproveitar uma plataforma bidirecional e extensível de troca de metadados, as organizações podem se beneficiar dos elementos fundamentais de descoberta e classificação de dados, integrando-se e enriquecendo soluções tradicionais de gestão de metadados, desde catálogos até fluxos de trabalho de governança.
A abordagem BigID para catálogos de dados
Um catálogo de dados baseado em aprendizado de máquina é o primeiro passo na gestão de metadados para descobrir, identificar, classificar e gerenciar dados. O BigID utiliza um catálogo de dados baseado em aprendizado de máquina para automatizar a descoberta e otimizar fluxos de trabalho manuais, resultando em maior precisão, inteligência de dados e retorno sobre o investimento mais rápido.
- Catálogo em contextot: Veja os atributos, metadados e contexto dos seus dados (informações pessoais, informações pessoais identificáveis, dados sensíveis, relações entre dados) para tomar decisões inteligentes.
- Visão holísticaNão nos limitamos a coletar dados, mas sim a conectar os pontos ao redor deles. Nosso catálogo é sensível ao contexto e ao conteúdo, agregando valor ao associar diferentes tipos de dados para se obter uma visão completa.
- Visibilidade entre silosObtenha uma visão consolidada dos dados da sua organização, incorporando dados pessoais, sensíveis e metadados (incluindo resultados agregados de outros catálogos e fontes).
Veja a abordagem BigID para catálogos de dados em ação com um demonstração ao vivo – ou faça o download do white paper Catálogo de Dados 2.0: Repensando os Catálogos de Dados.
Autor
