Pular para o conteúdo
Ver todas as postagens

Estruturação, não estruturada Descoberta e mapeamento de dados

Muitos de nós já ouvimos dizer que os dados são o novo petróleo, porque impulsionam o comércio digital moderno. Mas a analogia não se limita à ideia de que os dados alimentam a economia da informação. Assim como o petróleo, os dados também são fluidos: podem infiltrar-se e fluir para praticamente qualquer reservatório ou depósito. Podem ser facilmente "extraídos" (coletados ou gerados), "canalizados" (distribuídos ou transferidos), "refinados" (editados e bifurcados), "vendidos" e "usados" (apagados). De fato, rastreando dados ao longo de seu ciclo de vida da criação à disposição não acompanhou as inovações em sua produção, compartilhamento e armazenamento. No entanto, à medida que as empresas passam a depender de dados para impulsionar a forma como interagem com os clientes, capacitam seus funcionários e otimizam o desempenho dos negócios, conhecer e compreender seus dados assumiu uma nova dimensão e prioridade.

Dados em todos os lugares

 

Se os clientes são a alma dos negócios digitais modernos, conhecer os dados deles assume uma urgência comercial de "vida ou morte". Durante anos, as empresas tentaram obter uma imagem de seus clientes – primeiro por meio da tecnologia MDM e, posteriormente, por meio de análises avançadas de Big Data. Mas, à medida que as empresas expandem o número de pontos de contato digitais, da web para dispositivos móveis, wearables, assistentes de IA e IoT, os métodos antigos para unificar o conhecimento de dados por meio da centralização dos dados tornam-se menos sustentáveis. Hoje, os dados "vazam" facilmente por armazenamentos de dados estruturados, semiestruturados e não estruturados; eles abrangem o data center e o nuvem; espalha-se por Big Data, data lakes e inúmeras aplicações, tanto internas quanto externas. Os dados dos clientes estão em toda parte, codificados de todas as formas e em todos os tipos de linguagens.

O que é necessário agora é encontrar uma maneira de as empresas obterem uma visão centralizada de um cliente sem centralizar seus dados. Isso requer a capacidade de pesquisar em todos os repositórios de dados, independentemente de sua localização ou idioma, e ainda reconciliar quais dados pertencem a qual usuário ou entidade. Isso exige uma nova abordagem para encontrar e correlacionar dados por pessoa ou titular dos dados, algo que não é possível com a tecnologia de classificação de dados da era StarTAC da Motorola, encontrada nos produtos DLP e DAM atuais.

Centralizando a visualização de dados sem centralizar os dados

O BigID aproveita as abordagens mais recentes em buscas em escala de internet e resolução de entidades baseada em aprendizado de máquina para fornecer às organizações uma maneira de localizar e inventariar rapidamente seus dados centrados em identidade sem mover ou copiar esses dados. Os algoritmos do BigID organizam, catalogam e mapeiam dados automaticamente em toda a empresa em escalas de petabytes, independentemente de onde os dados estejam armazenados ou de como estejam codificados. Ele fornece um índice virtual de todos os dados que uma empresa mantém, mapeados por titular, tipo, repositório ou residência, para que profissionais de segurança, conformidade ou governança possam navegar e analisar com precisão seus principais ativos de dados. Portanto, ele pode obter uma visão centralizada dos dados do cliente em repositórios de dados estruturados, mas, talvez mais importante, também em todos os diversos locais não estruturados onde as empresas mantêm dados, como compartilhamentos de arquivos, clusters Hadoop, data lakes, repositórios de log e muito mais.

Melhor conformidade de dados por meio de melhor contabilidade de dados

A importância de poder descobrir e mapear dados pessoais em repositórios de dados não estruturados não é apenas uma necessidade para uma alternativa mais escalável e descentralizada ao MDM tradicional. Também é fundamental para as empresas que desejam cumprir com regulamentações emergentes de proteção de dados, como o GDPR.

O GDPR, em sua essência, exige que as organizações prestem contas dos dados que mantêm sobre seus clientes e funcionários. Exige que elas façam um inventário não apenas de onde armazenam dados pessoais, mas também de onde os armazenam. cada Dados de uma pessoa. As abordagens tradicionais de descoberta de dados – que se baseiam em pesquisas ou classificação – têm dificuldade em localizar dados pessoais não PII e não conseguem discernir quais dados pertencem a qual pessoa. Além disso, têm eficácia limitada na busca no universo em expansão de repositórios de dados não estruturados, visto que, na maioria dos casos, as tecnologias de descoberta são anteriores ao desenvolvimento de novos repositórios modernos de dados não estruturados.

 

GDPR e a mudança do imperativo de proteção de dados 

O BigID não só consegue identificar um conjunto mais amplo de PI/I com base em seu caráter "pessoal", como também pode fazê-lo em qualquer tipo de dado, independentemente do idioma. Isso, obviamente, oferece um complemento poderoso, ou até mesmo uma alternativa, ao MDM. Além disso, ajuda as organizações a atender a alguns dos requisitos mais essenciais de titulares de dados e manutenção de registros do GDPR, permitindo localizar e rastrear dados desde a criação, passando pelo processamento e descarte.

Embora os dados possam ser o novo "petróleo" em termos de valor para uma empresa moderna, ao contrário do petróleo, os dados não são fungíveis. Cada dado é distinto em seu tipo, procedência e associações. No entanto, novas tecnologias como o BigID podem oferecer às organizações uma maneira moderna de descobrir e mapear seus dados com precisão, em escala e em uma gama ilimitada de armazenamentos de dados. Conhecer e entender seus clientes por meio de seus dados nunca foi tão essencial nem tão viável.

Conteúdo