Segundo a Gartner, o futuro dos metadados ativos é promissor, visto que as organizações dependem cada vez mais de dados para impulsionar os resultados de negócios. A empresa prevê que, até 2025, 601 TP3T de organizações incorporarão ativamente a gestão de metadados em suas iniciativas gerais de gestão de dados, ante apenas 101 TP3T em 2017.
Os metadados ativos estão se tornando cada vez mais importantes no cenário de dados moderno e devem desempenhar um papel fundamental para permitir que as organizações extraiam o máximo valor de seus ativos de dados.
O que são metadados ativos?
O que acontece quando você aplica aprendizado de máquina (ML) a metadados para que eles possam ser usados para tomar decisões e desencadear ações? A aplicação de ML a metadados transforma metadados em "metadados ativos", o que significa que os metadados são acionáveis.
Metadados são os dados que descrevem os dados. Para um lembrete dos tipos e descrições de metadados, consulte Gerenciamento de metadados 101: conheça seus dados. Metadados ativos são metadados aumentados por ML que podem ser usados para executar ações ou tomar decisões com base nos metadados.
Metadados ativos precisam ser perspicazes para serem úteis para a ação e precisam ser armazenados e disponibilizados de forma a permitir o uso operacional. Plataformas de gerenciamento de metadados aplicam ML para gerar insights sobre os metadados e tomar medidas com base neles. A ação pode ocorrer acionando um fluxo de trabalho ou uma plataforma pode executar alguma ação automaticamente.
Por que os metadados ativos são importantes?
A gestão ativa de metadados é crucial para governança de dados eficazSem ela, os processos de gerenciamento de dados podem se tornar ineficientes e ineficazes, levando a tomadas de decisão inadequadas, aumento de riscos e desperdício de recursos. Aqui estão alguns motivos pelos quais o gerenciamento ativo de metadados é importante para a governança de dados:
- Visão abrangente e atualizada dos dados: A gestão ativa de metadados fornece uma visão abrangente e atualizada dos dados, incluindo sua linhagem, qualidade e contexto. Isso pode ajudar as organizações a entender a origem e o histórico de seus dados e garantir que eles sejam usados de forma adequada e em conformidade com os requisitos regulatórios.
- Monitoramento em tempo real da qualidade dos dados: O gerenciamento ativo de metadados permite o monitoramento em tempo real da qualidade dos dados, utilizando métricas como completude, precisão e consistência. Isso pode ajudar as organizações a identificar e resolver problemas de qualidade de dados antes que eles tenham um impacto negativo nas operações comerciais ou na tomada de decisões.
- Aplicação de políticas e padrões de governança de dados: O gerenciamento ativo de metadados pode ser usado para aplicar políticas e padrões de governança de dados, como controles de acesso, retenção e classificação de dados. Isso pode ajudar as organizações a garantir que os dados sejam usados em conformidade com os requisitos regulatórios e que dados confidenciais sejam protegidos contra acesso não autorizado ou uso indevido.
- Análise e tomada de decisões aprimoradas: O gerenciamento ativo de metadados pode aprimorar a análise e a tomada de decisões, fornecendo contexto e insights adicionais sobre os dados. Isso pode ajudar as organizações a identificar padrões, tendências e correlações em seus dados e a tomar decisões mais embasadas com base nessas informações.
Ao gerenciar metadados continuamente, as organizações podem garantir que seus dados sejam precisos, confiáveis e seguros. Isso pode aprimorar a tomada de decisões, reduzir riscos e aumentar a eficiência dos processos ativos de gerenciamento de metadados.
Quem usa?
Analistas de negócios tomam decisões de negócios analisando dados físicos.
- Insight analítico de ML de dados físicos: Dados de vendas de clientes mostram que a demanda por um produto está aumentando.
- Ação empresarial resultante: A empresa pode aumentar a oferta para atender ao aumento da demanda.
As equipes de gerenciamento de dados tomam decisões de gerenciamento de dados analisando os metadados.
- Insight analítico de ML de metadados: Os dados de vendas do cliente contêm informações pessoais.
- Ação de gerenciamento de dados resultante: A equipe de dados precisará aplicar um fluxo de trabalho ou automação para proteger informações pessoais.
Exemplos de metadados ativos
Este artigo descreve três exemplos de metadados ativos para ilustrar o valor de como os metadados ativos são usados para conformidade com privacidade e regulamentação, qualidade proativa de dados e contexto de dados aprimorado.
1. Metadados ativos para privacidade e conformidade regulatória
Plataformas de gerenciamento de metadados que podem identificar informações pessoais e sensíveis gerar metadados ativos que podem ser usados para conformidade com a regulamentação.
Por exemplo, um conjunto de dados que inclui informações pessoais pode ter metadados associados para identificar que os dados incluem informações pessoais. Os metadados são ativos porque podem ser usados para tomar medidas para proteger esses dados. Em uma plataforma automatizada, os metadados podem acionar uma política de mascaramento dinâmico baseada em funções para mostrar ou ocultar dados, dependendo se o usuário está autorizado a ver determinadas classificações e tipos de dados.
2. Metadados ativos para qualidade de dados proativa
Sistemas que podem analisar dados e avaliar a qualidade dos dados podem incluir informações de qualidade dos dados como metadados ativos.
Por exemplo, uma coluna apresenta uma porcentagem maior de nulos ou outliers, além do limite aceitável. Os metadados mostrarão que o conjunto de dados apresenta um problema de qualidade. Esses metadados estão ativos para serem usados em um fluxo de trabalho ou para acionar um alerta automatizado de que o conjunto de dados apresenta um problema de qualidade. O proprietário dos dados agora pode tomar medidas proativas para corrigir ou remover o conjunto de dados e impedir que esses dados sejam usados para análise.
3. Metadados ativos para melhor contexto de dados
Na maioria dos casos, os dados geralmente não vêm em colunas perfeitamente rotuladas e definidas. Às vezes, os nomes das colunas são tão obscuros que não se parecem nem soam como os dados da coluna ou ativo de dados subjacente.
Por exemplo, uma organização possui uma lista de números de previdência social em uma coluna com um nome que não indica que a coluna contém números de previdência social. Uma plataforma de inteligência de dados pode escanear os dados, determinar se a coluna contém números de previdência social e atribuir um nome ou tag apropriado como metadados. Agora, o conjunto de dados possui metadados para reconhecer o conteúdo e tomar medidas sobre ele. Um fluxo de trabalho pode alertar um administrador de dados ou executar uma ação automatizada para atribuir um nome amigável, adicionando contexto aos dados para que os usuários entendam o que são esses dados e tomem medidas adicionais para identificá-los como dados sensíveis a serem protegidos.
Metadados ativos vs metadados passivos
Metadados ativos referem-se a metadados gerados e atualizados automaticamente por um sistema ou aplicativo. Esses metadados são normalmente usados para gerenciar dados dentro do sistema, rastrear alterações e garantir a qualidade dos dados. Exemplos de metadados ativos incluem esquemas de banco de dados, dicionários de dados e linhagem de dados.
Metadados passivos, por outro lado, referem-se a metadados criados e gerenciados manualmente por humanos. Esses metadados são normalmente usados para fornecer contexto e significado adicionais aos dados e para facilitar sua compreensão e utilização por humanos. Exemplos de metadados passivos incluem descrições de dados, tags e anotações.
Na governança de dados, metadados ativos e passivos são importantes para garantir a qualidade dos dados, gerenciá-los de forma eficaz e fornecer insights significativos às partes interessadas. Enquanto metadados ativos são essenciais para manter a integridade dos dados dentro de um sistema, metadados passivos são necessários para tornar esses dados acessíveis e compreensíveis para os humanos.
Selecionando a plataforma “certa”
Os ambientes de dados são complexos e dependem de múltiplas ferramentas e plataformas. plataforma que gera metadados ativos é ainda mais valioso se puder usar os metadados para aprimorar e interagir com outros sistemas conectados em uma troca de metadados para orquestração de plataforma para plataforma. A BigID é um fornecedor representativo em Guia de mercado inaugural da Gartner para gerenciamento de metadados ativos, citando que “O gerenciamento ativo de metadados é um conjunto emergente de recursos em vários mercados de gerenciamento de dados resultantes da inovação contínua no gerenciamento de metadados”. A Gartner recomenda que gerenciamento de dados plataformas usam metadados ativos para interoperabilidade com terceiro sistemas.
Três maneiras pelas quais as Plataformas de Gerenciamento de Metadados Ativos usarão metadados para interoperar são:
- Exporte os metadados ativos para serem usados como insights ou para criar ações em outra ferramenta ou plataforma conectada.
- Importe metadados “estrangeiros” para obter mais insights e otimizar estratégias de dados.
- Metadados ativos gerados por uma plataforma são usados para solicitar uma ação ou um fluxo de trabalho em uma ferramenta ou plataforma conectada.
Aprimore o gerenciamento de metadados ativos com o BigID
Metadados ativos são fundamentais para uma prática moderna de governança de dados. Equipes de dados experientes sabem que metadados são essenciais para descrever e gerenciar dados, e metadados ativos são a próxima evolução dos metadados para governança de dados. Criar metadados acionáveis e armazená-los de forma que permitam ações torna os metadados ainda mais poderosos para se beneficiar de tecnologias emergentes. governança de dados capacidades.
Plataforma de inteligência de dados BigID aplica ML para analisar dados em escala e criar metadados ativos. A plataforma gera metadados para adicionar contexto, incluindo classificadores, atributos e políticas que são usados para executar ações nos dados. Algumas ações, como aplicar informações de políticas, são executadas automaticamente. Outras ações, como colaboração e aprovações em termos do glossário, acionam um fluxo de trabalho porque exigem interação humana. Os metadados ativos criados pelo BigID maximizarão o valor dos dados e minimizarão o risco de dados para qualquer organização que queira obter contexto e adicionar automação para gerenciar um ambiente de dados.
Inscreva-se abaixo para ver como o BigID pode aprimorar e aumentar o valor dos dados com o gerenciamento ativo de metadados. Obtenha uma demonstração 1:1 com nossos especialistas em gerenciamento de metadados.
Autor
