由于企業(yè)數據可見性的增強和數據安全團隊的要求，數據集市團隊面臨的挑戰(zhàn)是確保某些客戶屬性被識別和“處理”。要求技術提供商演示對潛在敏感數據的自動識別和操作，以此來解決這個問題。

簡而言之，測試包括攝取一個提供的樣本數據集，然后演示該平臺大幅簡化和加快準備和交付自助式業(yè)務就緒數據的能力，包括潛在敏感數據的識別和治理。

信息治理涵蓋多個方面，包括準確性、完整性、一致性、可訪問性、隱私和信息安全。在本文中，我們不討論信息治理的所有方面，而是專注于數據安全及其在這一背景下的意義。

[[206066]]

聚焦PII：個人可識別信息

數據集市旨在向企業(yè)用戶提供高質量的自助式數據，幫助他們更快地獲得洞見。更容易訪問更多數據，這只會加劇要求企業(yè)安全團隊為所有這些可用新信息提供安全保障的重要性。

如果你正在打造一個精心設計、有效執(zhí)行的數據集市，你可能面臨很多挑戰(zhàn)，包括如何保護你的數據。所有的安全措施都用上了：AD、ACL’s、Kerberos、加密等等。然而，數據安全的一個方面常常被忽視：你怎么知道哪些數據需要保護 有的人把所有數據都封鎖起來，這限制了需要數據的用戶獲取數據，大幅降低數據的價值。有的人可能會定義他們“認為”敏感的屬性，這會使本應被保護的未知屬性處于未被保護的險境。

“到2018年，90%已部署的數據湖將失效，因為以不確定的使用案例為目的而收集的信息資產會讓它們不堪重負。”

想要解決這個問題，請明智地選擇你的解決方案。有一些提供商在做PII探測，而且做得很好，堪為表率。你要找的提供商應該是已經開發(fā)出了作為數據打通(data on-boarding)一部分的流程和技術，在字段層面上及早發(fā)現可能敏感的模式。這不僅僅是出于安全原因。從攝取時就管理所有數據(包括管理數據訪問權限)，這已經解決或緩和了困擾數據湖企業(yè)的很多挑戰(zhàn)。

各級數據專家：你需要擁有數據集市治理

***信息官、***技術官、***數據官和那些參與或負責信息治理實踐的人感受到了***的壓力。為什么 因為大多數的數據湖致力于存儲和處理數據，而不是治理數據。

統(tǒng)計結果顯示，如果IT企業(yè)員工的治理技能水平參差不齊，那么公司內部很可能存在數據孤島，這會加劇整個企業(yè)的脆弱性和風險。

“不到10%的數據湖企業(yè)正式確定了他們的治理方法。”

融合：元數據、治理和安全

在過去兩三年里，很多企業(yè)已經或者正在建立數據湖。數據湖擁有巨大吸引力：自助式按需訪問所有數據，不管數據存儲在哪里。但IT管理人員往往很快發(fā)現，由于不符合內部數據安全要求，自助式數據管理模式無法實現。

這意味著，用意良好的數據湖已經變成了一個累贅而不是共享庫，只向一位或少數幾位授權用戶按需提供安全的數據。這違背了數據湖的初衷，對信息搜索者來說既耗費了資源，又沒有得到好處。

大數據要求我們從頭反思數據治理。大數據治理不是從物理上把沙盒和生產數據分割開來，而是在數據從“未經加工”到“準備就緒”的成熟過程中，從邏輯上控制數據的訪問和使用。你怎么知道數據是否準備好用于生產 看元數據。任何支持生產使用數據的大數據平臺都必須擁有元數據，追蹤數據攝取、安全、驗證、準備和使用的周期。

元數據=更好的數據

元數據需要管理數據訪問權限、取得數據概要結果，數據開發(fā)者和終端用戶的反饋。元數據儲存了定義生產準備就緒的策略，而且能夠執(zhí)行這些策略。沒有元數據，數據湖就會無法使用，并變成一個嚴重的安全風險。

很少有人真正知道如何把公司的內部安全政策有效地應用于數據。讓當今的商業(yè)技術取代以人力進行的猜測，因為沒人可能知道所有來源、所有領域的內容。利用豐富的元數據，再結合模式自動識別，這是在全公司上下推行大規(guī)模戰(zhàn)略計劃的基礎。

當你制定自助式數據戰(zhàn)略時，由元數據驅動、通過明確流程管理的數據安全不僅可以降低風險，還能為你提供超越傳統(tǒng)數據湖、實現自助式數據集市的真正希望。