ad_dgvvoreh_082520.jpg

Gegevensbeheer: balans tussen veiligheid en beschikbaarheid

Toen Maria Voreh bij het Federal Bureau of Investigation (FBI) begon, was haar eerste opdracht het werken aan het Integrated Automated Fingerprint System (IAFS), een technologie die vaak te zien is in politiefilms en televisieshows zoals ‘CSI’. “Ze maken een afdruk en de machine doet dit magische werk, en een paar seconden later wordt de verdachte gevonden.” Voreh is Chief Data Officer (CDO) bij de FBI en was keynote speaker bij DATAVERSITY® DG Vision-conferentie. Haar presentatie zoals getiteld Gegevensbeheer in de moderne tijd: gegevensbeveiliging in balans brengen met gegevensbeschikbaarheid.

De gegevens die IAFS doorzoekt, zijn niet die van de FBI – de gegevens zijn afkomstig van alle wetshandhavingsgemeenschappen in het land. Om het te beschermen, zijn er regels, beperkingen en beleid van kracht over hoe het kan worden gebruikt of gedeeld. Dat is hoe Voreh echt begon te werken bij de FBI, zei ze: werken aan regels om de integriteit en veiligheid van persoonlijke gegevens te behouden, en tegelijkertijd beschikbaar stellen in minder dan een seconde voor de wetshandhavingsambtenaar.

‘Als je een wetshandhavingsambtenaar aan de kant van de weg hebt staan, heeft hij geen vijf minuten om op antwoord te wachten. Hij heeft letterlijk seconden of subseconden om te weten of de persoon in deze auto gewoon moeder is die op weg is naar voetbal en dat ze te laat is, of de man die wordt gezocht voor een massamoord ergens verderop. “

Hoewel dataveiligheid en beschikbaarheid is Voreh’s leven de afgelopen 20 jaar bij de FBI geweest, ze denkt niet aan haar focus in termen van de gegevens, maar eerder over het aanbieden van een dienst aan gebruikers, terwijl ze de belangen beschermt van degenen die bereid zijn hun gegevens.

Enorme datacyclusuitdagingen

“We worden overspoeld met gegevens.” Grubhub heeft elke minuut meer dan 8.000 verzoeken om eten, terwijl 18 miljoen sms’jes worden verzonden en 45 miljoen Google-zoekopdrachten worden uitgevoerd in dezelfde hoeveelheid tijd, zei ze. “We hebben letterlijk zoveel gegevens in ons leven”, en diezelfde hoeveelheid gegevens stroomt ook de overheid in en uit.

Technologie levert meer gegevens en de mogelijkheid om meer te weten dan ooit tevoren, maar om er betekenis aan te geven, zijn extra lagen technologie en gegevens nodig. “Dit wordt een zelflikkend ijshoorntje. We veroorzaken letterlijk een exponentiële groei van onze eigen data, maar we kunnen het niet stoppen – en we moeten het ook niet stoppen. ”

Juridische, ethische en morele uitdagingen

De Privacywet voor persoonlijke informatie kwam uit in 1974, net als de Federale wet inzake onderwijsrechten en privacy (FERPA), die persoonlijke gegevens (naam, adres, geboortedatum, burgerservicenummer) in onderwijsinstellingen beschermde. Later, halverwege de jaren negentig, werd aanvullende wetgeving aangenomen om financiële gegevens te beschermen en mocht de Federal Trade Commission (FTC) het gebruik van financiële gegevens gaan controleren. Recente wetgeving zoals de Algemene verordening gegevensbescherming (AVG) en de California Consumer Privacy Act (CCPA), gaat verder dan het beschermen van een specifiek soort gegevens, maar ook het beschermen van de rechten van de consument of ingezetene om te bepalen wat bedrijven doen met persoonlijke gegevens.

Diezelfde verandering in focus is ook voelbaar bij de overheid, waar het niet langer alleen een proces is om bepaalde datavelden op een gereguleerde manier te beschermen. Nu strekt de verantwoordelijkheid zich uit tot het beschermen van die informatie tegen misbruik, tegen gecompromitteerd raken en tegen misbruik van de rechten om die gegevens te gebruiken.

Voreh zei dat gegevensbeoefenaars serieus moeten overwegen:

  • Wat is de impact op de persoon en op de mensheid als ik die gegevens gebruik?
  • Schep ik een precedent?
  • Heiligen de doelen de middelen?
  • Doe ik meer goed dan kwaad?

Eén misstap, en het vertrouwen van de klant is verloren. “Als ik in mijn bedrijf het vertrouwen van het publiek verlies, wordt mijn baan onmogelijk.”

De realiteit van vertrouwen

Voreh deelde de volgende statistieken uit een artikel met de titel J. Clement Online privacy – Statistieken en feiten:

  • 22 procent van de online gebruikers gaf aan dat het online opslaan van gevoelige gegevens niet veilig genoeg was
    • 40 procent van de online gebruikers geeft aan bezorgd te zijn over misbruik van hun online gegevens
    • 53 procent van de online gebruikers maakt zich meer zorgen over hun privacy dan een jaar eerder
    • 24 procent van de wereldwijde online gebruikers vertrouwt hun overheid het beheer en de bescherming van hun persoonlijke gegevens toe
    • 66 procent van de online gebruikers gaf aan zich vanwege de eigen overheid in toenemende mate zorgen te maken over hun online privacy

Voreh zei dat het laatste cijfer haar bang maakt: 66 procent is bezorgd dat ze hun gegevens gaat misbruiken. ‘Als ik dat zie, maak ik me zorgen. Wat moet ik doen om ze het vertrouwen te geven dat ik voor hun gegevens ga zorgen? ” Professionals in de particuliere sector en de academische wereld delen dezelfde bezorgdheid, omdat misbruik van vertrouwen leidt tot verloren klanten, gederfde inkomsten of minder studenten.

Opkomende technologische uitdagingen

Opkomende technologie heeft ongekende mogelijkheden geboden om gegevens te analyseren, gegevens te exploiteren en deze te gebruiken om echt een verschil te maken. Toen de FBI in 2001 aan de Enron-zaak werkte, werkten ze met een paar gigabytes aan gegevens en hadden ze 100 agenten eraan toegewijd.

Bij de bomaanslag op de Boston Marathon in 2013 werkten ze met terabytes aan gegevens. “We begonnen veel tv met ondertiteling te ontvangen, enkele video’s van telefoons, en we gooiden er wat technologie en veel agenten in.”

Tegen de tijd dat de opnames in Las Vegas in 2017 plaatsvonden, hadden ze 22.000 uur aan gesloten tv-circuit, evenals persoonlijke video’s en overschreden ze een petabyte aan gegevens. “We hadden tools en we probeerden wat computer vision-technologie te gebruiken om afbeeldingen en mensen te detecteren, maar nogmaals, de technologie was er, maar we maakten ons zorgen over het gebruik ervan vanwege de onbedoelde resultaten.”

Panda of Gibbon?

De uitdaging van technologieën zoals kunstmatige intelligentie (AI), machine learning en neurale netwerken kunnen ons op de vooravond van grootsheid zetten, maar ze zijn nog niet helemaal bewezen. “We kunnen ze niet uitleggen aan onze gebruikers, en daardoor komen we in onbedoelde uitkomsten”, wat deze technologieën kwetsbaar maakt voor misbruik.

Voreh had het over een experiment een neuraal netwerk gebruiken om een ​​foto van een panda te identificeren. Onderzoekers veranderden 0,04 procent van de pixels in het beeld, waardoor het neurale netwerk zijn classificatie veranderde van “Panda, met 57,7 procent vertrouwen” in “Gibbon, met 99,3 procent vertrouwen”. Voor het menselijk oog is de verandering niet waarneembaar. De foto lijkt op een panda, maar de computer is het daar niet mee eens. ‘Dus we kunnen de mens niet in de lus verwijderen. Wij mensen moeten nog steeds deel uitmaken van onze technologie, deze trainen en bijscholen. ”

Kwaliteitsgegevens en goede datamanagementpraktijken zijn nodig om algoritmen te trainen en bij te scholen, omdat nieuwe technologie die is getraind op basis van slechte data slechte resultaten oplevert. “Daar beginnen we het vertrouwen van het publiek te verliezen”, zei ze.

Nieuwe technologie vereist ook getrainde mensen die de waarde van de gegevens begrijpen, hoe ze er op de juiste manier mee om moeten gaan en hoe ze metagegevens kunnen annoteren om de bron, het doel en het toegestane gebruik van de gegevens te documenteren. “Zonder dat is deze nieuwe technologie gewoon leuk en leuk. Het doet niets voor onze werkelijke missiedoeleinden. “

Gegevensbeveiliging versus gegevensbeschikbaarheid

De verantwoordelijkheid voor gegevensbeveiliging zou niet langer uitsluitend de verantwoordelijkheid van IT moeten zijn, zei ze. Bescherming, toegangscontrole, privacy, vertrouwelijkheid, naleving en risicovermindering moeten worden gedeeld. Beleid en tools kunnen dit vergemakkelijken, maar uiteindelijk moeten gebruikers de verantwoordelijkheid voor gegevens delen.

Aan de andere kant zei Voreh dat gegevensbeoefenaars en mensen in de IT vaak deze eisen van gebruikers horen:

  • Ik heb meer en betere gegevens nodig om betere analyses te kunnen doen
    • Ik moet die visualisatie nu kunnen maken
    • Ik heb de gegevens nodig in een formaat dat ik kan gebruiken. Laat me niet de datum en tijd omrekenen of uitzoeken welk veld de achternaam is
    • Ik moet toegankelijk zijn op mijn homecomputer, als ik niet aan het werk ben, in het vliegtuig
    • Ik heb normen nodig, zodat ik dat allemaal meteen kan doen

‘Het is een balans. Ik kan het een niet hebben zonder het ander. Ik kan me niet zozeer concentreren op de kenmerken van gegevensbeveiliging, dat ik de beschikbaarheid negeer, ”zei ze.

De oplossing: gegevensbeheer en gegevensbeheer

Zei Voreh Gegevensbeheer en Gegevensbeheer zijn de sleutels tot het vinden van een evenwicht tussen veiligheid en toegankelijkheid. Governance en management bieden een manier om:

  • Begrijp welke gegevens moeten worden beheerd en wanneer
  • Zorg voor goede programma’s en praktijken die vangrails en grenzen bieden aan gebruikers
  • Zorg voor een bestuursproces dat een raamwerk voor gegevensbeheer toepast, waardoor open en inclusieve besluitvorming mogelijk is

Het eerste instinct is om gewoon een stel wetenschappers in dienst te nemen, maar als de kwaliteit van de gegevens er niet is en de gegevens niet voor hen beschikbaar zijn, is het gewenste resultaat waarschijnlijk een stel dure wetenschappers en geen inzicht, ze zei.

“Ik zou oplossingen kunnen kopen, maar zonder een idee van wat ik beheer en waarom, zet ik die kar gewoon voor het paard.”

Governance verbindt paard en wagen

Eerst liet Voreh een cartoon zien van een kar (data-oplossingen) die een paard trekt (Data Management), daarna keerde Voreh de twee om, waarbij het paard op de eerste plaats kwam met de schacht die paard en wagen met het label “Governance” verbindt. “Wat we echt moeten doen, is nadenken over wat de behoefte van onze organisatie aan datamanagement is”, in het licht van de bedrijfsdoelstellingen voor de komende vijf jaar.

Een plan dat is afgestemd op het bedrijf is essentieel, maar omdat elke organisatie uniek is, “kun je van niemand anders een datamanagementplan lenen.” Een datamanagementstrategie moet op maat worden gemaakt en de governance koppelt het aan uw oplossingen.

Voreh zei dat wanneer belanghebbenden worden betrokken bij de ontwikkeling van Governance, datamanagementpraktijken democratisch zijn en dat governance wordt geaccepteerd door de cultuur in de bredere organisatie. “Anders verzin je regels op een bureaucratische manier, en niemand zal ze opvolgen.”

Hoe u gegevensbeheer kunt vergroten

Voreh behaalde succes met het bestuur bij de FBI door zich te concentreren op de missie en visie van de organisatie, en stelde voor om drie vragen te overwegen tijdens het proces van het laten groeien van een Data Governance-programma:

  • Wat zijn wij als organisatie?
    • Waar is de visie die de directeur wil dat we over vijf jaar realiseren?

Vanaf daar is een Gegevensstrategie kan worden gebruikt om prioriteit te geven aan datamanagementpraktijken en om die te bevorderen die het meest aansluiten bij de missie. Begin met de meest kritieke gegevens in uw organisatie en pas kwaliteitsnormen toe, en pak vervolgens compliance en toezicht aan. “Een beleid opstellen zonder effectief toezicht en naleving is als het schrijven van een memo die niemand zal lezen.” Betrek bij het aannemen van dit beleid de zakenmensen en andere gebruikers van de gegevens.

Faciliteer met openheid

Voor wat gewoonlijk ‘issue management’ wordt genoemd, geeft Voreh er de voorkeur aan om de term ‘openheid’ te gebruiken om te verwijzen naar het proces van luisteren en het aanpakken van gebruikersproblemen. “Het is niet mijn taak om te dicteren, het is mijn taak om te faciliteren.” Het is belangrijk om problemen te kunnen accepteren zoals ze door de gebruiker zijn gedefinieerd en ze te begeleiden naar een oplossing die ze bezitten.

Vorig jaar combineerde de FBI verschillende teams om gezamenlijk kwesties rond mensen, processen, capaciteiten en gegevens aan te pakken: “Het was een enorm succes”, zei ze. De mensen aan de raad zijn onder meer datawetenschappers, analisten, datastewards, eerstelijnsgebruikers, juridische zaken, beleidsmensen, agenten en inlichtingenanalisten. Door problemen vanuit een 360-gradenbeeld te bespreken, kunnen beslissingen worden genomen met behulp van de capaciteit van de mensen die gegevens onderhouden, verzamelen, gebruiken en IT-diensten verlenen.

Vooruit gaan

Voreh zei dat het gemakkelijk is om het gevoel te hebben dat alle problemen in één keer moeten worden opgelost. “Dat kan niet, tenzij je veel geld en veel personeel hebt. Neem de babystapjes, werk aan je foundation en laat het groeien om je te helpen. ”

Wilt u meer weten over de aankomende evenementen van DATAVERSITY? Bekijk onze huidige line-up van online en persoonlijke conferenties hier.

Hier is de video van de presentatie van DG Vision:

Afbeelding gebruikt onder licentie van Shutterstock.com

Dean_Gonsowski_600x448.jpg

Van Steam naar SaaS: nu DMaaS

Klik voor meer informatie over auteur Dean Gonsowski.

We zitten midden in de vierde industriële revolutie. Deze revolutie, ook wel 4IR of Industry 4.0 genoemd, verandert de manier waarop we leven, werken en omgaan met elkaar. Volgens Bernard Marr, een strategisch technologieadviseur, vertegenwoordigt deze revolutie “de combinatie van cyberfysieke systemen, het internet der dingen en het internet der systemen.”

In een 2016 artikel, Klaus Schwab, oprichter en uitvoerend voorzitter van het World Economic Forum, schreef:

“Vergeleken met eerdere industriële revoluties, evolueert de Vierde eerder exponentieel dan lineair. Bovendien ontwricht het bijna elke industrie in elk land. En de breedte en diepte van deze veranderingen kondigen de transformatie aan van complete systemen voor productie, beheer en bestuur. “

Met digitale transformatie bedrijven gebeuren in een razend tempo en creëren en verzamelen meer gegevens dan ooit om hun operationele efficiëntie en bedrijfsgroei te versnellen.

Meer gegevens, meer beheer

Naarmate technologieën zoals GPS, AI en blockchain steeds vaker voorkomen in ons leven, veranderen de verwachtingen van de consument ook snel. EEN globale studie van Salesforce ontdekte dat het vertrouwen van klanten steeds belangrijker wordt, wat, in combinatie met de toegenomen wildgroei van gegevensprivacywetten, een enorme druk legt op bedrijven om de enorme hoeveelheden persoonlijke gegevens die ze dagelijks verzamelen te beveiligen en te beschermen.

De enorme hoeveelheid gegevens die tegenwoordig beschikbaar is, is zowel een risico als een verplichting. Hoewel consumenten nog steeds graag persoonlijke informatie overhandigen voor gepersonaliseerde ervaringen, willen ze ook de zekerheid dat er zorgvuldig met hun gegevens wordt omgegaan. Salesforce CEO Marc Benioff noemt deze potentiële uitwisseling een “Vertrouwenscrisis.”

Consumenten beginnen steeds meer vragen te stellen over hoe er met hun gegevens wordt omgegaan – van hoe ze worden verzameld tot waar ze worden opgeslagen en voor hoelang. Privacywetten zoals de California Consumer Privacy Act (CCPA) en de algemene verordening gegevensbescherming van de EU (AVG) hebben consumenten verschillende rechten gegeven over hun gegevens, waaronder het recht op verwijdering, gegevensportabiliteit en rectificatie. Volgens Gartner, “In tegenstelling tot veel regelgevingsnormen, vereisen moderne privacywetten een fundamentele transformatie in de manier waarop persoonlijke gegevens worden beheerd en kunnen ze niet worden afgedaan met een enge checkbox-mentaliteit.”

Nu privacyverplichtingen toenemen, blijkt de inherente voorkeur van een organisatie om alles te behouden en te verwerken een steeds riskantere praktijk te worden. Volgens een rapport van PwCheeft slechts 51 procent van de bedrijven in de particuliere sector een nauwkeurige inventaris van waar persoonlijke gegevens van werknemers of consumenten worden verzameld en opgeslagen. Begrijpen hoe gegevens zich door uw organisatie verplaatsen, is een vereiste om deze te kunnen beveiligen en beschermen – hoe kunt u tenslotte beheren wat u niet weet dat u heeft?

Geautomatiseerde datamapping

Het beschermen van persoonlijke informatie is moeilijk. Het is verspreid over talloze, vaak onbekende databases, opslagplaatsen en omgevingen.

Datamapping is het startpunt voor elke implementatie van cyber- en privacykaders. Het helpt organisaties een nauwkeurig beeld te krijgen van welke gegevens ze hebben, waar deze zich bevinden, wanneer ze worden overgedragen en wie er toegang toe heeft. De enorme hoeveelheid informatie die door een onderneming stroomt, maakt handmatige datamapping – het proces van het ontdekken en classificeren van gegevens – ongelooflijk moeilijk, om nog maar te zwijgen van tijdrovend en mogelijk vol fouten.

Zoals bloatware leidde tot SaaSheeft de non-stop verspreiding van gegevenscreatie geleid tot de oprichting van een nieuwe categorie: Data Mapping as a Service of “DMaaS.” Datamapping-oefeningen worden al decennia lang geprobeerd, maar waren altijd beladen met onmiddellijke veroudering, aangezien ze waren gebaseerd op momentopnames in de tijd en bewaardersinterviews. DMaaS transformeert de manier waarop dataprofessionals hun data-universum beheren met geautomatiseerde, altijd actieve, bruikbare datamapping.

Bescherm en beheer uw gegevens

Het ontdekken, classificeren en beschermen van gegevens is geen kleine onderneming, maar met een groeiende privacy concurrerende differentiatorautomatisering kan helpen om de last te verlichten. Een datamapping-oefening is geen “eenmalige” activiteit. Een datakaart moet groenblijvend en nauwkeurig zijn om te voldoen aan regelgeving zoals Artikel 30 van de AVG, die vereist dat “elke gegevensbeheerder en gegevensverwerker verplicht is om een ​​register bij te houden van hun verwerkingsactiviteiten, inclusief het doel, een beschrijving van de categorieën van de betrokkenen, informatie over of persoonlijke gegevens zijn overgedragen aan een derde partij, en details van eventuele toepasselijke gegevensbeschermingen. “

Gegevensprivacy gaat hand in hand met beveiliging, en het begint allemaal met het begrijpen van de volledige omvang van uw gegevensuniversum, mogelijk gemaakt door een gegevenskaart. Investeren in gegevensprivacy heeft aanzienlijke zakelijke voordelen, waaronder lagere verliezen als gevolg van datalekken, operationele efficiëntie en consumentenvertrouwen.

SaaS is de natuurlijke evolutie van software. DMaaS is de natuurlijke evolutie van datamapping.

Sowmya_Tejha_Kandregula2_600x448.jpg

Gegevensinbreuken aanpakken via informatiebeveiligingssystemen

Klik voor meer informatie over auteur Sowmya Tejha Kandregula.

Hoewel de termen ‘Gegevensbeveiliging’ en ‘Datalek’ al een hele tijd bestaan, hebben ze een paar jaar geleden veel aandacht gekregen met de voorgestelde implementatie van gegevensprivacyregelgeving zoals de Algemene Verordening Gegevensbescherming (AVG) en California Customer Protection Act (CCPA).

Een datalek is per definitie een opzettelijke of onbedoelde vrijgave van beveiligde of privé / vertrouwelijke informatie die plaatsvindt als gevolg van een cyberaanval, waardoor onbevoegde personen onbevoegde toegang krijgen tot een computersysteem of netwerk. Hoewel het van cruciaal belang is om op de hoogte te zijn van de risico’s en noodplannen te hebben om een ​​datalek te voorkomen, is het waarborgen van een robuuste laag van informatiebeveiligingssystemen onderdeel van de Gegevensbeheerprocedures is nodig om dergelijke ongelukken te beperken.

Volgens onderzoeken zijn de gemiddelde totale kosten voor een organisatie als gevolg van een datalek $ 3,86 miljoen. Organisaties als Yahoo, LinkedIn, Adobe, Zoom, Equifax, Capital One en Marriott International zijn ten prooi gevallen aan datalekken.

De gevolgen van een datalek kunnen ernstig zijn en niet alleen gevolgen hebben voor het financiële welzijn van bedrijven, maar ook voor hun reputatie. Als gevolg hiervan kunnen organisaties vaak ook worden onderworpen aan regelgevingsprocedures.

Hoewel de meest voorkomende datalekken te wijten zijn aan kwaadwillende externe actoren, kan de oorzaak soms een onbedoelde insider zijn. Er is een breed spectrum aan mogelijke oorzaken voor een datalek. Dit kan variëren van eenvoudig en onbedoeld, zoals het lenen van het apparaat van een collega en per ongeluk door hun gegevens bladeren, tot kwaadwillig, zoals een opzettelijke hack of misbruik van gegevens, met name persoonlijk identificeerbare informatie (PII).

Het “waarom” en “hoe” van een datalek – eerste verdedigingslinie

Cybercriminaliteit is een uiterst winstgevende industrie voor aanvallers. Hackers zoeken persoonlijk identificeerbare informatie om geld te stelen, identiteit in gevaar te brengen of via het dark web te verkopen. Hackers richten zich op kwetsbaarheden van bedrijven en grijpen kansen aan door direct achter het netwerk aan te gaan. Aangezien de gemiddelde tijd die nodig is om een ​​datalek op te sporen meer dan vijf maanden bedraagt, is er voor kwaadwillende actoren voldoende tijd om de gegevens te misbruiken.

Een datalek kan op verschillende manieren plaatsvinden, maar wordt meestal op de volgende vier manieren uitgevoerd:

  • Gecompromitteerde systeembeveiliging: Verouderde software biedt aanvallers gemakkelijke toegang om malware op het systeem te sluipen en gegevens te stelen.
  • Zwakke inloggegevens: Zwakke en onveilige gebruikerswachtwoorden zijn gemakkelijker voor hackers om te raden, vooral als een wachtwoord hele woorden of woordgroepen bevat.
  • Gerichte malware-aanvallen: Phishing is een veelgebruikte methode voor malwareaanvallen. Omdat phishing-pogingen kunnen worden ondernomen om er onverdacht uit te zien, is het een gemakkelijke gelegenheid om vertrouwelijke gegevens te stelen met slechts één slechte klik.
  • Toegang door derden: Kwaadwillende actoren kunnen hun aanvallen als externe leveranciers maskeren in zelfs de meest veilige systemen.

Hieronder vindt u enkele best practices om mogelijke datalekken te beperken door middel van informatiebeveiliging:

  • Veiligheidsbewustzijnstraining: Werknemers zijn meestal de zwakste schakel in het beveiligingssysteem van een bedrijf. Aangezien medewerkers vaak verdachte links openen vanaf een onbekend e-mailadres, wordt regelmatige training sterk aanbevolen. Security Awareness training kan een uitgebreide presentatie zijn om de medewerkers te informeren over het belang van dataveiligheid om de paar maanden, naast het uitvoeren van willekeurige phishing-aanvalstests door e-mails te verzenden met verdacht ogende links.
  • Beperk de toegang tot gevoelige en vertrouwelijke gegevens: Beperk fysieke en elektronische toegang tot computersystemen en gegevens op basis van specifieke functievereisten. Zorg ervoor dat er duidelijk en goed gedefinieerd beleid is voor werknemers om toegang te vragen tot specifieke hardware of software die nodig is om productief te zijn op het werk. Geheimhoudingsovereenkomsten zijn een goed uitgangspunt om ervoor te zorgen dat werknemers toegang moeten vragen tot gevoelige en vertrouwelijke gegevens.
  • Gegevensbeveiliging via persoonlijke apparaten: Het hebben van een speciaal gasttoegangsnetwerk is van cruciaal belang om ervoor te zorgen dat alle gasten, aannemers en zelfs werknemers die persoonlijke apparaten gebruiken, toegang hebben tot een apart netwerk en het risico van het blootstellen van gevoelige gegevens tot een minimum te beperken.
  • Individuele inloggegevens: Zorg ervoor dat werknemers individuele inloggegevens hebben om toegang te krijgen tot het systeem en een sterk wachtwoordbeleid af te dwingen. Medewerkers eraan herinneren regelmatig hun wachtwoorden te wijzigen, is ook een goede gewoonte om het risico op hacking tot een minimum te beperken.
  • Monitor draagbare media: Draagbare opslagapparaten bieden aanvallers een uitstekende mogelijkheid om gegevens te stelen. Het kan het fysieke verlies / diefstal zijn van een flashstation of het vrijgeven van malware via een flashstation. Smartphones en andere elektronische apparaten die met computers worden gesynchroniseerd, moeten ook nauwlettend worden gevolgd.
  • Gegevensclassificatie: Het is van cruciaal belang om over bestaande gegevens te worden geïnformeerd en deze te classificeren op basis van het belang. Het is belangrijk om te identificeren en te begrijpen welke gegevens gevoelig zijn, hoe deze worden opgeslagen, opgehaald en geback-upt en of ze in gecodeerde vorm kunnen worden gedownload, vooral naar persoonlijke apparaten.
  • Computers beveiligen: Naast de implementatie van een sterk wachtwoordbeleid, is het van vitaal belang om time-outfuncties af te dwingen waarbij medewerkers moeten inloggen na een bepaalde tijd van inactiviteit. Door werknemers te trainen om hun computers of persoonlijke apparaten niet onbeheerd achter te laten en het aantal websites dat ze kunnen bezoeken te beperken, kan ook een extra beveiligingslaag worden toegevoegd.
  • Zorgen voor gegevensbeveiliging van insiders: Het is erg belangrijk om ervoor te zorgen dat de gegevens van een organisatie worden opgeslagen op een veilige fysieke locatie met beperkte toegang. Hoewel bepaalde werknemers die dit nodig hebben toegang kunnen krijgen, is het raadzaam om grondig antecedentenonderzoek uit te voeren om ervoor te zorgen dat belangrijke gegevens in veilige handen zijn. Ook kan het afdwingen van strikte vertrouwelijkheidsovereenkomsten met nieuwe werknemers tijdens het onboardingproces de ernst van toekomstige ongelukken met datalekken benadrukken.
  • Naleving van externe leveranciers en cloudproviders: Door gevoelige gegevens te verplaatsen naar een cloudprovider met expertise in het opslaan en ophalen van gegevens in een gecodeerde indeling, worden de lagen van gegevensbeveiliging vermenigvuldigd en is dit een populaire benadering om bedrijfsgegevens te beveiligen. Het wordt aanbevolen om samen te werken met bedrijven die transparant zijn over hun beveiligingsbeleid.
  • Correcte verwijdering van gegevens: Vroeger werd het opslaan en onderhouden van belangrijke gegevens gedaan door papieren fysiek op veilige locaties op te slaan, waarbij ervoor werd gezorgd dat ze veilig werden verwijderd door middel van strikte gegevensverwijderingsprocedures en -regels. Nu de gegevensopslag online gaat, moeten er echter aanvullende maatregelen worden genomen om een ​​correcte gegevensverwijdering te garanderen. Als u bestanden eenvoudigweg verwijdert, worden de gegevens erin niet permanent gewist. Daarom is het cruciaal om geschikte software te gebruiken om de genoemde gegevens grondig te wissen.

Gevolgtrekking

Met de wereldwijde toename van internetconnectiviteit is data ongetwijfeld de nieuwe valuta voor organisaties, waardoor ze het gedrag van consumenten en markten kunnen voorspellen en winstgevende strategische beslissingen kunnen nemen. Zelfs een kleine datalek kan echter leiden tot verliezen van miljoenen dollars, samen met een mogelijk verlies van het vertrouwen van de klant. Daarom is het raadzaam om over maximale informatiebeveiligingssystemen te beschikken om uw organisatie te beschermen tegen het ten prooi vallen aan dergelijke situaties.

Hoewel eenmalige kosten voor het implementeren van beveiligingsmaatregelen door sommigen als hoog kunnen worden beschouwd, moet men begrijpen dat nalatigheid bij mogelijke datalekken kan leiden tot een verlies van een grotere omvang voor de organisatie. In de wereld van vandaag, met meer bedrijven die online gaan en meer werknemers worden aangemoedigd om op afstand te werken in het post-COVID-19-tijdperk, met veilige Gegevensbeheer en robuuste informatiesystemen is bijna noodzakelijk.

What-is-Z-Order-in-Power-BI.jpgkeepProtocol.jpeg

Wat is Z-volgorde in Power BI?

Als maker van een rapport met Power BI Desktop, u moet veel beslissingen nemen over uw beeldmateriaal. Hoewel uw gegevens zelf misschien niet veranderen, kan de manier waarop u ze rangschikt een groot verschil maken in hoe uw teamleden ze begrijpen en erop reageren.

What-is-Z-Order-in-Power-BI.jpgkeepProtocol.jpeg

Wat is Z-volgorde in Power BI?

Als maker van een rapport met Power BI Desktop, u moet veel beslissingen nemen over uw beeldmateriaal. Hoewel uw gegevens zelf misschien niet veranderen, kan de manier waarop u ze rangschikt een groot verschil maken in de manier waarop uw teamleden ze begrijpen en erop reageren.

pg-daai_082218.png

Gegevensarchitectuur en kunstmatige intelligentie: hoe werken ze samen?

data-architectuur

Kunstmatige intelligentie (AI) wint snel terrein als zakelijke kerncompetentie. Machine learning (ML) of diep leren (DL) -algoritmen beloven een revolutie teweeg te brengen in bedrijfsmodellen en -processen, personeelsbestand te herstructureren en data-infrastructuren te transformeren om de procesefficiëntie te verbeteren en de besluitvorming in de hele onderneming te verbeteren. Voorbij zijn de dagen van datasilo’s en handmatige algoritmen.

Er is echter een wijdverbreid geloof door te stellen dat de groei van AI in het verleden werd belemmerd, voornamelijk als gevolg van het niet beschikbaar zijn van grote datasets. Big data veranderde dat allemaal – waardoor bedrijven konden profiteren van grote hoeveelheden en snelle gegevens om AI-algoritmen te trainen voor verbeteringen van bedrijfsprocessen en verbeterde besluitvorming.

De weg naar AI leidt via informatiearchitectuur beschrijft hoe hybride GegevensbeheerData Governance en bedrijfsanalyses kunnen samen de besluitvorming binnen de onderneming transformeren. Volgens deze auteur kunnen deze drie kernbedrijfspraktijken organisaties van elke omvang in staat stellen “de kracht van AI in de onderneming te ontketenen”.

De rol van data-architectuur bij het ontketenen van de kracht van kunstmatige intelligentie

William McKnight, de president McKnight Consulting Group, heeft gezegd dat die “Informatiearchitectuur” een sleutelrol speelt bij het scheppen van orde in de voortdurende evolutie van opkomende datatechnologieën. McKnight bespreekt specifieke maatregelen die organisaties zouden moeten nemen om AI en streaming-datatechnologieën te omarmen, en de langetermijnimpact van de algemene verordening gegevensbescherming (AVG) over bedrijfsgegevensbeheerpraktijken. Hij erkent dat terwijl het streamen van gegevens de enige manier is om met de hoge snelheid van big data om te gaan, sterke maatregelen voor gegevensbeheer ervoor zorgen dat de AVG wordt nageleefd.

Onlangs heeft het overkoepelende veld van AI aan kracht gewonnen vanwege de innovatieve IT-oplossingen die mogelijk worden gemaakt door machine learning of deep learning-technologieën. De termen “intelligent” of “slim” die met een IT-systeem worden geassocieerd, verwijzen specifiek naar de ML- of Dl-mogelijkheden van dergelijke systemen.W.

Goed beheerd Data-architectuur en AI-technologieën zijn klaar om toekomstige innovaties in IT te stimuleren, die bedrijven betere kansen zullen bieden door technologische verstoringen. Deze trends geven echter ook aan dat de bedrijven zeer bekwame veldexperts op het gebied van Data Science nodig hebben, getraind in AI, voorspellende modellen, ML en DL, naast andere vaardigheden, om dit transformerende technische leiderschap te stimuleren.

EEN DATAVERSITEIT® webinar wijst erop dat alle kerntechnologieën voor gegevensbeheer, zoals kunstmatige intelligentie, machine learning of big data, een geluid vereisen Data-architectuur met gegevensopslag en best practices voor gegevensbeheer. Dit webinar bespreekt hoe de laatste Trends in gegevensarchitectuur ondersteuning van organisatiedoelen. De datatechnologie-expert van morgen zal verantwoordelijk zijn voor het implementeren en onderhouden van een datastrategie en zal naar verwachting de risico’s en de nieuwere winstkansen met evenveel finesse aanpakken.

Maar met welke data-infrastructuur kan dat gebeuren? Een goed gedefinieerd en gestructureerd Data-architectuur dat ruimte biedt aan big data, IoT en AI en tegelijkertijd voldoet aan alle toepasselijke GDPR-voorschriften.

Cloud: de huidige en toekomstige redder van Enterprise Analytics

Nu bedrijven steeds meer vertrouwen op data en analyses om te concurreren, begint Data Architecture een grotere rol in de onderneming te spelen. In het tijdperk van digitale bedrijven is de nieuwe norm voor data-architectuur een dynamisch en schaalbaar model waaraan tot op zekere hoogte wordt voldaan door de openbare cloud. De nieuwste analytische vereiste is om gegevens bij de bron te verwerken, waardoor op AI gebaseerde analyses over het datacenternetwerk tot aan de rand van de onderneming mogelijk zijn, zoals besproken in Hoe cloudgebaseerde gegevensarchitecturen te creëren

De directe voordelen van cloud-infrastructuur bij het beheer en de levering van datagestuurde, bruikbare informatie. De trend van analytics overal, die aan kracht wint, zal de verandering stimuleren van on-premise of gehoste analytics naar de edge computing tijdperk, waarin bedrijfsanalyses in realtime plaatsvinden en veel dichter bij de gegevensbron.

In het IoT-tijdperk kunnen bedrijven het zich niet veroorloven kostbare tijd en geld te verliezen bij het verzamelen en deponeren van de binnenkomende gegevens op een verre locatie. Analytics vindt plaats aan de rand van bedrijven, wat de volgende fase van cloud computing aangeeft. De cloud-eerst strategie is er al met steeds meer organisaties die de cloud adopteren. Dus, wat is de volgende stap voor analyse? Edge computing? Serverloos computergebruik?

Als data-architecturen robuust genoeg zijn, kunnen analyses ‘viraal’ gaan, zowel binnen als buiten de organisatie. In dat scenario kunnen zelfs citizen datawetenschappers optreden selfservice-analyse op het punt van gegevensopname.

Mensgerichte AI-systeemontwerpen: een wondermiddel?

Andrew Ng beveelt aan dat AI wordt aangenomen als een bedrijfsbrede besluitvormingsstrategie. Aangezien kunstmatige-intelligentietechnologieën nauwkeurige prognosetechnieken, verbeterd procesbeheer door automatisering en betere prestatiestatistieken voor de hele organisatie mogelijk maken, zullen bedrijven die ervoor kiezen AI te negeren, achterblijven. Machine learning, deep learning, mens-machine-interacties en autonome systemen kunnen samen resultaten opleveren die ongeëvenaard zijn door enig ander bedrijfssysteem.

Kunstmatige intelligentie voor gegevensgestuurde verstoring bespreekt de kracht van een “AI-aangedreven motor” om realtime inzichten te leveren voor managementbeslissingen. Met het steeds groter wordende volume, de verscheidenheid en de snelheid van bedrijfsgegevens, heeft elke zakelijke gebruiker, van de burger datawetenschapper tot de ervaren datastewards, snelle en tijdige toegang tot gegevens nodig.

De mensen leven in het tijdperk van slimme systemen en kunnen niet voorbijgaan aan het feit dat zelfs AI-algoritmen geen resultaten kunnen opleveren als ze niet correct worden geïmplementeerd of aangepast in de menselijke werkomgeving. De AI-algoritmen die tegenwoordig worden gebruikt, zijn vergelijkbaar met die van vele jaren geleden, maar de computers of processors zijn sneller en krachtiger geworden.

Hoewel algemeen wordt erkend dat geavanceerd kunstmatige intelligentie kunnen veel gewone menselijke taken automatiseren en kunnen in beperkte gevallen zelfs “denken”. AI-systemen hebben “rampsituaties” niet echt doorstaan ​​zoals in het geval van zelfrijdende auto’s of voorspellingen van natuurrampen. Dus hoewel AI-algoritmen uitgebreid kunnen worden getraind met het gebruik van gegevens om het menselijk denken tot op zekere hoogte na te bootsen, zijn AI-onderzoekers er nog steeds niet in geslaagd om de menselijk-cognitieve vaardigheden van een robot of een slimme machine vast te stellen.

Het meest fundamentele verschil is dat het menselijk brein kan reageren op originele situaties, terwijl het machinebrein alleen situaties uit de tweede hand kan aannemen die worden overgedragen via gegevens over menselijke ervaringen, zoals uitgelegd in Slimmer samen: waarom kunstmatige intelligentie mensgericht ontwerp nodig heeft.

Toekomstige algoritmen kunnen worden getraind om menselijk-cognitieve capaciteiten na te bootsen. Maar hoewel mensen fouten kunnen maken door overmoed, is machine-intelligentie strikt afhankelijk van een studie en toepassing van datagestuurde feiten. Zelfs een slecht algoritme kan het menselijk denken verbeteren, dus volgens de “wet van Kasparov” moet het proces worden verbeterd om de best mogelijke samenwerking tussen mens en machine mogelijk te maken.

De kunstmatige intelligentie-algoritmen van de toekomst moeten worden ontworpen vanuit een menselijk oogpunt, om de feitelijke zakelijke omgeving en informatiedoelstellingen van de besluitvormer te weerspiegelen. De AI software-ingenieur is de persoon in een Data Science-team die de cruciale rol speelt bij het overbruggen van de kloof tussen datawetenschappers en data architecten.

Architecturale vereisten van door machine learning aangedreven kunstmatige-intelligentiesystemen

Bij machine learning zijn data zowel de leraar als de trainer die het algoritme op een specifieke manier vormgeven zonder enige programmering. Datavoorbereiding voor ML-pipelines kan dus een uitdaging zijn als de data-architecturen niet voldoende verfijnd zijn om samen te werken met de onderliggende analyseplatforms.

Machine learning is het meest geschikt voor gegevens met grote volumes en hoge snelheden. De Data Architecture-laag in een end-to-end-analysesubsysteem moet het vereisten voor gegevensvoorbereiding om algoritmen voor machine learning te laten werken. Er moet een speciale ontwikkelingscyclus beschikbaar zijn die ML-leermodellen ondersteunt, en het ML-platform moet verschillende ML-frameworks ondersteunen voor aangepaste oplossingen van commerciële leveranciers. De openbare cloud is een geweldige opslag- en rekenomgeving voor ML-systemen, simpelweg vanwege zijn architecturale elasticiteit.

Een organisatie kan alleen profiteren van deze enorme hoeveelheid gegevens uit veel verschillende bronnen als er een degelijke gegevensarchitectuur (gegevens als ondernemingslaag) in de hele organisatie aanwezig is en als end-to-end AI-aangedreven analysesystemen zijn geïmplementeerd om geef alle soorten zakelijke gebruikers de mogelijkheid om just-in-time-analyses en BI-activiteiten uit te voeren.

De toekomst van AI en data-architectuur

In de komende jaren, naarmate informatie afgeleid van ‘data’ een bedrijfsmiddel wordt met een hoog omzetpotentieel, zullen organisaties meer gedisciplineerd worden in het genereren van inkomsten en het meten van de impact van data, net als de andere KPI’s.

Gartner stelt dat datacenters tegen 2021 AI-mogelijkheden zullen moeten integreren in hun architecturen. Maak ruimte voor AI-toepassingen in de datacenterarchitectuur voorspelt dat AI-toepassingen zullen in de nabije toekomst elke branche doordringen, dus het is logisch om kunstmatige intelligentie, machine learning en deep learning-praktijken toe te passen in de datacenters. Aangezien deze technologieën bestaande technologieën voor gegevensopslag zullen uitdagen, kunnen nieuwere en betere platforms zoals de edge of serverless het antwoord zijn.

Afbeelding tegoed: Shutterstock.com

1601371550_Tom_Allen_600x448.jpg

Leiderschapsstijl transformeren om te slagen tijdens de crisis

Klik voor meer informatie over auteur Tom Allen.

De opkomst van COVID-19, de ziekte die wordt veroorzaakt door het nieuwe coronavirus, heeft meer dan 31 miljoen in 188 landen wereldwijd. Temidden van dergelijke ernstige pandemische situaties staan ​​bedrijfsleiders onder grote druk. Hoewel ze ervoor moeten zorgen dat het bedrijf niet negatief wordt beïnvloed door mensen die vanuit huis werken, moeten ze er ook voor zorgen dat hun teams comfortabel en uitgerust zijn om de dagelijkse activiteiten vanuit hun woning te beheren.

Nu de economie constant achteruitgaat als gevolg van de lockdown, staan ​​bedrijven voor enorme uitdagingen. De toekomst lijkt vaag vanwege de lange productiepauze en de verstoorde operaties. Deze pandemie eist van bedrijven transformeren hun datastrategieën en nieuwe maatregelen afdwingen. Vitale overweging van en interesse in transformatief leiderschap is op alle fronten aan de oppervlakte gekomen.

Alle senior executives en CEO’s moeten zich door deze tijd heen manoeuvreren met een aantal herziene data-leiderschapsvaardigheden. Deze crisis heeft de traditionele normen van het managen van een team en het werken met een team onder de loep genomen en geschrapt.

Maar hoe kan een leider effectief leiderschap tonen in een onbestudeerde en onvergelijkbare situatie als deze?

Hier zijn een paar eigenschappen die leiders kunnen aanpassen, bouwen en uitvoeren voor visionaire prestaties in de post-COVID-19-wereld. Deze eigenschappen verduidelijken de definitie van een effectieve en transformatieve leider.

Transparantie

Het is vaak nodig om te illustreren dat alles onder controle is voor de belanghebbenden, klanten en medewerkers van het bedrijf. Transparantie schept ruimte voor discussie, begrip en ontwikkeling in tijden van crisis en anderszins. Dit is een efficiënte manier om snellere en betere oplossingen te vinden. De 21e eeuw heeft in de loop van de tijd de behoefte aan transparantie doen ontstaan. Wat is een beter moment dan een crisis om het verstandig te implementeren en uit te oefenen?

Communicatie

Leiders moeten op menselijk en zakelijk niveau met hun werknemers communiceren. Communicatie is de sleutel tot elk succes en oplossing. Open en ruimdenkende communicatie is de fakkeldragende vaardigheid van een succesvolle leider te midden van crises als een pandemie.

Begrip

De huidige situatie heeft voor onmetelijke onzekerheid gezorgd met betrekking tot ontslagen, loonsverlagingen en nog veel meer. In zulke tijden moeten leiders de horizon van begrip van de situatie verbreden. Werknemers in alle diensten worden gehinderd door toenemende bezorgdheid en verwachten van hun bazen dat zij rekening houden met het beter functioneren van de organisatie.

Planning

Ze zeggen dat het plannen van een uur tien uur werk bespaart. Planning en strategieën volgens de markt, statistieken en evoluerende trends van de pandemie zijn dus een must. Planning van elke afdeling met exclusieve en specifieke doelen vertoont duidelijkheid en verhoogt de werkefficiëntie. Als uw medewerkers en belanghebbenden hun eigen specifieke doel en het cumulatieve doel van het bedrijf kennen, zorgt dit voor betere resultaten.

Motivatie

De geest van het personeel op peil houden is een essentiële taak. Verwaterde motivatie brengt de vaardigheden van werknemers in gevaar. Moeilijke en uitdagende situaties demotiveren mensen en hebben een directe invloed op hun ideale prestaties. Ook al kun je geen informele feesten meer houden, zorg er dan voor dat je met een aantal activiteiten online contact hebt met je personeel om hun humeur op peil te houden. Hier zijn enkele tips om y te behoudenonze medewerkers gemotiveerd in deze moeilijke tijd.

Wendbare en duidelijke beslissingen

De flexibiliteit om te analyseren, te communiceren en duidelijke beslissingen te nemen die het bedrijf ten goede komen, momenteel en in de langetermijn, is een noodzakelijke managementvaardigheid. Als hoofdman of -vrouw moeten uw beslissingen nauwkeurig en glashelder zijn. Leiders die beslissingen nemen terwijl ze rekening houden met alle medewerkers, klanten, de toekomst van de markt en de organisatie zelf, zullen ongetwijfeld lange tijd leidend blijven. Het vermogen om slimme en effectieve beslissingen te nemen gedurende een bepaald tijdsbestek (vooral in tijden van crisis) is een teken van een effectieve leider.

Er zijn echter geen basisregels voor perfect leiderschap. De kapitein van het schip is de stuurman van de reis, dus verantwoordelijkheidsgevoel en druk zijn vanzelfsprekend. Een wereldwijde pandemie heeft leiders op de radar gezet en op de proef gesteld, maar dit is geen normale race. Er zijn zeker geen antwoorden op deze onzekere situatie. Het vervullen van uw rol en het uitvoeren van taken die uw personeel gemotiveerd houden, is een noodzakelijke deugd voor een leider om te slagen in een crisis en anderszins. Verwijs naar deze geweldige suggesties in het eBook Hoe u een geweldige zakelijke leider kunt worden: de ultieme gids voor de eigenaar van een klein bedrijf.

Het bevredigen van de perceptie van mensen van een leider terwijl ze constant veranderende gebeurtenissen beheren, is een zware taak voor degenen in leidinggevende functies. Elke stap en beslissing wordt in twijfel getrokken en is mogelijk omstreden. Leiders jongleren met oplopende spanningen en geïdealiseerd leiderschapsbeleid. Maar in een onvoorziene situatie hebben ze toch ook tijd nodig om na te denken en te analyseren? De wereld vergeet soms dat CEO’s en hogere functionarissen ook mensen zijn.

Alle leiders die hun rol omarmen en enkele van de bovenstaande tips ter harte nemen, zullen uit deze moeilijke situatie komen en in de toekomst meer geleerde en visionaire versies van zichzelf worden.

DAStrategies-FeaturedImage.png

DAS-dia’s: datavirtualisatie – mythe scheiden van realiteit

Om alleen de On Demand-opname van deze presentatie te zien, klikt u op HIER >>

Over het webinar

Datavirtualisatie is een praktijk waarbij gegevens uit ongelijksoortige bronnen logisch worden geïntegreerd zonder dat de gegevens fysiek hoeven te worden verplaatst. Hoewel dit een aantrekkelijk vooruitzicht kan zijn, bestaat er veel verwarring over deze technologie en hoe deze optimaal te gebruiken. In dit webinar worden de voor- en nadelen van datavirtualisatie uitgelegd, samen met praktische use cases voor implementatie.

Over de spreker

Donna Burbank

Managing Director, Global Data Strategy Ltd

Donna Burbank is een erkende branchedeskundige op het gebied van informatiemanagement met meer dan 20 jaar ervaring in het helpen van organisaties om hun zakelijke kansen te verrijken door middel van gegevens en informatie. Momenteel is ze de algemeen directeur van Global Data Strategy Ltd, waar ze organisaties over de hele wereld helpt om waarde uit hun data te halen. Ze heeft met tientallen Fortune 500-bedrijven over de hele wereld gewerkt in Amerika, Europa, Azië en Afrika en spreekt regelmatig op brancheconferenties. Ze is co-auteur van verschillende boeken over gegevensbeheer en levert regelmatig bijdragen aan branchepublicaties. Ze is te bereiken op donna.burbank@globaldatastrategy.com en je kunt haar volgen op Twitter @donnaburbank.

Dit webinar wordt u aangeboden in samenwerking met: