大数据企业组织遵守GDPR的五大要素

简介:

2018年5月25日,“一般数据保护条例”(GDPR)将在欧盟实施。有可能人们已经了解到关于GDPR的相当多的讨论和争议,并且有很好的理由,而其实施代表了如何在全球范围内处理数据的重大变化。

但是,如果你所在的组织还在加快发展速度,或者是全世界50%受影响的组织之一,将在一年之后毫无准备,大部分规定归结为一个简单的事情:数据治理。通过实施数据治理实践,组织才会顺利通过合规性。

对于主要从事大数据业务的公司(或任何关于数据的业务),关于GDPR的最令人生畏的事情之一是组织已经积累了大量的数据,而这些规定不仅适用于未来发展,而且还追溯到现在。大数据组织的GDPR遵从路径首先是确定五个关键挑战:

(1)数据存储

(2)调整团队

(3)适应数据主体要求

(4)数据治理

(5)适应性

1.数据存储

确定个人数据在多个不同的(可能是孤立的)数据源之间存储的位置

关于GDPR,组织最终将需要评估所有数据的存储位置,并确保其可访问,而不仅仅是那些有业务需要访问的数据。数据团队领导者(如果组织在GDPR下需要DPO)应该能够轻松地了解和审核数据来源,哪些人可以访问什么数据,以及哪些来源用于哪些项目。

2.调整团队

使整个组织(包括IT,市场营销,客户支持和数据团队)的每个人都调整新策略和执行任何更改。

当前的GDPR变化肯定会迫使任何组织需要更加促进团队之间的合作,以便迅速做到这一点。但这不仅仅是通过电子邮件或内部视频聊天来增加沟通的问题。围绕数据保护需要一定的透明度,允许客户服务团队发布请求,而无需每次要求数据团队获得答案或营销团队了解GDPR限制是什么,完成客户定位项目时不会不经意间违反GDPR。此外,从事新项目的数据团队可以与负责维护客户认可协议的法律团队进行沟通,并可以相应地更新。

3.容纳数据主题请求

制定流程以适应数据主体的要求,确保所有的团队能够及时执行流程。

GDPR的最大变化之一是数据主体的权利。

根据新立法,数据主权拥有以下的权利:

•被遗忘(已擦除数据)。

•访问(获取有关正在处理哪些数据的信息,以及用于什么目的)。

•数据可移植性(接收有关它们的个人数据的副本)。

•以纯粹的算法为基础,对影响他们的决策的问题进行解决。

虽然不可能预测组织可能收到多少数据主体请求,但至关重要的是准备并有效的进程。当第一个请求进入时,等待和开发一个进程不是一个好主意。

4.数据治理

在审核情况下,确保适当的数据治理,安全和监控。对于这个挑战,答案是一样的,如果企业已经解决了以前的挑战,那么已经开始了:将所有的数据工作集中到一个地方,数据治理和潜在的审计很容易。可以通过数据科学平台严格控制安全性,消除在员工的笔记本电脑或本地电子表格上流动的个人数据的风险。

5.适应性

实施敏捷解决方案,使组织的操作灵活,轻松适应变化。变革是不可避免的,数据保护和隐私法规的现实是,它们将随着新兴技术的不断发展而变化。所以对于所有从事GDPR合规的企业来说,重要的是要采用灵活的解决方案,并适应未来的技术和法规的变化。

这当然意味着选择一种能够访问尖端数据科学工具和最佳开放源代码世界的解决方案,以便业务能够持续增长和发展,而不会因监管要求而停滞不前。但这也意味着要找到数据治理的解决方案以及解决GDPR提出的其他挑战,对于处于不属于GDPR欧盟的公司也是如此,对于受到英国退出欧盟不确定因素影响的公司而言更是如此。

这些挑战只会在组织为满足新的GDPR而需要做出更改。一旦这些挑战得到解决,组织的业务将能够继续解决一些较小的程序变更和组织调整,以满足GDPR的全面遵守,因为任何类型的数据工作的组织最终需要解决大量的信息,法规和细节。

本文转自d1net(原创)

相关实践学习
基于MaxCompute的热门话题分析
Apsara Clouder大数据专项技能认证配套课程:基于MaxCompute的热门话题分析
相关文章
|
物联网 大数据
助力工业物联网,工业大数据之其他维度:组织机构【十五】
助力工业物联网,工业大数据之其他维度:组织机构【十五】
173 0
|
SQL 存储 监控
大数据Flume企业开发实战
大数据Flume企业开发实战
158 0
|
5月前
|
存储 供应链 数据可视化
Java 大视界 -- 基于 Java 的大数据可视化在企业供应链风险预警与决策支持中的应用(204)
本篇文章探讨了基于 Java 的大数据可视化技术在企业供应链风险预警与决策支持中的深度应用。文章系统介绍了从数据采集、存储、处理到可视化呈现的完整技术方案,结合供应链风险预警与决策支持的实际案例,展示了 Java 大数据技术如何助力企业实现高效、智能的供应链管理。
|
8月前
|
数据采集 人工智能 大数据
大数据+商业智能=精准决策,企业的秘密武器
大数据+商业智能=精准决策,企业的秘密武器
275 28
|
9月前
|
机器学习/深度学习 人工智能 搜索推荐
用大数据重塑客户关系管理:聪明企业的秘密武器
用大数据重塑客户关系管理:聪明企业的秘密武器
229 9
|
9月前
|
机器学习/深度学习 人工智能 算法
解锁政策红利:大数据时代的企业与个人发展新契机
在大数据与机器学习时代,政策解读、预测分析和个性化匹配成为挖掘发展新动能的重要工具。无论是企业还是个人,都能借助先进技术轻松理解复杂政策,把握趋势先机。文章探讨了自由职业者、创业者及企业员工如何通过政策支持实现协同发展,并介绍了“政策宝”这一智慧助手,助力用户发现和利用政策红利,抓住机遇实现目标。探索政策宝库,开启发展新征程!
|
消息中间件 分布式计算 大数据
数据为王:大数据处理与分析技术在企业决策中的力量
【10月更文挑战第29天】在信息爆炸的时代,大数据处理与分析技术为企业提供了前所未有的洞察力和决策支持。本文探讨了大数据技术在企业决策中的重要性和实际应用,包括数据的力量、实时分析、数据驱动的决策以及数据安全与隐私保护。通过这些技术,企业能够从海量数据中提取有价值的信息,预测市场趋势,优化业务流程,从而在竞争中占据优势。
672 2
|
存储 机器学习/深度学习 大数据
参与开源大数据Workshop·杭州站,共探企业湖仓演进实践
Apache Flink 诚邀您参加 7 月 27 日在杭州举办的阿里云开源大数据 Workshop,了解流式湖仓、湖仓一体架构的最近演进方向,共探企业云上湖仓实践案例。
337 12
参与开源大数据Workshop·杭州站,共探企业湖仓演进实践
|
Oracle 大数据 数据挖掘
企业内训|大数据产品运营实战培训-某电信运营商大数据产品研发中心
本课程是TsingtaoAI专为某电信运营商的大数据产品研发中心的产品支撑组设计,旨在深入探讨大数据在电信运营商领域的应用与运营策略。通过密集的培训,从数据的本质与价值出发,系统解析大数据工具和技术的最新进展,深入剖析行业内外的实践案例。课程涵盖如何理解和评估数据、如何有效运用大数据技术、以及如何在不同业务场景中实现数据的价值转化。
248 0
|
存储 监控 数据挖掘
云上大数据分析平台:赋能企业决策,挖掘数据金矿
5.3 场景化 针对不同行业和领域的需求特点,云上大数据分析平台将推出更多场景化的解决方案。这些解决方案将结合行业特点和业务场景进行
722 7