京公网安备 11010802034615号
经营许可证编号:京B2-20210330
为新大数据规则准备的五个小贴士
“遗忘的权利”使得像谷歌和微软这样的大公司按照欧洲法院的规定急忙删除互联网上哪些过时的搜索信息。但是英国的企业真的准备好了迎接这场即将到来的数据改革浪潮吗?
高层讨论欧盟新通用数据保护规则——计划协调数据监管整个欧洲,并给予公民更大地控制他们个人数据的权利——本月再次开始。预计将于明年批准并在2017年全面确定。
被遗忘的权利可能不是最终的表达——它可能改述为“删除的权利”。
但是当新的规则取代当前所参照的1998年欧洲数据保护标准时,对任何以处理欧洲公民数据的公司来说影响都是巨大的。
对所有公司来说最大的恐惧将会是潜在的数据泄露所带来的巨额罚款,占每年总营业额的5%,甚至能高达一亿欧元。
新规则把数据处理者和数据控制着都纳入了监管的范围,所以每个处理数据的公司无论其规模和业务都会受到影响。
其他的新规定将包括要求在收集公民的数据之前必须首先征得公民的同意。
这些都是巨大的挑战,但是在以下五个主要领域中,公司可以采取基本的数据收集、存储、和销毁原则来为将来所有可能性做准备。
1.清理你的数据并理解它们的价值
从审计开始区分当前存储的多少数据是实际需要保存的,是有用的记录,还是垃圾或数据噪音?销毁不必要的信息,有助于构建一个清晰的未来,特别是 在新的规则下如果数据需要搜索和编辑。对需要保存的数据,确定你知道存储的位置,使用者是谁,怎样使用和如何来保护它。另一个值得关注的事情就是新规则希 望包括公民想要得到他们可用数据的携带权利,这也是一个巨大的挑战。然而,合理的数据使用关键就是首先要理解它的价值。将数据视为一种资产你会有一个好的 开始。
2.明确责任人和所有权
对违规者的巨额罚款,高达占总营业额5%的处罚原则,对拥有所有权和责任人来说,遵守新规则显得至关重要。弄清楚在你的企业中负责不同类型数据的负责人,IT经理、首席信息官、信息管理者或外包公司。
3.立刻开发程序处理数据泄露
欧盟所有的公司很快就会被要求建立一个数据泄露的系统,包括能通知受影响者的程序。新规则希望为向数据数据保护机构报告数据泄露设立一个严格的最后期限。为什么要等待?清晰和熟练的程序应该立刻执行,至少确定由谁来负责报告。
4.明确数据拥有者
将来,公司在收集数据时,首先需要得到公民的同意,所以要提前做好准备。任何存储个人数据的公司都应该考虑保留数据和与客户交流这些数据的合法范围。
5.设计隐私:改变你的文化
开始创建以个公司的文化,隐私被认为是每个过程和每个阶段都应该考虑的事情。很有可能在你的公司第一个接触数据的人并不是高级别人员,例如数据 可以通过客户呼叫中心、电子邮件、传真和信件而接收到。设计隐私和使各级员工都意识到它的重要性,是合理数据使用和保护发展的关键。
底线是在数据迅速变化的时代,无论欧盟数据保护规则最后的草案如何。我们正在考虑建立一个满足公民更多的控制和使用他们个人数据要求的世界。所以,虽然新的规则旨在简化和协调数据规则,但是,对于那些泄露数据的违规者也给予了严重的处罚。
对企业来说,这或许是一个重大的挑战,没有必需的程序或健康的数据政策。同样,对那些没有及时分清哪些数据应该保存,哪些数据应该销毁的企业来 说,前行的道路可能也存在问题。但是对于那些迎难而上,将它视为一个机遇并将数据的真正价值当做信息财富的人来说,它仍然是一个勇敢的新数据世界,现在是 做准备的时候了。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19