信息数据仓库咨询来电咨询「北京派客动力」

数据治理数据适用、加工活动

数据处理活动需要具备明确的目的，并被用户授权；

处理生物识别、健康、金融账户、行踪轨迹等敏感个人信息，应取得个人的单独同意；

通过自动化决策方式向个人进行信息推送、商业营销，应提供不针对其个人特征的选项或提供便捷的拒绝方式。

数据传输、提供、公开活动

未经用户授权，数据信息不得向第三方传输和提供；

数据信息特定目的适用，未经授权不得不公开；数据信息不得泄露的原则。

数据治理成为未来发展主流

面对新经济发展模式，新的机遇和挑战，很显然引导和参与下，社会将投入更多的资源，形成新一轮的数字化建设的浪潮。那么，数据化建设的方向、数据化建设的内容，在此期间将会有哪些特点，本文从多方面给予论述，为企业发展提供简明的思路。

作为未来的发展前沿，离不开数字化基础。数字化浪潮虽然可以促进企业的快速发展，推动信息的流动，但是离不开企业信息化发展的规律。企业仍会从业务系统开始，逐步构筑数据融合的信息平台再构筑跨管辖权的数据交换平台。这个发展规律，决定了企业未来的数字项目内容，这些内容将是未来的发展主流。

数据治理数字标准

数字化社会的体现标志是什么，笔者认为数字化社会的标志不是数字应用场景的具体化，也不是数据应用的多样化，而是全社会对数字有一个共同的标准、共同的规范，所有的数字化活动应遵循相关的要求，比如分类分级标准、数据安全规范、数据保护条例等等。

全社会将从行业归属角度，逐步建立数据分类分级标准，其中离不开的引导，分类分级的标准将是未来数据大融合、一个数据标准的数据基石，如何做好分类分级，凝聚社会共识，该类工作将会以咨询的方式完成规划，以公示的方式完成补充，形成数据分类分级标准。

数据治理企业系统梳理

开展数据、信息梳理的步，先对企业中的所有系统进行梳理，了解不同系统下的业务需求、项目模块、业务组等，编制梳理计划。当系统间进行集成或对接时，无非是将系统下的数据进行交互对接、整合，此时常见的问题就是各系统间相同的数据无法保证数据格式的一致性、准确性和完整性。第二步便是要对数据制定统一性规则，确保数据的完整性和一致性。首先要建立公共信息类模型，保障数据梳理时有统一的信息规范。其次，设定特殊信息级模型，制定数据性等级，确定数据信息敏感级别，方便确立日后哪些数据、信息以何种形式进行交互流通。