Security, compliance, and governance
Data Governance Strategies
Data governance untuk AI mengelola lifecycle data, dari pengumpulan dan penyimpanan sampai penggunaan dan keamanan.
Strategi
- Data quality and integrity: standar kualitas, validasi dan cleansing, serta lineage dan provenance (asal data dan bagaimana data berubah).
- Data protection and privacy: kebijakan privasi, kontrol akses, enkripsi, dan respons kebocoran data.
- Data lifecycle management: klasifikasi dan katalogisasi data, kebijakan retensi dan pemusnahan, backup dan recovery.
- Responsible AI: framework untuk bias, fairness, transparency, dan accountability, plus monitoring dan pelatihan tim.
- Governance structures and roles: data governance council, serta peran data steward, owner, dan custodian yang jelas.
- Data sharing and collaboration: perjanjian berbagi data, serta data virtualization atau federation yang tetap menjaga kepemilikan.
Konsep yang perlu diketahui
| Konsep | Arti |
|---|---|
| Data lifecycle | Collection, processing, storage, consumption, lalu disposal atau archiving |
| Data logging | Mencatat input, output, metrik performa, dan event sistem |
| Data residency | Lokasi fisik tempat data disimpan dan diproses: regulasi privasi, kedaulatan data, kedekatan dengan compute |
| Data monitoring | Memantau kualitas, anomali, dan data drift (distribusi input berubah seiring waktu) |
| Data analysis | Statistik, visualisasi, dan exploratory data analysis (EDA) |
| Data retention | Berapa lama data disimpan: regulasi, kebutuhan retraining, biaya penyimpanan |
Data transcription, batch processing, dan OLTP adalah teknik pemrosesan, bukan strategi governance.