حکمرانی داده‌ها موجب افزایش کیفیت داده می‌شود

با توجه به افزایش آگاهی کاربران از حقوق مربوط به داده‌ها، اهمیت موضوع حکمرانی داده‌ها نیز رو به افزایش است. این موضوع شامل انواع واحد اندازه‌گیری، استانداردها، قوانین و روندهایی است که به شرکت‌ها کمک می‌کند از اطلاعات به طور مفید و مسئولانه استفاده کنند؛ در این حین که شرکت‌ها در حال رسیدن به اهداف خود هستند، استفاده از داده‌ها نیز باید موثر و مفید باشند. این روش حکمرانی داده‌ها مسئولیت و روند امنیت و کیفیت داده‌هایی را که توسط سازمان‌ها مورد استفاده قرار می‌گیرند به عهده می‌گیرد. این موضوع به طور خاص در موارد زیر قابل بررسی است:

  • در رابطه با یک دسته داده‌ی مشخص، چه اقداماتی باید انجام شود؟
  • کدام داده‌‌ها نیاز به اقدامات اصلی دارد؟
  • کدام موقعیت‌ها استحقاق اعمال اقدامات را دارند؟
  • روش‌های اعمال اقدامات کدام است؟

هوش مصنوعی در حال تبدیل به ابزار حکمرانی داده‌ها

استراتژی‌های مربوط به حکمرانی داده‌‌ها

هر سازمان می‌تواند از موقعیت‌های زیر با استفاده از استراتژی‌های مربوط به حکمرانی داده‌ها، استفاده‌ی لازم را ببرد:

  • حکمرانی داده‌ها موجب افزایش کیفیت داده می‌شود و به کمک آن استاندارد‌هایی پیشنهاد می‌شود که از سازگاری، کامل بودن و دقیق بودن داده‌ها اطمینان حاصل می‌کند.
  • حکمرانی داده‌ها موجب به وجود آمدن قابلیتی می‌شود که به کمک آن سازمان‌ها قادر به بازگشایی جایگاه کلیدی داده‌های وجودی هستند. این موضوع موجب یکپارچه‌سازی آسان‌تر داده‌ها می‌شود.
  • شرکت‌ها می‌توانند از نمای ۳۶۰ درجه جهت درک بهتر مشتریان و سایر تبلیغات وجودی استفاده کنند.
  • حکمرانی داده‌ها موجب ایجاد فضایی موثر جهت پیروی از مقررات دولتی همچون HIPAA و GDPR و یا پرداختن به استانداردهای صنعتی همچون PCI DSS (کارت پرداخت استانداردهای امنیتی داده‌های صنعتی) می‌شود.
  • حکمرانی داده موجب پیشرفت در مدیریت داده‌‌ها به کمک معرفی المان‌های انسانی در دنیای اتوماتیک مربوط به داده‌ها می‌شود.

نقش هوش مصنوعی در حکمرانی داده‌‌ها

کسب‌کارها در ارائه‌ی پیشنهادهای مختلف جهت پیشی گرفتن از یکدیگر، همواره به دنبال راه‌ حل‌های موثر هستند. شما می‌توانید ارزش ‌داده‌ی خود را با به کار بردن قوانین مربوط به حکمرانی داده ‌همراه با هوش مصنوعی گسترش دهید. هوش مصنوعی در مدیریت داده‌ها کمک می‌کند تا تمرینات غیر مفید و یا آن‌هایی را که به بهترین نحو برای شرکت کار می‌کنند شناسایی کند.

منابع مختلف گستره‌ی‌ داده‌ی وسیعی را با توجه به صنعت مربوطه تولید می‌کنند. دپارتمان‌های سازمانی زیادی به دنبال افزایش عملکرد خود و میزان داده‌ی مورد استفاده هستند. به عنوان مثال دپارتمان‌های فروش که ترفند‌های معروف مربوط به مشتریان را مطالعه می‌کنند، قادر به دریافت دیدگاه‌های مفید هستند. امروزه سازمان‌های زیادی تحلیل‌های قابل پیش‌بینی جهت گسترش میزان کارآمدی عملکرد کسب و کار خود برای شرکت برنامه‌ریزی کرده‌اند.

مشابه این موضوع، کارخانه‌های تولیدی نیز به طور موثری روی هوش مصنوعی جهت آنالیز حساب باز کرده‌اند. با اعمال این اقدامات، این سازمان‌ها قادر به شناسایی موارد مورد نیاز صنعت جهت تطبیق روند تولید خود با آن هستند.

هوش مصنوعی در روند نگهداری نیز به کار می‌رود؛ هنگامی که کیفیت محصول مربوط به یک ماشین خاص می‌شود، آنالیزهای مربوط به هوش مصنوعی، این موضوع را ریشه‌یابی می‌کنند و پس از آن به عهده‌ی بخش مدیریت داده است تا در رابطه با لزوم نگهداری قابل پیش‌بینی، تصمیم‌گیری کند.

به کمک هوش‌ مصنوعی، کسب و کارها قادر به تشخیص ناهنجاری‌ها هستند. به عنوان مثال، در صورت وجود نقض در مرکز داده، بخش مدیریت می‌تواند با به کارگیری یک هوش مصنوعی هر نوع حمله‌ی سایبری را شناسایی کند. به این منظور، هوش مصنوعی الگوریتم‌های فراگیری ماشین را مطالعه کرده و مقدار داده‌ی پرحجمی را استفاده می‌کند. در نتیجه هنگامی که تهدید سایبری اتفاق بیافتد،‌ هوش مصنوعی  قادر به شناسایی روند آن بوده و مسئولان را پیش از به خطر افتادن داده‌ها آگاه می‌سازد. این موضوع به این معنی است که هوش مصنوعی قادر به خودکارسازی در حریم خصوصی، انطباق و امنیت داده‌هاست. بنابراین سازمان‌ها می‌توانند از وجود شبانه‌روزی یک محافظ که برخلاف منابع انسانی به طور خستگی ناپذیر قادر به کنترل تبادلات است، اطمینان حاصل کنند.

هوش مصنوعی اطمینان حاصل می‌کند که داده‌ها بدون اینکه توسط مجرمان سایبری قطع شوند به کاربران مورد نظر برسند.  این مجرمان ممکن است نقش‌های مختلفی همچون مرد میانی، حملات فیشینگ، بدافزارها، نرم‌افزار جاسوسی یا یا هر نوع حمله‌‌ی سایبری دیگر را داشته باشد. اساسا هوش مصنوعی، دموکراتیزه کردن حکمرانی داده است. به عنوان مثال، هوش مصنوعی در روند خودکار شناسایی جهت آنالیز رفتار داده که در روند تولید آن نشان‌داده می شود به کار می‌روند. به این صورت سوابق دیجیتال از داده‌های رفتاری برگرفته می‌شوند.

چالش‌های مربوط به هوش مصنوعی و حکمرانی داده‌ها

حکمرانی داده‌ها با چالش‌های زیر رو به رو است:

  • رشد تصاعدی داده‌

دلیل آن که امروزه از داده به عنوان «کلان داده» یاد می‌شود آن است که میزان رشد تولید و ذخیره‌ی داده،‌ شاهد افزایش تصاعدی است. تکنولوژی‌ها کامپیوتری پر رونق بوده و دستگاه‌هایی که قادر به ذخیره‌ی داده هستند رو به افزایش است.

از دهه‌ی ۱۹۹۰ تا پایان سال ۲۰۰۰، دسکتاپ‌ها و لپ‌تاپ‌ها، تلفن‌های هوشمند و تبلت‌ها دستگاه‌های اصلی مورد استفاده‌ی کاربران بوده‌اند. امروزه با وجود اینترنت اشیاء، ساعت‌های هوشمند، رد‌یاب‌های تناسب اندام، یخچال‌ها، تلویزیون‌ها و سیستم‌های امنیت خانه و حتی ساعت‌های زنگ‌دار نیز به این دستگاه‌ها اضافه شده‌ند. با وجود اینکه از این تغییرات به خوبی استقبال شده‌است، تاثیر افزایش این مقدار داده یر روی سازمان‌ها نیازمند عکس‌العمل جدی است و سازمان‌ها احتیاج به یه زیرساخت قی جهت مدیریت این حجم از داده هستند.

 

  • جابه‌جایی از سامانه‌ی موروثی

امروزه سامانه‌ی موروثی پاسخگوی نیاز داده‌ها در دنیای مدرن نیستند و به همین دلیل باید از میان برداشته شوند. گرچه روند جابه‌جایی به سامانه‌های دیگر نیز کمی پیچیده است، اما باید به فکر ساخت چهارچوبی باشید که شامل مقیاس‌پذیری، امنیت و تطابق در سامانه‌ی جدید باشد.

 

  • پیروی از چهارچوب

میزان تاثیر هوش مصنوعی بستگی به میزان دسترسی به منابع داده‌ها دارد. داده‌ها باید بدون تبعیض و کامل باشند و برای داشتن یک حکمرانی داده‌ی موفق تمامی دپارتمان‌های مربوط به داده‌ها باید از چهارچوب مربوطه پیروی کنند.

مسئولیت‌ها و اصول اخلاقی حکمرانی داده‌ها

GDPR و CCPA (فعالان حریم خصوصی مصرف‌کنندگان کالیفرنیا) نوعی از راه‌حل‌های مدرن در رابطه با حفاظت از داده‌‌ی کاربران است. این گروه‌ها حداقل استانداردهایی مورد نیازی را تعریف می‌کنند که عدم دنبال کردن آن‌ها موجب صدمات جدی می‌شود.

برخی از سازمان‌ها اصلی مدیریت داده‌ها، در رابطه با نوع ارتباط کاربران با داده‌های خود، از این مقررات نیز فراتر می‌روند. به عنوان مثال پرونده‌ی Io-Tahoe را در نظر بگیرید. این سازمان که نوعی پاسخ هوشمند در رابطه با کشف داده را پیشنهاد می‌دهد، در عین حال که اهمیت امنیت PII (اطلاعات قابل شناسایی شخصی) را به خوبی درک کرده است، به کاربران خود این اجازه را می‌دهد که از چنین داده‌ی حساسی همچون PII به طور مداوم استفاد کنند.

با این وجود برای اکثر شرکت‌ها،‌ GDPR  هنوز به درستی جا نیافتاده است. در حال حاضر، هوش مصنوعی شامل استاندارهای ناچیزی در رابطه با اصول اخلاقی می‌‌شود. با وجود اینکه ممکن است اعتراض کاربران بسیاری در رابطه با ضعف‌های هوش‌مصنوعی به گوش خورده باشد، این موضوع هنوز جهت تمرکز شرکت‌ها برای سرمایه‌گذاری موضوع چندان مهمی به شمار نمی‌آید.

در صنعت‌های پایبند به مقررات، سازمان‌ها در پی آن هستند که پایبندی به اصول اخلاقی مربوط به هوش‌مصنوعی را در کنار حکمرانی داده، پیاده‌سازی کنند. نقش این شرکت‌ها در این رابطه عملا موجب تبدیل شدن آن‌ها به رهبران اصول اخلاقی در هوش‌مصنوعی شده‌ است. با این وجود کمبود حریم خصوصی داده و حکمرانی داده، در ایالات متحده موجب محدود شدن تلاش جهت تدبیر کافی در رابطه با اصول اخلاقی مربوط به هوش مصنوعی شده. این موضوع دلیل اصلی آن است که برخی از متخصصان بر این باورند که اروپا در پنج‌سال آینده برای اولین بار قادر به تاسیس چهارچوب قانونی مناسب در رابطه با اصول اخلاقی هوش مصنوعی خواهد شد.

با جدی گرفتن اصول اخلاقی مربوط به هوش‌مصنوعی، شما می‌توانید نظر عموم را نسبت به پیشرفت شرکت خود جلب کنید. سیستم هوش‌مصنوعی شما باید ویژگی‌های زیر را داشته باشد:

  • با همه‌ی افراد برخوردی منصفانه داشته باشد
  • در ارتباط با دیگران بوده و موجب توانمندسازی آن‌ها باشد
  • هنگام کار امن و قابل اعتماد باشد
  • برای حریم خصوصی و حفاظت از داده احترام قائل باشد
  • قابلیت پاسخ‌گویی الگوریتمی داشته باشد

نتیجه‌ی نهایی

قوانین مربوط به حکمرانی داده‌ها باید با توجه به تکنولوژی روز، تمرینات کاری و قوانین نو ظهور، پیشرفت کرده و شرکت‌های امروزی باید در این فکر باشند که از داده‌های خود چگونه در روند ذخیره و پردازش استفاده خواهند کرد.

به کار بردن هوش مصنوعی قابلیت پیشرفت جهت مطلوب‌تر کردن شرایط دارد. با کمک خودکارسازی، شرکت‌ها قادر به گسترش اجرای امنیت و انطباق در مراکز داده‌ی خود هستند.

منبع: simplilearn

نوشته‌های تازه

بیشتر بخوانید  نمونه اهداف استراتژیک برای استفاده در برنامه استراتژیک

آخرین دیدگاه‌ها

دسته‌ها