أسس البيانات وحوكمتها
تقوم التحليلات الجيدة والذكاء الاصطناعي الآمن على بيانات خدمة معرَّفة ومملوكة ودقيقة وقابلة للتتبع ومحمية ومحفوظة بقدر الحاجة فقط؛ وتعطي حوكمة البيانات كل مجموعة بيانات مهمة مالكًا مسمّى وتعريفًا بسيطًا وفحص جودة وقواعد للوصول والاحتفاظ.
لماذا يهم هذا
السبب الأكثر شيوعًا لخيبة تحليل ليس الأسلوب. إنه البيانات. غُيّرت فئات التذاكر الربيع الماضي ولم يسجل أحد متى. ويدّعي نظامان كلاهما أنه يحتفظ بقسم العميل، ويختلفان. والطوابع الزمنية في مناطق زمنية مختلفة. وحقل يبدو كاملًا مملوء بـ«أخرى» في نصف السجلات. وتُظهر لوحة هبوطًا في الحوادث، ويتبين أن السبب تغيير في التسجيل لا خدمة أفضل.
وتضر المشكلات نفسها بالذكاء الاصطناعي. فنموذج دُرِّب على تذاكر ذات تسميات خاطئة يتعلم التسميات. ومساعد مرتكز على مقالات بالية يقتبسها. وتوقع مبني على تاريخ ناقص يحمل الفجوات إلى الأمام. وحين تعتمد المؤسسات على التحليلات والذكاء الاصطناعي، تتوقف جودة البيانات وملكيتها وحمايتها عن كونها خلفية تقنية وتصير خدمة بذاتها.
وحوكمة البيانات هي ممارسة إدارة البيانات أصلًا: قرار من المسؤول، وماذا يعني كل مصطلح، وكيف تُفحص الجودة، وكيف تتحرك البيانات ومن أين جاءت، ومن يجوز له استخدامها، ومتى تُحذف. وتصف ويكيبيديا حوكمة البيانات بأنها الإدارة الشاملة لتوافر البيانات وقابليتها للاستخدام وسلامتها وأمنها. يصفها هذا الموضوع لبيانات إدارة الخدمات بعبارات عملية، ويبيّن كيف تبدأ صغيرًا. وهو يدعم التحليلات (الموضوع 7.1 — التحليلات لإدارة الخدمات) والقياس (الموضوع 7.3 — القياس والتقارير) وقابلية الملاحظة (الموضوع 7.4 — قابلية الملاحظة والقياس عن بُعد) والذكاء الاصطناعي (الموضوع 5.6 — حوكمة الذكاء الاصطناعي ومخاطره والامتثال)، ويتصل ببيانات التكوين (الموضوع 4.4 — إدارة التكوين). وهو لا يقدم مشورة قانونية.
المفاهيم الأساسية
أصل البيانات. مجموعة بيانات ذات قيمة للمؤسسة، مثل تاريخ التذاكر أو قاعدة بيانات التكوين أو بيانات المراقبة أو نتائج الاستبيانات أو بيانات التكلفة. وكغيرها من الأصول، لها مالك وكلفة ودورة حياة ومخاطر. انظر الموضوع 4.1 — إدارة الأصول.
مالك البيانات والمشرف عليها. مالك البيانات مسؤول عن مجموعة بيانات: غايتها وجودتها ومن يجوز له استخدامها. ويعتني المشرف على البيانات بها يوميًا، فيعالج التعريفات ومشكلات الجودة وطلبات الوصول. وتصف ويكيبيديا المشرفين على البيانات. وفي الفرق الصغيرة قد يشغل شخص واحد الدورين. وبدون أشخاص مسمّين لا يصلح أحد المشكلات.
تعريفات البيانات وقاموسها. بيان بسيط لمعنى كل حقل ومصطلح، مثل «محلول» أو «حادث كبير»، مع كيفية حسابه ومصدره. وتصف ويكيبيديا قواميس البيانات. تمنع التعريفات فريقين من استخدام الكلمة نفسها لأشياء مختلفة. سجّل تغييرات التعريفات بتواريخها، ليمكن تفسير الاتجاهات.
البيانات الوصفية. بيانات عن البيانات: من أين جاءت ومتى حُدّثت ومن يملكها وكيف صُنّفت وماذا تعني. وتصف ويكيبيديا البيانات الوصفية. وفهرس البيانات جرد قابل للبحث لمجموعات البيانات وبياناتها الوصفية، يساعد الناس على إيجاد البيانات والوثوق بها.
جودة البيانات. الملاءمة للاستخدام، وتوصف عادة بأبعاد مثل الدقة والاكتمال والاتساق وحداثة التوقيت والتفرد. وتصف ويكيبيديا جودة البيانات. والجودة نسبية للاستخدام: فقد تكون فئة تذكرة جيدة بما يكفي لاتجاه شهري وخشنة جدًا للتوجيه. قِسها على الحقول المهمة، وأصلح الأسباب عند المصدر. وتنظيف البيانات، الذي تصفه ويكيبيديا، يصحح الأخطاء بعد الواقعة ولا يمنع تكرارها.
مصادر الجودة الرديئة. حقول نص حر يملؤها الناس بطرق مختلفة، وقيم افتراضية لا تتغير أبدًا، وفئات تنمو بلا تقليم، وإدخال يدوي يُتجاوز تحت الضغط، وتكاملات تُسقط السجلات أو تكررها، وتغييرات في الأنظمة تغيّر المعنى. أصلحها بنماذج أفضل وتحقق وتدريب ومراجعة التكامل، لا بلوم الناس.
النسب والمنشأ. سجل بمصدر البيانات وما حدث لها في طريقها إلى تقرير أو نموذج. وتصف ويكيبيديا نسب البيانات. وحين يُشكك في رقم، يتيح النسب تتبعه. وهو يُظهر أيضًا أي التقارير تتأثر حين يتغير مصدر.
خطوط البيانات والتكامل. التدفقات التي تنقل البيانات بين الأنظمة، وتوصف غالبًا استخلاصًا وتحويلًا وتحميلًا (ETL) في مقالة ويكيبيديا، والمخازن مثل مستودعات البيانات وبحيرات البيانات، التي تصفها ويكيبيديا أيضًا. تحتاج خطوط البيانات إلى مالكين ومراقبة واختبارات، كأي نظام إنتاج. انظر الموضوع 6.2 — أتمتة سير العمل والتنسيق.
الزمن والهوية. أمران صغيران يسببان متاعب كبيرة. تحتاج الطوابع الزمنية إلى منطقة زمنية وصيغة متسقتين، كما تقترح مقالتا ويكيبيديا عن الطوابع الزمنية والمناطق الزمنية؛ والمناطق المختلطة تنتج فجوات وقفزات غامضة. وتحتاج معرّفات الناس والخدمات والأصول إلى أن تكون ثابتة ومشتركة عبر الأنظمة، ليمكن ربط السجلات. وإدارة البيانات الرئيسة، التي تصفها ويكيبيديا، انضباط إبقاء هذه البيانات الجوهرية متسقة.
التصنيف. وسم البيانات بالحساسية، مثل عامة وداخلية وسرية ومقيدة، وإرفاق قواعد بكل مستوى. وتصف ويكيبيديا تصنيف البيانات. وكثيرًا ما تحتوي بيانات الخدمة على معلومات شخصية وتفاصيل أمنية، تحتاج حماية.
الخصوصية والحماية. البيانات الشخصية معلومات تتعلق بشخص يمكن التعرف عليه. وتضع قوانين مثل اللائحة العامة لحماية البيانات (GDPR) في الاتحاد الأوروبي قواعد للغرض والتقليل والاحتفاظ وحقوق الأفراد؛ وتصف ويكيبيديا البيانات الشخصية وGDPR. وتقليل البيانات، الذي تصفه هناك، يعني جمع وحفظ ما تحتاجه فقط. وتقنيات مثل استعارة الهوية وإخفاء الهوية، التي تصفها ويكيبيديا، تقلل الخطر، وإن كان من الصعب إتقانها، وقد يمكن عكس إخفاء الهوية الضعيف. اطلب مشورة قانونية وخصوصية.
ضبط الوصول. من يجوز له أن يرى أو يغيّر أي بيانات ولماذا. استخدم الأدوار لا الأفراد حيث أمكن، وراجع الوصول بانتظام. انظر الموضوع 3.13 — إدارة أمن المعلومات والموضوع 3.6 — إدارة طلبات الخدمة.
الاحتفاظ والحذف. كم تُحفظ البيانات وكيف تُتلف. احتفظ بما تحتاجه للعمليات والتحليل والالتزامات القانونية، واحذف الباقي. وتصف ويكيبيديا الاحتفاظ بالبيانات. فالبيانات القديمة تزيد الخطر والكلفة، وقد تتعلم منها أنظمة الذكاء الاصطناعي. وتحقق من متطلبات الاحتفاظ القانونية المنطبقة عليك.
سيادة البيانات. قد تخضع البيانات لقوانين البلد الذي تُخزَّن أو تُعالج فيه. وتصف ويكيبيديا سيادة البيانات. وقد تنقل الخدمات السحابية وخدمات الذكاء الاصطناعي البيانات عبر الحدود؛ فاعرف أين تذهب بياناتك.
البيانات في الذكاء الاصطناعي. البيانات المستخدمة للتدريب أو الاسترجاع أو المطالبات تحتاج الحوكمة نفسها، بعناية إضافية: إذن للاستخدام، ووسم للمصدر، وفحوص للتحيز والانجراف، وضبط لما يُرسل إلى خدمات خارجية. انظر الموضوع 5.1 — الذكاء الاصطناعي في إدارة الخدمات.
منتدى الحوكمة والسياسة. مجموعة صغيرة بسلطة وضع المعايير وحل النزاعات وترتيب أولويات عمل البيانات، وسياسة قصيرة تغطي الملكية والجودة والتصنيف والوصول والاحتفاظ واستخدام البيانات في الذكاء الاصطناعي. أبقها خفيفة وعملية.
كيف تتلاءم العدسات. حوكمة البيانات قاعدة عدستي التحليلات والذكاء الاصطناعي، وتعتمد الأتمتة عليها أيضًا. وتقترح الممارسة الرشيقة تحسين جودة البيانات بخطوات صغيرة، تقودها الأسئلة التي يحتاج الناس إلى إجابتها فعلًا، بملاحظات من مستخدمي البيانات.
أفضل الممارسات
- ابدأ بمجموعات البيانات الأهم. اسرد البيانات وراء قراراتك الرئيسة، مثل التذاكر والتكوين والمراقبة والاستبيانات والتكاليف. وحكّمها أولًا.
- سمِّ مالكًا ومشرفًا لكل منها. سجّلهما في الفهرس، مع كيفية التواصل معهما. واجعلهما مسؤولين عن الجودة والوصول.
- اكتب التعريفات. عرّف المصطلحات والحقول الرئيسة بلغة بسيطة، مع الحساب والمصدر. وسجّل متى تتغير التعريفات.
- قِس الجودة حيث تهم. اختر بضعة حقول تقود القرارات، وعرّف فحوصًا، وأبلغ المالكين بالنتائج. وتتبّعها عبر الزمن.
- أصلح المشكلات عند المصدر. حسّن النماذج، وأضف تحققًا، وبسّط الفئات، وأصلح التكاملات. التنظيف بعد الواقعة حل مؤقت.
- وحّد الزمن والمعرّفات. استخدم معيار زمن وصيغة واحدة، ومعرّفات ثابتة مشتركة للناس والخدمات والأصول.
- احتفظ بالنسب. وثّق من أين تحصل التقارير والنماذج الرئيسة على بياناتها وما التحويلات المطبقة. وحدّث حين تتغير المصادر.
- صنّف واحمِ. سمِّ البيانات بالحساسية، وطبّق قواعد الوصول والحماية، وراجع من لديه الوصول. وأزل البيانات الشخصية حيث لا تلزم.
- ضع الاحتفاظ واحذف. قرر كم تُحفظ كل مجموعة بيانات، واحذف أو أخفِ الهوية بعد ذلك. وتحقق من القواعد المنطبقة عليك.
- حكّم البيانات التي يستخدمها الذكاء الاصطناعي. سجّل مصادر البيانات المستخدمة للتدريب والاسترجاع وأذوناتها وجودتها، وتحكّم فيما يذهب إلى الخدمات الخارجية.
أسئلة للنقاش مع فريقك
أي مجموعات البيانات تقود أهم قراراتنا، ومن يملك كلًّا منها؟ اسردها. توقّع فجوات في الملكية. وتابع بتسمية مالك ومشرف لأهم ثلاث.
أي مصطلحات نستخدمها بطرق مختلفة في فرق مختلفة؟ اختر «محلول» أو «حادث» أو «عميل». توقّع خلافًا. وتابع بكتابة تعريف واحد ومن يقرر.
متى كسر تغيير تعريف أو نظام اتجاهًا، وهل لاحظنا حينها؟ اطلب أمثلة. توقّع «لاحقًا». وتابع بالاتفاق على سجل تغييرات للتعريفات والمصادر.
ما جودة بياناتنا على الحقول التي نعتمد عليها أكثر، وكيف نعرف؟ خذ حقلًا، مثل الفئة، وخذ عينة من 50 سجلًا. توقّع مشكلات. وتابع باختيار سبب واحد للإصلاح.
ما البيانات الشخصية أو الحساسة التي نحتفظ بها في أنظمة الخدمة، وكم نحتفظ بها؟ مرّ على الأنظمة الرئيسة. توقّع مفاجآت عن المرفقات وسجلات المحادثة. وتابع بإشراك مسؤول الخصوصية والاتفاق على قاعدة احتفاظ لنظام واحد.
ما البيانات التي نغذي بها أدوات الذكاء الاصطناعي، ومن وافق على ذلك؟ اسرد الاستخدامات. توقّع أن بعضها غير رسمي. وتابع بالاتفاق على قاعدة بما يجوز استخدامه وسجل لاستخدامات الذكاء الاصطناعي للبيانات.
في الممارسة: مثال على إدارة الخدمات
يريد الفريق الرقمي في مكتبة وطنية توقع الطلب وتدريب نموذج لتوجيه التذاكر. يبدأ محلل بيانات ويكتشف أن تاريخ التذاكر صعب الاستخدام. أُعيدت تسمية الفئات مرتين، وتحتوي فئة «أخرى» على 35 في المئة من التذاكر. والطوابع الزمنية من الأداة القديمة بالتوقيت المحلي ومن الجديدة بالتوقيت العالمي. وحقل القسم، المأخوذ من نظام الموارد البشرية، يختلف عن الذي في نظام الهوية لنحو 8 في المئة من المستخدمين. ويُظهر تقرير شهري هبوط الحوادث بربع، لكن المحلل يجد أن تغييرًا في كيفية دمج الحوادث المكررة يفسر معظم الهبوط.
تقرر رئيسة الخدمة معاملة بيانات التذاكر أصلًا محكومًا. فتسمي نفسها مالكة البيانات ومحللة ذات خبرة في مكتب الخدمة مشرفة. ويعرّف قاموس من صفحة 12 حقلًا مهمًا، بما فيها تعريف «محلول» وتاريخ تغيّره. ويربط الفريق الفئات القديمة بالجديدة، ويعلّم الانقطاع في التاريخ، ويضيف قاعدة تحقق تمنع «أخرى» دون ملاحظة نصية حرة. وتفحص مهمة أسبوعية ثلاثة مقاييس جودة: نسبة التذاكر في «أخرى»، ونسبة التي بلا قسم، ونسبة التي طوابعها الزمنية خارج النطاقات المتوقعة. وتُنشر النتائج للمكتب.
يراجع مسؤول الخصوصية مجموعة البيانات ويجد أن حقول النص الحر والمرفقات تحتوي تفاصيل شخصية لأفراد من الجمهور. ويتفق الفريق على إزالة المرفقات من نسخة التحليل، وإخفاء الأسماء وعناوين البريد في النص قبل استخدامه للنمذجة، وحذف التذاكر بعد سبع سنوات، وفق سياسة السجلات في المكتبة. ويسرد سجل كل استخدام ذكاء اصطناعي لبيانات التذاكر وموافقته.
ما الذي يتغير: يستطيع المحلل بناء التوقع مع انقطاع معروف وسلسلة نظيفة، ويُدرَّب نموذج التوجيه على تسميات مراجعة. وما يظل صعبًا: إخفاء النص الحر غير كامل، وتبقى بعض التفاصيل الشخصية؛ ولا يزال نظاما الموارد البشرية والهوية يختلفان، ولم يتفق مالكاهما على المواءمة؛ وتعتمد فحوص الجودة على عدد قليل من الموظفين. وترفع رئيسة الخدمة الخلاف حول البيانات إلى مدير المعلومات وتخطط لتوسيع الفحوص إلى بيانات التكوين.
أربع زوايا نظر
فرق المنتج والتسليم
صمّموا سجلات منتجكم وأحداثه وواجهاته البرمجية بحقول وطوابع زمنية ومعرّفات متسقة، ووثّقوها. وأخبروا مستخدمي البيانات بالتغييرات مسبقًا.
فرق الخدمة والعمليات
أدخلوا البيانات بعناية واتساق، وأخبروا المشرفين بمشكلات النماذج أو الفئات. ساعدوا في فحص الجودة، وأبقوا سجلات تغييرات التعريفات.
القيادة والحوكمة
سمّوا المالكين، وموّلوا عمل البيانات، واطلبوا دليلًا على جودة البيانات وراء القرارات. وضعوا قواعد للخصوصية واستخدام الذكاء الاصطناعي. ولا تقبلوا تقارير بمصطلحات غير معرّفة.
العملاء والمستخدمون
ينبغي أن تعرفوا ما البيانات المحتفظ بها عنكم ولماذا، وأن تستطيعوا السؤال عنها. قدّموا معلومات دقيقة، وأخبروا المزود إن بدت السجلات خاطئة.
الرشاقة والذكاء الاصطناعي والأتمتة والتحليلات
الرشاقة
حسّن البيانات بخطوات صغيرة تقودها أسئلة حقيقية: أصلح الحقل الذي يعيق التحليل التالي. وراجع جودة البيانات مع مستخدميها بانتظام. تنبيه: برنامج بيانات لعدة سنوات بلا نتائج مرئية يفقد الدعم؛ فقدّم مكاسب صغيرة مفيدة.
الذكاء الاصطناعي
يستطيع الذكاء الاصطناعي المساعدة في إيجاد مشكلات الجودة وتصنيف البيانات واقتراح التعريفات وإخفاء التفاصيل الشخصية، تحت المراجعة. وتحتاج البيانات التي يستخدمها الذكاء الاصطناعي حوكمتها الخاصة: المصدر والإذن والجودة وفحوص الانجراف. تنبيه: قد يفوّت الإخفاء المعتمد على الذكاء الاصطناعي بيانات شخصية؛ فاختبره وأبقِ مراجعة بشرية للمجموعات الحساسة. انظر الموضوع 5.6 — حوكمة الذكاء الاصطناعي ومخاطره والامتثال.
الأتمتة
أتمت فحوص الجودة والتقاط النسب ووسوم التصنيف وقواعد الاحتفاظ ومراجعات الوصول، مع مالكين للاستثناءات. تنبيه: قد يغيّر التنظيف الآلي البيانات بصمت؛ فسجّل التغييرات وأبقِ الأصول حيث يُشترط. انظر الموضوع 6.2 — أتمتة سير العمل والتنسيق.
التحليلات
قِس جودة الحقول الرئيسة والاكتمال وحداثة التوقيت ونسبة مجموعات البيانات ذات المالكين والتعريفات والحوادث التي سببتها مشكلات البيانات. تنبيه: قد تخفي درجة جودة واحدة عيوبًا خطيرة في حقل واحد؛ فأبلغ بحسب الحقل والاستخدام. انظر الموضوع 7.3 — القياس والتقارير وكتاب Service Management Metrics.
أنماط الإخفاق الشائعة
- لا مالك. تستمر المشكلات. سمِّ مالكًا ومشرفًا.
- مصطلحات غير معرّفة. تتجادل الفرق حول الأرقام. اكتب التعريفات وسجّل التغييرات.
- جودة تُفحص مرة. تتحلل البيانات. راقب الحقول الرئيسة باستمرار.
- التنظيف إصلاحًا. تتكرر الأخطاء. أصلح المصدر.
- مناطق زمنية ومعرّفات مختلطة. لا يمكن ربط السجلات أو ترتيبها. وحّد.
- الاحتفاظ بكل شيء. ينمو الخطر والكلفة. ضع الاحتفاظ واحذف.
- استخدام بيانات الذكاء الاصطناعي بلا حوكمة. تصل بيانات حساسة أو رديئة إلى النماذج. سجّل الاستخدامات وراجعها.
نموذج النضج
| البُعد | البدء | التطوير | التوحيد | الإدارة | التنسيق |
|---|---|---|---|---|---|
| الملكية والتعريفات | مجهولة | مالكون لمجموعات البيانات الرئيسة | مالكون ومشرفون وقاموس وفهرس | تُدار التعريفات وتغييراتها | حوكمة منسقة عبر الفرق والشركاء |
| الجودة | مجهولة | فحوص عشوائية | تُقاس الحقول الرئيسة بانتظام | تُتتبَّع تحسينات الجودة إلى المصادر | جودة مضمونة باستمرار بالأتمتة |
| الحماية | ارتجالية | قواعد وصول أساسية | قواعد تصنيف ووصول واحتفاظ | يُراقب الامتثال ويُدقَّق | حماية مبنية في خطوط البيانات والأدوات |
| الاستخدام في الذكاء الاصطناعي | غير مسجل | وعي | سجل وقواعد لاستخدام بيانات الذكاء الاصطناعي | يُراجع الاستخدام ويُختبر للتحيز والانجراف | بيانات الذكاء الاصطناعي محكومة عبر الأنظمة والموردين |
قائمة التحقق
- لأهم مجموعات بياناتنا مالكون ومشرفون مسمّون.
- المصطلحات والحقول الرئيسة معرّفة كتابة، بتواريخ التغيير.
- نقيس الجودة على الحقول التي تقود القرارات.
- نصلح مشكلات الجودة عند المصدر.
- المناطق الزمنية والصيغ والمعرّفات موحدة.
- نعرف من أين تحصل التقارير الرئيسة على بياناتها (النسب).
- البيانات مصنفة والوصول مضبوط وتوجد قواعد احتفاظ.
- سجل يبيّن ما البيانات التي يستخدمها الذكاء الاصطناعي ومن وافق.
موجّهات الذكاء الاصطناعي
صِف مجموعة بيانات.
Here is a sample of a dataset with field names, identifiers removed: [paste, 50–100 rows].
For each field, give the apparent meaning, type, share of missing or placeholder values, odd values, and a question for the data owner. Do not draw business conclusions.
List what you are unsure of.
صُغ مدخل قاموس بيانات.
Field: [name]. What I know about it: [source, how it is filled, how it is used].
Draft a dictionary entry with: plain-language definition, allowed values, how it is calculated or entered, source system, owner (only if stated), known issues, and date of last change (only if stated). Mark each item not given as [missing].
List what you are unsure of.
اعثر على بيانات شخصية في نص حر للمراجعة.
Here is a sample of ticket free text, already partially masked: [paste].
List items that look like personal data (names, emails, phone numbers, addresses, identifiers) that remain, quoting the exact text, and suggest categories of rules to catch them. Do not guess whether any is real.
List what you are unsure of.
مهارات الذكاء الاصطناعي
- data-governance: استخدمها لوضع الملكية والتعريفات والقواعد للبيانات.
- data-quality: استخدمها لتعريف الجودة على الحقول الرئيسة وفحصها.
- data-pipeline: استخدمها لتصميم تدفقات البيانات وتوثيقها.
- legal-data-privacy-compliance: استخدمها لصياغة أسئلة الخصوصية لمستشارك القانوني.
- raci-matrix: استخدمها لإسناد الملكية والإشراف.
المصادر الرئيسة
- DAMA International, DAMA-DMBOK: Data Management Body of Knowledge: مرجع واسع في إدارة البيانات وحوكمتها.
- ISO/IEC 25012, data quality model: مجموعة معيارية لخصائص جودة البيانات؛ اقرأ الإصدار الحالي من الناشر.
- Wikipedia, "Data governance" and "Data quality": نظرات عامة على الممارسة وأبعادها.
- Wikipedia, "General Data Protection Regulation": خلفية عن إطار قانوني مهم (ليست مشورة قانونية).
المراجع
- Data governance — Wikipedia — https://en.wikipedia.org/wiki/Data_governance
- Data quality — Wikipedia — https://en.wikipedia.org/wiki/Data_quality
- Data steward — Wikipedia — https://en.wikipedia.org/wiki/Data_steward
- Data dictionary — Wikipedia — https://en.wikipedia.org/wiki/Data_dictionary
- Metadata — Wikipedia — https://en.wikipedia.org/wiki/Metadata
- Data lineage — Wikipedia — https://en.wikipedia.org/wiki/Data_lineage
- Data cleansing — Wikipedia — https://en.wikipedia.org/wiki/Data_cleansing
- Master data management — Wikipedia — https://en.wikipedia.org/wiki/Master_data_management
- Data classification — Wikipedia — https://en.wikipedia.org/wiki/Data_classification
- Personal data — Wikipedia — https://en.wikipedia.org/wiki/Personal_data
- General Data Protection Regulation — Wikipedia — https://en.wikipedia.org/wiki/General_Data_Protection_Regulation
- Data retention — Wikipedia — https://en.wikipedia.org/wiki/Data_retention