Veritas：三步指南，夯实企业数据合规管理基础

对于很多企业来讲，其面临的数据合规挑战主要来源于双重压力。其一是有关于监管的压力。我国相继出台和施行了《网络安全法》《数据安全法》《个人信息保护法》等安全法规，对网络安全违规事件的处罚力度也不断提升。如企业未能遵从这些规定，不但需要支付大笔罚金，更是对商誉的重大打击。另外则是商业压力，很多企业在选择合作伙伴的过程中，会将合规能力作为重要的考察标准，这个标准也在商业运营中被逐渐普及，如果企业不具备完善的合规能力，可能会与商业机会擦肩而过。

因此企业需要一个完整的数据合规管理方案，不断验证企业的安全、成本和效率，打破向上发展的天花板。在数据合规管理的过程中，Veritas建议企业从加密、控制和保护敏感数据，确保数据可靠性和完整性，建立数据合规管理流程，对数据进行分类和标记并审计和监控等几方面入手，为企业打好扎实的数据合规管理基础。

然而在实际操作中，又往往会出现计划赶不上变化的情况。对数据管理而言，多云环境堪称天然的难度升级“催化剂”。越来越多的企业扩展至新的云环境中，跟踪存储的内容也变得更加困难。

那么面对不合规数据，IT团队应该如何处理，以避免企业遭受严重的经济和商誉损失？Veritas建议，“数据分类和标记”是基础中的基础，其要义在于以下三个关键步骤：

第一步：全面辨识和分类数据

全球企业平均每年在数据存储上耗费2600万美元，其中可能包含大量暗数据，如未经处理的个人身份信息(PII)等敏感内容，对企业的合规管理构成重大风险。特别在当今分布式办公流行的情况下，员工广泛依赖Zoom、Teams等数据源，这些数据可能包含大量敏感信息，但传统分类方法无法在没有文本转录的情况下对其进行有效识别。

为了使云中的数据满足合规要求，IT团队必须审查完整的数据目录，包括视频和音频录音、内部消息聊天和文件等各种内容，争取准确识别数据类别——是业务关键数据、无用数据，还是不合规的数据......一旦这些数据被辨识和分类，IT人员就能更明智地决定数据的用处，以及是否可以进行归档或删除等处理。

第二步：实现自动化分类系统

一旦对数据进行了正确分类，定位了不合规的数据，IT管理者就可进一步评估和优化数据环境。为了适当地对大量创建的数据进行分类和管理，IT团队需要利用人工智能(AI)和机器学习(ML)策略，有效地创建和维护一个组织信息的分类系统。

该系统一旦建立，自动化的分类系统便可让IT团队轻松地找到关键数据，从而最大程度地解放员工，减少在紧急情况下定位、分类和共享数据所花费的时间，大幅提升工作效率。采用自动化策略还可以简化第一步中所述的数据保留或归档决策。并且，鉴于自动化系统在可见性、可靠性、安全性和可扩展性方面的天然优势，数据管理相关的运营成本会显著降低。

第三步：普及数据分类

在数据被有效识别、高效分类的基础上，IT团队就需要继续“高瞻远瞩”，领先于未来环境中可能生成的数据。随着数据分类在整个企业环境中的普及，数据分类范围应不仅局限于IT部门，更应涵盖创建数据的各业务线员工。自动分类系统使这个过程变得更容易，这样企业就可以不再需要依赖员工的主观意见，而是根据规则和要求对数据进行自动化分类。

虽然仍需要一些人工监督，但数据分类的普及可以大大减轻IT团队的负担。这种手动和自动策略相结合的方式将鼓励公司上下充分参与，形成长期、高效的策略。IT团队再也不用“单打独斗”，孤身面对数据管理难题，承担合规应用风险。

虽然上述解决合规问题的步骤实施起来可能并不容易，但其好处远不止简单地避免罚款和维护企业声誉。长远看，掌控合规风险、洞察数据资源环境、可持续创新发展等都不可不谓“功在千秋”。

无论如何，合规实践将在客观上为企业数据管理打开一扇通往“新世界”的大门。当IT管理者真正改变思维，把“简化的数据管理实践”放在首位，必将令企业整体获益。

关于 Veritas

Veritas Technologies是安全多云数据管理领域的领导者。超过八万家企业级客户， 包括95%的全球财富100强企业，均依靠Veritas确保其数据的保护、可恢复性和合规性。Veritas在规模化的可靠性方面享有盛誉，可为企业提供抵御勒索软件等网络攻击威胁所需的弹性。Veritas通过统一的平台，支持超过800种数据源，100多种操作系统以及1400多种存储设备。在云级技术的支持下，Veritas现正在实践其数据自治战略，在降低运营成本的同时，实现更大价值。