数据保留策略一些好的实践
设计一种数据保留策略时,首要考虑的就是组织为什么要进行数据归档。在这里有一些数据保留策略的最佳实践。
Brien M. Posey是一位微软认证系统工程师,曾获微软Exchange Server、Windows Server 和Internet Information Server (IIS)的MVP奖。Brien担任一个全国连锁性医院的CIO,曾经在Fort Knox负责信息管理系。
设置数据保留策略的时候,除了合规性问题需要考虑,还应考虑哪些因素?
设计一种数据保留策略时,首要考虑的就是组织为什么要进行数据归档。在这里有一些数据保留策略的最佳实践。
在我们获取这些数据保留策略的最佳实践之前,需要关注以下两个问题:IT部门需要释放某些服务器的空间吗?这些服务器的内容越发杂乱无章,定位数据越来越难了吗?这两个问题对数据保留策略的构建方式有着重大的影响。
结合考虑以下问题,第一个是了解哪些数据需要保持在线状态,哪些数据应该被归档。通常情况下,这个决定是基于数据的时间点,但也有例外。在某些情况下,检查诸如数据最后一次被访问,数据类型等标准也是同样重要的。
假设一下,例如,一个组织的文件服务器上有大量的空闲空间,但是他们想减少一些杂乱无章的数据。针对这个目标,他们决定创建一个归档策略,将超过5年的数据移动到归档中,然后将超过10年的旧数据删除。
虽 然这听起来像是创建一个数据保留策略的合理做法,但它可能带来危害。例如,如果一个电子表格在六年前创建但是一直在定期更新,将会发生什么呢?如果数据保 留策略只看创建时间,然后电子表格会被存档,即使它是经常被使用的。依据最后访问日期而不是创建日期的保留策略将会是更有效的。
数据保留策略在其他方面也可能会适得其反。比如说,11年前你的组织签署了15年的办公楼租赁协议。考虑一种极端情况,没有人在过去10年看过该文件,但这些文件真的是要删除的东西吗?
设置数据保留策略一定不可掉以轻心,并且要重视实施策略的长期后果。
0赞好文章,需要你的鼓励
推荐文章
随着员工自发使用生成式AI工具,CIO面临影子AI的挑战。报告显示43%的员工在个人设备上使用AI应用处理工作,25%在工作中使用未经批准的AI工具。专家建议通过六项策略管理影子AI:建立明确规则框架、持续监控和清单跟踪、加强数据保护和访问控制、明确风险承受度、营造透明信任文化、实施持续的角色化AI培训。目标是支持负责任的创新而非完全禁止。
哈佛、MIT联合研究揭示人类语言理解的神经机制,发现大脑通过"信息出口"将语言从核心系统传递至专业脑区实现深度理解。研究提出浅层与深层理解的区别,为人工智能发展提供重要启示,表明真正智能需要多系统协作而非单一优化。该发现可能改变我们对语言认知的理解。
英国正式推出DaRe2THINK数字平台,旨在简化NHS全科医生参与临床试验的流程。该平台由伯明翰大学和MHRA临床实践研究数据链开发,能够安全传输GP诊所与NHS试验研究人员之间的健康数据,减少医生的管理负担。平台利用NHS现有健康信息,安全筛查来自450多家诊所的1300万患者记录,并使用移动消息系统保持试验对象参与度,为传统上无法参与的人群开辟了研究机会。
腾讯混元等团队开发出革命性的AI视频生成自我评判系统PAVRM和训练方法PRFL,让AI能在创作过程中实时评估和改进视频质量,无需等到完成才反馈。该技术使视频动态表现提升56%,人体结构准确性提升21.5%,训练效率提升1.4倍,为AI视频生成质量带来质的飞跃。