¿Qué etapas incluye la gestión del ciclo de vida de los datos?
La gestión del ciclo de vida de los datos incluye seis etapas: recopilación de datos, almacenamiento de datos, procesamiento de datos, transmisión de datos, intercambio de datos y destrucción de datos.
Recopilación de datos: se refiere a la etapa en la que se generan nuevos datos o se cambia o actualiza significativamente el contenido de los datos existentes. Para las organizaciones, la recopilación de datos incluye tanto los datos generados en los sistemas internos de la organización como los datos recopilados por la organización desde el exterior.
Almacenamiento de datos: se refiere a la etapa donde se almacenan físicamente datos no dinámicos en cualquier formato digital.
Procesamiento de datos: se refiere a una combinación de una serie de actividades realizadas internamente por una organización sobre datos dinámicos.
Transmisión de datos: se refiere al proceso de flujo de datos de una entidad a otra a través de la red dentro de una organización.
Intercambio de datos: se refiere a la etapa en la que se proporcionan datos durante la interacción entre organizaciones internas y organizaciones externas e individuos.
Destrucción de datos: se refiere al proceso de utilizar los métodos operativos correspondientes en datos y medios de almacenamiento de datos para que los datos se pierdan por completo y no puedan restaurarse por ningún medio.
El ciclo de vida por el que pasan los datos específicos está determinado por el escenario empresarial real. No todos los datos pasarán completamente por las seis etapas.
Presentación y uso:
En esta era de explosión de datos, las capacidades de análisis de datos humanos se han quedado muy por detrás de la capacidad de obtener datos. Este desafío radica no solo en la gran cantidad de datos, la alta dimensionalidad, las múltiples fuentes, el polimorfismo, etc., sino más importante aún, en la naturaleza dinámica de la adquisición de datos, el ruido y las contradicciones en el contenido de los datos y la heterogeneidad y heterogeneidad de los datos. relaciones.
Además, no es parte de la naturaleza humana pensar en datos a través de números puros y términos numéricos. No es fácil tomar decisiones y juicios rápidos y precisos cuando es necesario. Para afrontar estos desafíos, la visualización de datos se puede utilizar para completar la transformación de datos en sabiduría definida por el modelo DIWK (Datos, Información, Conocimiento y Sabiduría).