美国国防部正考虑其数据管理战略的五个步骤
乔·拜登总统打击重大勒索软件攻击和数字间谍活动的计划的一个关键部分已经停滞了八个月多。（美联社照片/珍妮·凯恩，档案） 美国国防部通过其数据战略和随后的数据法令为更好的数据管理和治理奠定了基础，但仍有改进的空间。 国防部的数据战略侧重于数据操作，以改进整个国防部企业的决策，这将支持任务行动并保持军事优势。 作为其战略的一部分，国防部设立了首席数据官 (CDO) 来监督数据治理流程、数据标准和政策，并提高国防部员工的数据敏锐度。国防部的数据战略还创建了 CDO 委员会和联合数据目录，以实现更统一的数据管理。这些步骤对于确定哪些数据是敏感的和需要保护的，以及谁可以访问它以及在什么情况下是至关重要的。 在 DataOps 和 DevOps 领域，一个关键焦点是平衡安全性和用户访问要求，同时消除运营瓶颈。这是通过自动化工作流程实现的，简化了云架构上的数据访问。因此，可用存储和计算的成本和弹性优势将加速分析现代化。为此，数据团队应使用 DevSecOps 方法，以确保数据安全性和实用性之间的适当平衡。 为了加速数据现代化，国防部工作人员需要正确的工具、环境、资源和访问权限来建立数据驱动的计划。成功的数据驱动机构正在为数据发现创建企业服务，并建立指导方针和护栏，以确保有效管理成本、敏感信息的保护和法律合规性。 国防部有机会学习这些最佳实践并在机构内应用它们。以下是国防部决策者在实施数据管理战略时应考虑的五个方面。 从国防部以外引进高素质的专家，他们可以引入新想法并领导创新工作。国防部正在评估人才库，以确定文职和军事数据专业人员、整个国防部的数据流利程度以及其员工队伍中的关键技能差距。这里的目标是建立更多的公共和私人伙伴关系——尤其是典型承包商社区之外的伙伴关系——以迅速克服感知到的赤字。这为国防部领导者提供了获得新专业知识的机会。 为国防部组件提供额外的创新资金或特殊项目，以开发原型和测试创新方法。国防部和军事部门已经使用其他交易协议 (OTA)合同来构建原型。OTA 打破了官僚主义的繁文缛节，加快了原型设计和新军事能力的交付。各机构应评估 OTA 和其他收购和资助计划，以构建创新原型。 鼓励参加突出成功申请的会议和活动。提供有关数据准备和分析、数据治理和合规性、数据工具以及向数据驱动型政府过渡的最新见解的会议正在增加。国防部工作人员应参加私营和公共部门的活动，以随时了解改善数据驱动决策的最新趋势和技术。 投资于云的劳动力培训。为了使数据可操作化，机构需要现代云基础设施和本地服务来编目和自动化数据发现过程，同时利用人工智能 (AI) 和机器学习技术的力量。国防部正在从单一云提供商过渡到具有联合作战人员云能力 (JWCC)和 CIA 的商业云企业(C2E) 合同的多云提供商。这种转变将提供更多服务并增加国防机构的数字足迹。虽然国防部将在此过渡期间看到好处，但它也会增加 IT 管理员和安全团队的负担，他们需要更多的培训。将劳动力发展作为优先事项至关重要。 在数据层自动化数据访问以进行分析，重点是零信任。从历史上看，零信任一直专注于自动化以及持续的网络和应用程序监控。这适用于事务系统架构，但在分析环境中留下了安全漏洞，因为来自源系统的数据位于同一位置。确保正确访问的唯一方法是在数据层部署精细的、基于属性的访问控制 (ABAC) 安全模型。这种设计不仅要考虑用户属性，还要考虑数据属性，同时使用工具大规模自动化相关数据访问、治理和隐私政策。基于角色的访问控制缺乏所需的粒度，需要花费大量精力来建立和维护。通过自动化访问，机构可以减少当前影响用户的 DataOps 瓶颈。 人工智能的日益重要的作用和国防部数据的未来国防领导人意识到在其机构中应用人工智能的承诺，因为优先事项已转移到近邻的对手身上。人工智能的成功应用已经在医学图像中识别出癌细胞，国防部在飞机和卡车的预测性维护方面取得了成功。然而，来自卫星或无人机上的远程传感器的图像有其自身的挑战，包括天气或伪装。国防部官员必须对人工智能能做什么持现实态度。为此，国防部联合人工智能中心 (JAIC) 办公室正在启动人工智能和数据加速器 (AIDA)，以帮助国防部指挥官更好地了解他们的数据，从而改进作战决策并确定作战指挥部的用例。 国防部机构目前正在跨政府和合作伙伴网络部署零信任架构。如果国防部找不到平衡安全性和实用性的方法，其数据挑战只会增加。自动化、云服务、数据访问管理的权威来源和高技能的劳动力是提供分析师优化管理机构数据所需的工具的关键要素。 |
|
|
