
对大多数企业来说,困扰他们的一大问题就是如何保存那些与日剧增的各种数据。“数据即是价值”这种说法也令企业对数据愈加重视。但最近却有一种说法,企业或许可以将那些不必要的数据进行销毁。
为什么呢?有位律师认为将数据进行销毁,是一种避免风险的方法。这是因为当用户销毁不需要的数据时,遵守电子邮件或文件的法律法规要求会变得更加容易,而且这意味着当法律要求调查电子取证时,旧文件已经不复存在,可以减少法律风险。
律师事务所Bass, Berry & Sims PLC的律师Tony McFarland在谈到很多企业都在努力保存多年的数据时说道:“企业内有太多数据,很多都是不必要的数据。”但当诉讼或其他法律调查要求提供有关信息时,企业需要聘请法律专家从大量数据中筛选出有用的数据,这种情况非常耗时,而且会耗费大量的人力和物力,同时还会提高法律风险。“这并不是我们应该做的事情,”他表示,“对方律师会要求企业提供所存储的每一条信息。”
虽然数据销毁的做法与现在的常规做法不同,但让IT部门与法律部门合作创建一个“数据销毁计划”还是可以实现的。根据McFarland所说,这里有一些技巧,很多技巧依赖于“自我执行机制”,它可以很好地通过中央电子文档管理系统完成。
例如,根据该律师事务所所说,证券交易委员会要求保存的某些文件一定要手签,并保留五年。在医疗保健行业,健康保险流通与责任法案(HIPAA)有6年的时限,具体有些细微差别。就业资格验证表必须在聘用日起保存三年,或者在终止后保存一年,以较迟者为准。某些雇佣记录必须从人事活动开始的日期开始保留一年。
每个行业也都有所不同。例如危险废物的产生:美国联邦和各州都要求保留清单和报告3年时间。对于污染物排放消除系统,采样和监测记录必须保存三年。
现在的问题在于,企业并没有考虑要销毁数据,而是无休止地保存数据,这可能导致与存储相关的技术过时的问题。
企业建立电子数据销毁系统的最佳方式之一是使用文件管理系统,包括惠普Autonomy和微软等在内的工具,并开始学会销毁数据。McFarland强调:“企业真的没有必要保存那么多数据。”via:CNW
元芳,你认为如何?
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23