京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06