Comment contrôler les modèles analytiques [Étape 12 du RGPD]

Les modèles analytiques s’appuient sur les profils des clients pour prédire des futurs modèles de comportement. L’introduction du Règlement général sur la protection des données (RGPD) exige la garantie que ces modèles n’enfreignent pas les droits des personnes concernées. Découvrez comment s’assurer que votre entreprise est bien conforme.

En savoir plus

Comment développer des politiques, normes et contrôles [Étape 1 du RGPD]

Le RGPD a poussé un grand nombre d’entreprises à réorganiser leur gouvernance des données. Les organisations extérieures à l’Union européenne (UE) mais traitant des données à caractère personnel de clients européens doivent également se conformer au RGPD. Découvrez comment développer des politiques et contrôles respectant les normes du RGPD.

En savoir plus

Comment reconstituer le lignage des données pour le RGPD [Étape 11 du RGPD]

En vertu du Règlement général sur la protection des données (RGPD), les entreprises doivent se concentrer sur le lignage des données des personnes concernées et suivre les données à caractère personnel dans l’ensemble des systèmes. Lorsqu’elles comprennent le lignage des données, les entreprises peuvent dire par qui, quand et par quel système les données ont été modifiées, améliorant ainsi la qualité et sécurité des données.

En savoir plus

Comment assurer la conformité au RGPD avec les contrôles [Étape 16 du RGPD]

Le Règlement général sur la protection des données (RGPD) harmonise les règlements et politiques de protection des données, et présente une directive détaillée sur les aspects de la gouvernance des données à privilégier pour protéger les données à caractère personnel des personnes concernées. Découvrez comment assurer la conformité dans toute votre entreprise avec les outils de données adéquats.

En savoir plus

Comment améliorer la qualité des données [Étape 10 du RGPD]

Le Règlement général sur la protection des données (RGPD) pousse les organisations à instaurer des contrôles permettant aux personnes concernées de régler les problèmes de qualité des données à caractère personnel le plus rapidement possible. Ce processus peut être facilité par des solutions automatisées et des outils en libre-service.

En savoir plus

Comment établir des normes de collecte des données [Étape 5 du RGPD]

Avec l’entrée en vigueur du Règlement général sur la protection des données (RGPD), il est important d’établir des normes de collecte des données. En cette époque de big data, les données proviennent de tellement de sources que des normes doivent être établies, tant d’un point de vue technologique que du point de vue de leur traitement.

En savoir plus

Comment gérer l’End User Computing [Étape 13 du RGPD]

Le Règlement général sur la protection des données (RGPD) aborde la sécurité du traitement des données à caractère personnel. Cette exigence de protection des données s’applique également aux applications informatiques de l’utilisateur final. Les entreprises doivent adopter un autre système d’automatisation ou gérer la protection des données dans une application End User Computing.

En savoir plus

Comment établir des accords de partage des données [Étape 15 du RGPD]

Le Règlement général sur la protection des données (RGPD) attribue la responsabilité& de la protection des données à caractère personnel aux entreprises et à leurs fournisseurs. Pour garantir leur responsabilisation& et assigner des rôles précis, des accords juridiques de partage des données doivent être établis. Découvrez comment éviter des situations difficiles en cas de non-respect& et contribuez à protéger les données à caractère personnel.

En savoir plus

Utiliser le machine learning pour la qualité des données

Découvrez comment les big data modifient la méthodologie de qualité des données. Les big data ont démocratisé le machine learning et tout comme la qualité des données a transformé le machine learning, ce dernier transforme également la méthodologie de mise en œuvre de la qualité des données.

En savoir plus

Tout savoir sur l’architecture SOA

L’architecture orientée services (SOA pour Service Oriented Architecture en anglais) est un modèle de structure et un ensemble de principes de conception qui prennent en charge le couplage et la réutilisabilité de différents composants dans un système distribué.

En savoir plus

Intégration de données dans un environnement AWS

Déplacer vos données vers AWS peut être une tâche ardue mais ce n’est pas une fatalité. Les outils d’intégration complets de Talend vous apportent tout ce dont vous avez besoin pour réaliser une intégration à AWS parfaite, alliant rapidité et fiabilité.

En savoir plus

Déployer un data lake gouverné dans le cloud

L’objectif principal du « data lake » est d’offrir un accès direct et sans restriction à des données organisationnelles brutes (non filtrées) en lieu et place d’un stockage de datasets divergents et parfois limités dans des silos de données épars et disparates.

En savoir plus

Préparation des données – Présentation générale

Le terme « préparation des données » désigne les opérations de nettoyage et transformation qui doivent être appliquées aux données brutes avant leur traitement et analyse. Il s’agit d’un processus très chronophage, mais indispensable à un environnement de Business Intelligence exploitable. Et avec les outils de préparation des données disponibles en libre-service, ce processus est désormais plus facile à exécuter et très efficace.

En savoir plus