随着企业不断利用数据湖的分析优势，企业数据湖已经成为常态，但是它们的普及，应该让公司重新考虑数字治理和合规性。

企业内的大数据分析的增加，让“数据湖”不断增长，这是所有可以用于分析的信息资产的默认存储库，对于期望从数据中获得额外价值的公司而言，非常有益。但很多公司允许猖獗的积累，并不断将数据源倾倒入这些数据湖中，无意中带来了合规性风险。

数据目录工具可以帮助减轻这些风险，但在我们讨论这些工具之前，让我们来谈谈数据湖带来合规性问题的用例，以及为什么缺乏数数据湖治理战略，是如此危险。

在华尔街改革和消费者保护法第153 d（f）部分中描述了一个用例，它允许美国金融研究办公室(OFR)的主任向一家金融机构发出传票，要求提供所需要的数据， 来监督美国金融稳定性的潜在风险。这一传票的权力，并不局限于特定时间内的，一个特定类型的结构化数据库。相反，可以在任何时间要求任何数据。实际上，这意味着金融机构必须清楚他们管理的所有数据，以及数据所包含的信息，以及这些信息和其他数据集的关联。

另一个用例是大量的数据保护法规，对于信息暴露的处罚。The HIPAA Privacy Rule保护大多数“个人识别健康信息”——包括姓名，电话号码，地址，社保号码，也被称为病人的受保护健康信息(PHI)。The HIPAA Privacy Rule指出，“一个实体或商业团体必须(…)为电子信息系统实施技术政策和流程，维护电子受保护健康信息，只允许那些获得授权的人或软件进行访问。”

这就要求监测和减少任何潜在的PHI暴露风险，无论是源于个体黑客或软件应用。因此，企业数据湖中累积的数据，或其他类型的大容量存储库，公司不仅要确定哪些数据包含PHI数据，他们也必须清楚不同的数据集的组合，可能在不经意间暴露受保护的健康数据。

大数据分析与合规性

上述两个用例，凸显了数字化业务中的新兴挑战。数据积累对于预测和规范分析，有非常明显的好处。这激发了许多企业摄取外部来源的数据集，以扩大从内部事务和运行应用中，提取的自己的数据集。许多企业同时关注数据回收，其中的非结构化数据，比如过往的电子邮件，文档和幻灯片，通过访问它们的存档，然后加载到同一个业务数据湖中。

这种无节制的，大规模数据存储库的不受控制的增长，带来了合规性风险。随着越来越多的数据集被添加到数据湖中，很难快速的，准确的响应OFR的数据需求，或区分哪些PHI处于暴露的风险。

数据合规性的适当数字治理，对于现代企业，是一个复杂的过程：一个公司必须识别和仔细记录企业现有的数据资产，以及这些资产中信息如何反映已知的信息监管。但在大多数情况下，几乎没有人确切地知道哪些数据存在，这些数据中的数据分类，如何访问数据，以及谁拥有访问数据的权限，以及企业数据湖内的数据累积，可能涉及到的法规。当合规性审查数据到来时，缺乏企业数字治理环境的知识，会带来明显的障碍。许多人忙着寻找数据集的关联性，以及如何为适当的合规性响应，累积所需的信息。

自动数据目录的崛起

应对这些挑战的方法之一，就是使用自动化工具，调查和描述企业的每个数据，分析包含的信息类型。这使得公司能够创建并管理一个共享语义目录。这个数据目录提升了对不同数据集中包含内容的认识，列出的细节包括：

业务内容，现实世界数据类型的高度概括，包含在数据集内的信息，比如账号、姓名、位置和其他抽象实体概念。

存储在数据集中的属性名称。

• 创建、获取、读取或更新数据集的任何业务部门/流程的细节。
• 数据集的存储位置，和访问信息的方式。
• 读取数据所需的访问权限，以及获得访问数据权限的个人和应用程序。

从合规性角度来看，一个体现语义数据意识的数据目录，有助于确保实施适当的安全措施，进行数据保护和隐私合规性。此外，拥有包含信息细节的数据目录，可以简化对于消除合规性风险的外部数据调用需求的响应。