数据治理数据形态
作为数据安全工作者，了解企业自身数据的步就是数据形态的认知。数据体量有多大，是TB、PB还是ZB级？哪些是结构化数据、哪些是半结构化数据、哪些是非结构化数据？这些数据都存储在哪里，企业都用到了哪些种数据库，是传统的关系型数据库、Mpp数据库、K-V数据库还是基于Hadoop的数据库？这些数据的增量情况如何等等，都属于数据形态的范畴，都需要梳理了解。
数据治理数据安全
近年来，关于数据安全问题已然成为世界性的热门话题。对此，各国对网络安全、敏感数据保护、个人隐私保护等出台了一系列的法律、法规和行业政策，并不断的加以完善，有效对其不轨行为进行了法律层面的约束。
同时，随着信息技术时代的不断发展，大量的信息、数据贯穿整个企业多个环节，为保护企业内部数据资产安全，如何解决数据流通时所带来的安全威胁成为重中之重。
数据治理方法
自动调度：系统内包含自动调度器自动执行测试数据抽取以及脱敏工作，减少人工干预。性能优化：通过多任务、多线程、分批处理等技术实现脱敏的。完善的用户权限管理：系统具备完善的用户权限管理策略，可以针对不同角色、不同用户、不同操作系统进行权限设置，从而实现更为细粒度的权限管理。异构环境支持：同一平台支持异构数据库、应用程序和IT环境。自定义算法：系统支持各类加密、或基于各类复杂业务的DB或JAVA的自定义算法。
数据治理数据脱敏
派客动力脱敏系统采用的静态脱敏方式，可以从元数据、数据的角度在海量业务系统的数据中快速发现敏感数据，并定位敏感数据的存储与分布，统计敏感数据量级。并且支持用户自定义发现规则、通过设置敏感字段对企业系统中的表和列进行扫描定位，利用专门的脱敏算法对敏感数据进行变形、屏蔽、替换、随机化等处理，将敏感数据转化为虚构数据，隐藏了真正的隐私信息，为数据的安全使用提供了基础保障。同时脱敏后的数据可以保留原有的数据特征与分布，无需改变相应的业务逻辑，实现了企业低成本、、安全的使用生产的隐私数据。