编者按:美国国防信息系统局(DISA)3月4日发布2025-2027财年的数据战略,提供了全面的数据战略路线图,旨在优化网络、增强网络安全,并利用人工智能和机器学习技术来满足美国防部作战需求。根据该战略,DISA计划强调数据治理的重要性,使国防网络数据和业务数据可操作化,并培养数据驱动的人才队伍,重点涉及三方面重点工作。
一是加强数据架构和治理。此项工作旨在通过加强数据架构和治理,提高任务准备度、提高运营效率并维护信息资产的完整性,从而为作战人员提供及时、准确和可操作的情报。重要事项包括:通过实施数据标记和元数据管理、开发应用程序编程接口注册表、利用零信任架构和数据目录以及实施数据分类标准,实现将数据视为战略资产并加以保护;通过整合数据共享请求、治理和实施集中式数据仓库以及制定机构数据标准和信息模型,实现简化数据基础设施并促进稳健的数据共享;通过持续制定明确的数据治理政策和标准、开展数据质量和数据管理评估,实现利用强大的治理和管理来提高数据成熟度。
二是集成高级分析。此项工作旨在通过发展和影响尖端分析工具、人工智能和机器学习的集成,将原始数据转化为可操作的见解,从而推动增长、优化效率并创造竞争优势。重要事项包括:通过创建和实施描述性、预测性和规范性分析模型以及提供知识管理评估和增强计划,促进数据驱动的决策;通过分类并推广工智能和机器学习模型、推广并增加自助分析工具和平台的使用、优化数据基础设施,实现加速人工智能和机器学习在服务中的应用;通过建立权威数据源、进行整体数据质量评估和流程监控、实施互操作数据解决方案,实现互操作性框架和数据标准。
三是培育以数据为中心的文化。此项工作旨在为员工提供必要的技能、工具和培训,以充分利用数据的潜力,促进协作、持续学习以及致力于使用数据进行决策。重要事项包括:通过提供全面培训、开展数据挑战赛或竞赛以及招募并保留数据人才,实现通过专业发展机会提高数据素养;通过举行数据管理研讨会等活动、增加员工数据工作系列,实现将数据管理角色和职责嵌入员工队伍;通过增加数据可视化、促进跨职能合作以及制定用于获取、分类和维护知识的清晰流程和程序,完善知识管理的使用和意识。
奇安网情局编译有关情况,供读者参考。
美国国防信息系统局 (DISA)
2025至2027财年数据战略
在当今数据驱动的世界中,全面的数据战略路线图对于DISA等作战支援机构来说至关重要,这样才能满足美国防部不断变化的需求并超越对手。DISA将利用这一战略进一步优化网络,增强网络安全,并战略性地利用人工智能和机器学习等新兴技术。通过拥抱数据驱动的文化,DISA将能够更好地为作战人员提供及时、安全和可靠的支持,保持美国防部在战场和网络空间的技术和作战优势。
DISA管理着跨网络和系统的海量数据,这些数据支持着从战场通信到后勤的一切事务。此项2025-2027财年数据战略对于DISA优化和支持美国防部至关重要。该战略旨在与《支点:美国防部信息技术推进战略》、《美国防部数据、分析和人工智能采用战略》以及《美国防信息系统局下一步战略(2025至2029财年)》保持一致,强调数据治理的关键作用、实现国防网络数据和业务数据的操作化以及培养数据驱动的劳动力。随着数据文化不断成熟,该战略确保了DISA将数据作为战略资产,在快速发展的数字环境中增强决策能力和确保任务成功。
DISA首席数据官办公室将重点关注以下工作重点中确定的重要基础领域。
01
努力路线一:加强数据架构和治理
1.1 将数据视为战略资产并加以保护
认识到创建和支持的数据是可以提供竞争优势和推动组织成功的关键资源,这就是如何在正确的时间有效地向正确的用户提供正确的数据。
实施数据标记和元数据管理,以增强跨云供应商的数据可发现性、沿袭和治理。
开发应用程序编程接口注册表并利用DISA零信任架构和DISA数据目录实施安全性。
实施数据分类标准。与DISA风险管理执行办公室合作,根据敏感度、关键性和监管要求对数据进行分类,以指导数据的处理和保护。
1.2 简化数据基础设施并促进稳健的数据共享
DISA将通过集中和标准化共享数据资产的方法、消除冗余以及确保数据在整个组织内易于访问和互操作,实现更高的效率和可扩展性。
通过集中式程序整合数据共享请求,以简化流程并确保遵守法规和政策。
与DISA整个关键利益相关者合作,建立集中式数据仓库的治理和实施,以提供高质量数据源并改善数据问责。
通过制定机构数据标准和信息模型来提高互操作性。目标是确保一个系统生成的数据能够被另一个系统轻松理解和使用,而无需进行大量的转化或转换。
1.3 利用强大的治理和管理提高数据成熟度
成熟的数据提高了做出可行决策的能力,从而辅助完成任务。决策者必须能够依靠可靠且高质量的数据来做出关键决策并管理风险。
持续制定明确的数据治理政策和标准,确保整个数据生命周期的数据完整性、安全性和合规性。
开展数据质量和数据管理评估,提供增强计划,并进行监控以不断评估和提高数据的准确性、完整性和一致性。
努力路线一愿景:通过加强数据架构和治理,提高任务准备度、提高运营效率并维护信息资产的完整性,从而为作战人员提供及时、准确和可操作的情报。
增加优先事项:
统一运营
联合全域指挥控制
减少并避免产生额外的技术债务
02
努力路线二:集成高级分析
2.1 促进数据驱动的决策
通过数据驱动的决策,可以在各个层面提高资源利用率、响应能力、自动化和信息共享,从而更高效地运作。
创建和实施描述性、预测性和规范性分析模型,以支持DISA机构内的决策过程。
提供知识管理评估,提供增强计划,并进行监控,以通过信息共享不断评估和改进决策。
2.2 加速人工智能和机器学习在服务中的应用
通过投资可扩展的数据基础设施、促进跨职能协作和简化模型开发,可以实现人工智能(AI)和机器学习(ML)的采用。
对AI和ML模型进行分类并推广,以供员工利用。
推广并增加DISA数据实验室自助分析工具和平台的使用,使整个机构的用户能够探索数据并产生见解。
优化数据基础设施以支持AI和ML模型,包括云存储、数据湖和高性能计算环境。
2.3 互操作性框架和数据标准
数据标准和信息模型的建立不仅确保了互操作性、建立了权威数据源,还促进了通用词汇的形成,这对于跨系统使用数据至关重要。
将信息的权威数据源注册为单一、可信的信息源。
进行整体数据质量评估并监控流程,以不断评估和提高数据的准确性、完整性和一致性。
实施与各种云平台兼容的互操作数据解决方案,以促进数据的可移植性和灵活性。
努力路线二愿景:通过发展和影响尖端分析工具、人工智能和机器学习的集成,将原始数据转化为可操作的见解,从而推动增长、优化效率并创造竞争优势。
增加优先事项:
将AI和ML集成到核心业务流程中
秘密互联网协议路由器(SIPR)上的高级分析数据实验室
权威数据源管理
03
努力路线三: 培育以数据为中心的文化
3.1 通过专业发展机会提高数据素养
通过提高DISA的数据素养,使员工能够做出基于数据决策,并为形成数据驱动的文化做出贡献。
提供全面的培训计划,提高员工的数据素养、分析工具和最佳实践。
建立数据挑战赛或竞赛,鼓励员工使用数据分析和可视化工具解决业务问题。
招募并留住以数据为中心的人才,以增加对数据素养的关注。
3.2 将数据管理角色和职责嵌入员工队伍中
当团队中的每个成员都了解自身在维护数据完整性、确保遵守数据治理和标准方面的作用时,DISA将实现负责任和合乎道德的数据使用文化。
举办数据管理研讨会、午餐会和学习机会来促进以数据为中心的文化。
增加员工队伍中特定的数据工作系列,以增加专注于数据职责的职位数量。
将数据管理职责指定并纳入个人绩效要素的一部分。
3.3 完善知识管理的使用和意识
为领先于对手并保持竞争力,有效的知识管理可确保有价值信息可访问、可重复使用且可妥善存储。
继续推进DISA中增加数据可视化代理的数字化工作,用于信息共享、报告和决策。
促进数据专家、知识管理员和业务利益相关者间的跨职能合作,以推动数据驱动计划。
制定清晰的流程和程序来获取、分类和维护知识。将这些程序落实到信息存储和共享环境中的治理实践中。
努力路线三愿景:为员工提供必要的技能、工具和培训,以充分利用数据的潜力,促进协作、持续学习以及致力于使用数据进行决策。
增加优先事项:
人事管理局(OPM)数据作业系列集成
通过关键绩效指标监控和衡量知识管理的有效性
网络国防知识库
产业发展前哨站
开源情报信息源
奇安网情局
推荐站内搜索:最好用的开发软件、免费开源系统、渗透测试工具云盘下载、最新渗透测试资料、最新黑客工具下载……
还没有评论,来说两句吧...