الملخص
في هذه الوحدة، تعلمت كيفية تطبيق تسميات الحساسية لتصنيف وحماية العناصر باستخدام ميزات Microsoft Fabric وحماية البيانات في Microsoft Purview. استكشفت قدرات التصنيف التلقائي، بما في ذلك التصنيف الافتراضي، والتصنيف الإلزامي، والوراثة في مرحلة لاحقة. استخدمت مستويات الموافقة (بيانات الترقية، المعتمدة، والرئيسية) للإشارة إلى العناصر التي هي موثوقة وجاهزة للاستخدام. لقد وثقت أصول البيانات مع أوصاف، ورؤية نسب، وتحليل تأثير لجعل ممتلكاتك قابلة للاكتشاف. وأخيرا، ربطت هذه الممارسات الحوكمة باستهلاك الذكاء الاصطناعي، وفهمت كيف تضع العلامات حدودا، وترشد التوصيات ثقة الوكلاء، وتوفر التوثيق السياق الذي يحتاجه الذكاء الاصطناعي للردود الدقيقة.
في سيناريونا، كان حجم بيانات المنظمة ينمو دون إشارات واضحة للثقة أو الحساسية أو الوثائق. لم يكن لدى المستخدمين ووكلاء الذكاء الاصطناعي طريقة موثوقة لتمييز البيانات الموثوقة عن العمل التجريبي، كما أن المعلومات الحساسة كانت تعرض للمستهلكين غير المصرح لهم بخطر التعرض لها.
من خلال تطبيق أفضل ممارسات حوكمة البيانات، أصبح لدى مجال البيانات تصنيف واضح، وإشارات ثقة، وتوثيق. يمكن لكل من المستخدمين البشر ووكلاء الذكاء الاصطناعي العثور على بياناتك وتقييمها واستهلاكها بثقة.