AI加速数据使用，Dataverse助力数据治理准备

AI 增加了业务数据的数量、价值和用途。Dataverse 为管理员提供了对容量、保留、安全、审计和恢复的实用控制。

AI 改变了业务数据的使用方式

考虑一家在采购、财务和供应链运营中使用 AI 的制造商。采购负责人希望代理能够核对发票、标记供应商异常并更新案例记录，而无需对每笔交易进行人工审核。平台管理员必须支持交易量和数据的增长，同时将存储控制在授权范围内，限制每个代理仅访问其所需的记录和操作，并保留重大变更的证据。

管理员需要每周回答实际问题。哪些环境和表在增长？哪些记录仍支持活跃流程？哪些记录必须保留以用于审计或监管审查？哪些用户和代理可以读取或更新它们？团队能否恢复已删除的记录并解释谁更改了它？

AI 增加了这些决策的频率，因为自动化流程可以持续读取和更改业务数据。治理工作是在管理容量、访问、保留、恢复和证据的同时，保持数据对业务流程有用。

AI 提高了数据卫生不佳的成本。旧数据、无效数据、不准确或不完整的记录可能曾经未被使用，仅产生存储成本。当代理可以检索该数据、使用它来回答问题并采取行动时，其质量会影响结果。管理员需要管理保留的数据量以及数据是否准确、相关且适合代理使用。

数据增长需要明确的所有权和政策

在各个行业中，数据管理员都有共同的运营需求：

• 数据所有权。 将每个数据集关联到所有者和明确的业务目的。
• 访问模型。 定义哪些用户和代理应能够查看或更改数据。
• 生命周期模型。 决定数据应保持活跃、移至长期保留还是按计划删除。
• 审查计划。 定期重新审视政策，以确认数据、访问模型和生命周期处理仍然支持业务流程。

这些需求在不同行业中有不同形式。

医疗保健： 记录管理员必须保持临床记录可用于护理、法律保留和要求的保留期，同时识别不再需要保留在活跃存储中的较旧、无效记录。目标是减少活跃存储使用，而不削弱访问控制或记录可用性。

零售： 商务平台所有者必须吸收订单、服务案例、文件、日志和代理交互的季节性增长。任务是识别哪些数据仍支持退货、服务、欺诈审查或分析，然后按记录类型应用保留和删除策略，而不是将每个季节性高峰都带向前。

金融服务： 安全或合规负责人必须批准代理如何访问客户和交易记录。任务是授予最低必需的权限，记录重大更改，并为内部审查或审计提供证据。

制造业： 平台管理员必须管理采购和供应链代理生成的记录。任务是追溯容量增长到特定环境和表，分配业务所有者，保留供应商或财务审查所需的记录，并恢复由人员或自动化流程删除的记录。

Dataverse 的数据治理能力

Dataverse 提供治理控制，为代理访问准备业务数据，包括存储管理、访问控制、审计历史、非活跃和已删除数据的生命周期管理以及环境治理。

以下操作提供了组织在业务应用中扩展 AI 使用的实用起点。

• 查看存储驱动因素。 在 Power Platform 管理中心，查看租户和环境在数据库、文件和日志容量方面的使用情况，然后深入查看消耗最多存储的环境和表。 查看 Dataverse 容量报告。
• 保留非活跃数据而不保持其活跃。 为必须保留以供审计、法律、监管或有限查询目的的合格表记录创建 Dataverse 长期保留策略。保留的数据仍由 Dataverse 保护，并变为只读。 了解长期保留 和 设置保留策略。
• 在删除数据前创建恢复窗口。 管理员可以启用已删除记录保留 1 到 30 天，并恢复手动、自动、单独或批量删除的支持记录。将此用作生命周期操作的安全网：确定数据非活跃或可安全删除，验证范围和依赖项，并在操作前配置恢复。 配置和使用已删除记录恢复。
• 限制谁可以查看和更改业务数据。 Dataverse 安全角色定义了对应用、表、记录和数据操作的访问权限；角色可以通过访问级别、团队和业务部门进行范围限定。 审查安全角色和权限。
• 保留重大更改的证据。 配置后，Dataverse 审计可以记录记录的创建、更新、删除、共享更改、安全角色更改和用户访问。审计数据消耗日志容量，因此审计范围和保留应是有意为之。 配置 Dataverse 审计。
• 跨环境应用支持的治理规则。 Power Platform 环境组允许管理员跨选定的托管环境应用可用的托管治理规则，包括文档化的安全、共享、AI、备份保留和应用生命周期设置。并非每个 Dataverse 数据治理控制都可用作环境组规则，因此在定义集中策略之前，请验证当前规则目录。 探索托管治理。

管理员必须配置这些控制措施，并将其与业务、法律、安全和记录管理要求保持一致。审计范围会影响日志容量。保留和删除策略需要明确的记录所有权。随着应用程序和自动化流程的变化，安全角色需要定期审查。

建立明确的数据治理问责制

使用共享运营模式：平台管理员应定义并执行治理流程，而业务所有者对数据进行分类并选择正确的策略。平台管理员应根据记录类型和预期用途定义策略，配置可用的控制措施，定期审查组织的态势，并处理异常或异常增长。

业务所有者应确定记录的目的、敏感性、运营价值和保留要求。安全、合规、法律和记录管理团队应定义额外的访问、证据和保留要求。这种运营模式将人工决策与产品配置相结合。Dataverse 可以强制执行配置的访问、审计、保留、恢复和环境设置；组织仍负责对数据进行分类、选择正确的策略、审查异常情况，并确认控制措施满足业务和监管要求。

使用 Dataverse 作为受治理的业务数据层

Dataverse 将存储报告、生命周期控制、基于角色的安全性、审计和恢复应用于应用程序和自动化流程使用的业务记录。这为存储在 Dataverse 中的数据提供了一致的控制模型。管理员使用Power Platform 管理中心来管理环境、容量、安全设置、审计和已删除记录的恢复。制作者在 Power Apps 中配置表级保留策略。组织仍负责策略决策、所有权、测试和持续审查。

建议的后续步骤

打开Dataverse 容量报告并识别使用最多数据库、文件和日志存储的环境和表。为每个主要增长来源分配业务所有者，并将数据分类为活动、非活动但需要或符合删除条件。

在非生产环境中测试一项控制措施。选项包括长期保留策略、修订的安全角色、范围审计配置或1 到 30 天的已删除记录恢复窗口。记录所有者、策略依据、预期的容量或风险结果、测试结果和恢复流程。

为 AI 准备数据基础

AI 增加了使用业务数据的自动化流程数量以及数据变化的频率。因此，容量管理、保留、访问控制、审计和恢复应在每次使用 Dataverse 的生产 AI 部署中作为审查的一部分。

组织可以从 Dataverse 中已有的控制措施开始。文档化的运营流程、明确的所有权和定期审查为更广泛的 AI 采用奠定了基础。

了解更多：查看容量报告、长期保留、安全角色、审计、已删除记录恢复和托管治理。

文章您的公司正在竞相部署 AI。您的数据准备好了吗？首次出现在Microsoft Power Platform 博客上。