Compute on Google Cloud Platform

1

Introducción al curso de Google Cloud for Developer Community

2

Lectura: introducción de instalación

3

Tutorial de Qwiklabs

4

Cómputo en la nube de Google

5

Opciones de cómputo en la nube

6

Máquinas virtuales a profundidad

7

Tutorial para instalar Qwiklabs

8

Demo: máquinas virtuales a profundidad

9

Cómputo sin administración con plataformas como servicio

10

Demo: cómputo sin administración

11

Lectura: ¿qué son los contenedores?

12

Cómputo contenerizado con App Engine Flex

13

Cómputo contenerizado con Cloud Run

14

Funciones serverless

Continuous Integration, Continuous Delivery

15

CI/CD en Google Cloud Platform

16

Estrategias de Despliegue

17

Repositorios de código

18

Construcción y despliegue de artefactos

19

Infraestructura como código

20

Despliegue en Servicios Serverless

Google Kubernetes Engine

21

Kubernetes Overview

22

Demo Kubernetes

23

Planeación de tu despliegue

24

Anthos

25

Cloud Run for Anthos

26

Demo Cloud Run for Anthos

27

Anthos Service Mesh

28

Site Reliability Engineering con Anthos

Streaming Data Analytics

29

Integración de datos e ingesta de datos totalmente administrada sobre GCP

30

Demo: ingesta de datos

31

Ingesta de datos confiable en streaming sobre GCP

32

Demo: ingesta de datos confiable

33

Demo: configuración de Apache Kafka

34

Visualización de mensajes de una base de datos relacional en Google Cloud

35

Data Warehouse: el modelo tradicional para construir un repositorio de datos empresarial

36

Data Lakehouse: el nuevo y moderno enfoque para construir un repositorio de datos empresarial

37

El portafolio de gestión de datos en Google Cloud

38

Desglose del portafolio de gestión de datos (Bases de datos) en Google Cloud

39

Gobierno de datos de punta a punta para garantizar la seguridad en tu Data Lake

40

Gobierno de datos: calidad y monitoreo

Machine Learning

41

¿Qué es ML y AI?

42

Plataforma de AI en GCP

43

Auto ML con datos estructurados

44

Demo Auto ML con datos estructurados

45

Predicción de tarifas usando AI notebooks

46

Demo predicción de tarifas usando AI notebooks

47

TensorFlow Extended

Sesiones en vivo

48

Sesión en vivo con Pablo Pérez Villanueva

No tienes acceso a esta clase

¡Continúa aprendiendo! Únete y comienza a potenciar tu carrera

Gobierno de datos de punta a punta para garantizar la seguridad en tu Data Lake

39/48
Recursos

¿Cómo Google Cloud puede mejorar el gobierno de datos?

En el mundo actual, el gobierno de datos eficiente es crucial para garantizar la seguridad, integridad y usabilidad de la información en una organización. Google Cloud ofrece soluciones avanzadas para gestionar un data lake moderno, garantizando el cumplimiento de las mejores prácticas en la materia. A través de un conjunto de herramientas de gestión de datos de principio a fin, Google simplifica el gobierno y la integridad de los datos sin comprometer su seguridad.

¿Qué es el gobierno de datos?

El gobierno de datos se centra en la gestión de datos, asegurando su disponibilidad, integridad, usabilidad y seguridad. Esto se hace bajo la dirección de un consejo de gobierno responsable de definir procesos y ejecutar planes alineados con las mejores prácticas. La comprensión del gobierno de datos es fundamental para manejar desde la ingesta de datos hasta su auditoría y acceso seguro.

Lineaje de datos: ¿por qué es importante?

El lineaje de datos permite visualizar el flujo de datos en una organización.

  • Lineaje horizontal: Identifica el origen y destino final de los datos combinados de diferentes fuentes.

  • Lineaje vertical: Detalla las modificaciones de las columnas o atributos dentro del flujo de datos, como fórmulas aplicadas o reglas de negocio.

Este enfoque permite agregar metadatos de negocio para comprender mejor los datos, convirtiendo columnas técnicas poco descriptivas, como "xx_2000", en conceptos claros de negocio, como "cliente".

¿Cómo funciona un catálogo de datos en Google Cloud?

El catálogo de datos es un servicio esencial para el gobierno de datos dentro de Google Cloud. Este permite:

  1. Identificación de data assets: Localizar tablas y datasets que contengan información específica, como "cliente", mediante búsquedas a través de interfaces web.

  2. Administración de metadatos: Asignar metadatos de negocio a los elementos de datos técnicos para permitir acciones sobre ellos, como enmascaramiento o restricción de permisos, maximizando la eficiencia y seguridad.

¿Qué es Data Loss Prevention?

Data Loss Prevention (DLP) es una herramienta valiosa para detectar y actuar sobre la información sensible dentro de una organización. Permite:

  • Descubrimiento de información sensible: Mediante expresiones regulares y clasificadores, DLP identifica datos críticos como números de seguridad social o tarjetas de crédito.

  • Enmascaramiento de datos: Facilita la protección de datos sensibles, ocultando o eliminando información crítica cuando sea necesario.

Aplicaciones prácticas en tiempo real

Combinar Data Loss Prevention con Data Fusion permite crear flujos de datos seguros y eficientes. Así, se puede actuar sobre la información sensible en tiempo real, protegiendo datos como correos electrónicos o números de teléfono al ser detectados. Este enfoque es vital para cumplir con normas regulatorias como PCI, PIAI e IPA.

Futuro del gobierno de datos

La integración de estas tecnologías no solo optimiza el manejo de datos, sino que también permite a las empresas cumplir con regulaciones importantes. Continuar explorando y aplicando estos conceptos es clave para cualquier organización que busca mejorar su gobierno de datos y estar a la vanguardia en gestión de información.

Aportes 2

Preguntas 0

Ordenar por:

¿Quieres ver más aportes, preguntas y respuestas de la comunidad?

Me parecería genial un ejemplo de enmascaramiento de datos

Gobierno de datos, es conservar la disponibilidad, usabilidad, integridad y seguridad de la misma