Huling sinuri noong 5 Nobyembre 2026 laban sa mga sangguniang naka-link sa post na ito.
Ang pagsasanay sa proteksyon ng datos para sa mga empleyado ay pinakamahusay na gumagana kapag tumutugma ito sa trabaho, at ang mga analyst ay humahawak ng mas maraming personal na datos kaysa sa karamihan. Iniulat ng European Data Protection Board na ang mga pambansang awtoridad ay naglabas ng EUR 1.15 bilyon na multa sa 2025, na nagpapakita kung gaano kaseryoso ang pagtrato ng mga regulator sa Europa sa paraan ng paghawak ng mga organisasyon sa personal na data. Ang mga panganib sa linggo ng isang analyst ay pang-araw-araw: pag-export ng isang talahanayan sa isang spreadsheet, o pag-paste ng isang bahagi nito sa isang AI assistant.
Ito ay isang listahan ng 9 na handa nang kurso para sa mga pinuno ng data at mga BI manager na nagtatakda ng mga patakaran para sa kanilang mga koponan. Saklaw nito ang klasipikasyon, personal na data, pagbabahagi ng data gamit ang mga AI tool at ang mga gawi sa seguridad na nagpoprotekta sa bodega. Sinasabi ng bawat entry kung ano ang sakop ng kurso, kung bakit kailangan ito ng isang analyst at kung ano ang ginagawa ng silid sa sesyon. Nagtatapos ang bawat grupo sa isang Ang aming pumiliPagkatapos ng listahan ay may kasunod na pagkakasunud-sunod ng paglulunsad at isang paraan upang patakbuhin ang mga kurso sa AhaSlides.
Lahat ng 9 kurso sa isang sulyap
| Kurso | Kung ano ang sakop nito | Haba | Legal na tungkulin ng organisasyon? |
|---|---|---|---|
| Pag-uuri at paghawak ng datos | Pagpapasya kung ano ang maaaring lumabas sa isang bodega o dashboard | 25 min | Walang nabanggit na tungkulin dito |
| Pang-araw-araw na paghawak ng personal na datos | Pagsang-ayon, pagpapaliit, pagpapanatili at pagbabahagi | 40 min | Walang nabanggit na tungkulin dito |
| Ang iyong data at mga tool sa AI | Ano ang maaari at hindi mo maaaring i-paste sa mga AI tool | 30 min | Walang nabanggit na tungkulin dito |
| Ligtas na paggamit ng generative AI | Mga pagtagas ng datos, shadow AI at mga pag-atakeng pinapagana ng AI | 35 min | Walang nabanggit na tungkulin dito |
| Seguridad ng AI para sa lahat | Shadow AI, agarang iniksyon at mga manipuladong output | 30 min | Walang nabanggit na tungkulin dito |
| Mga mahahalagang bagay tungkol sa kamalayan sa seguridad | Mga pangunahing gawi para sa mga taong may malawak na access | 35 min | Walang nabanggit na tungkulin dito |
| Phishing at social engineering | Pagtukoy at pag-uulat ng phishing | 30 min | Walang nabanggit na tungkulin dito |
| Mga password, passkey at multi-factor authentication | Mahusay na pag-sign-in para sa mga tool sa data | 30 min | Walang nabanggit na tungkulin dito |
| Social engineering, pandaraya at mga deepfake | Mga pekeng kahilingan sa pamamagitan ng telepono, pagbabayad at pagpapanggap | 35 min | Walang nabanggit na tungkulin dito |
Pag-uuri ng datos at personal na datos
Pag-uuri at paghawak ng datos
Kailangan ng mga analyst ng mga tuntunin sa klasipikasyon upang makapagdesisyon kung ano ang maaaring lumabas sa isang bodega, dashboard, o shared drive. Sinasaklaw ng kursong ito kung paano lagyan ng label ang data at kung ano ang pinapayagan ng bawat label. Sa sesyon, magsagawa ng pagsusulit na "Pick Answer" na may limang halimbawang kolum, tulad ng postcode, titulo ng trabaho, at numero ng payroll, at tanungin ang silid kung aling label ang makukuha ng bawat isa. Ipinapakita ng mga hindi pagkakasundo kung saan malabo ang sarili mong mga tuntunin.
Pang-araw-araw na paghawak ng personal na datos
Inilalapat ng kursong ito ang mga tuntunin sa pahintulot, pagliit, pagpapanatili, at pagbabahagi sa pang-araw-araw na gawain sa datos. Inilalarawan ng European Commission ang pagliit ng datos bilang prinsipyo na ang isang organisasyon dapat mangolekta at magproseso lamang ng personal na datos na kinakailangan para sa layunin nito, na isang ugali na maaaring gawin ng mga analyst sa bawat query. Sa sesyon, magpakita ng kahilingan para sa "lahat ng field ng customer" at gumamit ng Word Cloud upang itanong kung aling mga field ang kailangan ng pagsusuri.
Ang aming pinili: Pangasiwaan ang personal na data araw-araw. Ang pagbabawas ng isang dataset ay isang kasanayang ginagamit ng mga analyst araw-araw, at ang ehersisyo ng Word Cloud ay nagpapakita ng nakagawiang ito sa loob lamang ng ilang minuto.
AI at pagbabahagi ng datos
Ang iyong data at mga tool sa AI
Ang kursong ito ay nagtatakda ng malinaw na mga linya para sa kung ano ang maaaring idikit ng isang analyst sa isang AI tool, at kung ano ang hindi idikit anuman ang ipinapangako ng tool. Sa sesyon, bigyan ang silid ng apat na snippet, kabilang ang isang talaan ng mga pangalan at isang query na walang personal na data, at magsagawa ng isang Pick Answer poll: idikit, i-mask o hindi kailanman? Ihambing ang mga boto sa iyong patakaran sa katanggap-tanggap na paggamit at ayusin ang alinmang panig na mali.
Ligtas na paggamit ng generative AI
Saklaw ng kursong ito ang mga pagtagas ng datos at shadow AI kapag gumagamit ang mga analyst ng mga generative tool sa mga dataset, kabilang ang mga pag-atake na gumagamit ng AI laban sa analyst. Mahalaga ito dahil ang pinakamabilis na tool ay kadalasang hindi pa naaprubahan ng sinuman. Sa sesyon, magtanong ng isang Open Ended na tanong: "Aling AI tool ang ginamit mo para sa trabaho na hindi pa naaprubahan ng IT?" Ang mga hindi nagpapakilalang sagot ay nagsasabi sa iyo kung ano ang ginagamit ng mga tao.
Seguridad ng AI para sa lahat
Ang mabilis na pag-iniksyon at mga manipuladong output ay maaaring makasira sa isang pagsusuri o maglantad ng datos kapag ang isang analyst ay gumagamit ng AI assistant sa mga dokumento mula sa labas ng kumpanya. Sinasaklaw ng kursong ito ang shadow AI, mabilis na pag-iniksyon at kung paano suriin ang isang sagot sa AI. Sa sesyon, ipakita ang isang dokumentong may poisoned at magtanong sa isang Rating Scale kung gaano kalaki ang posibilidad na mahuli ito ng silid.
Ang aming pinili: Ang iyong data at mga tool sa AI. Ginagawa nitong apat na konkretong oo o hindi ang isang analyst kada linggo.
Mga pangunahing kaalaman sa seguridad at pandaraya
Mga mahahalagang bagay tungkol sa kamalayan sa seguridad
Sinumang may malawak na access sa data ay isang high-value account, kaya mas mahalaga para sa mga analyst ang mga baseline habits kaysa sa karamihan ng mga posisyon. Sinasaklaw ng kurso ang pang-araw-araw na security behaviors na dapat taglayin ng bawat empleyado. Sa sesyon, magsagawa ng maikling pagsusulit sa isang makatotohanang araw: isang USB stick sa parking lot, isang shared password, isang laptop na naiwan sa isang cafe.
Phishing at social engineering
Ang mga analyst na may access sa bodega ay pangunahing target ng phishing, dahil ang isang ninakaw na login ay maaaring magbukas ng maraming table. Itinuturo ng kursong ito kung paano matukoy at iulat ang phishing at social engineering. Sa sesyon, magpakita ng tatlong email at magpatakbo ng isang Pick Answer poll kung alin ang peke, pagkatapos ay talakayin kung paano maaaring mapunta ang bawat isa sa inbox ng isang analyst.
Mga password, passkey at multi-factor authentication
Pinoprotektahan ng matibay na authentication ang mga dataset at BI tool na ginagamit ng mga analyst araw-araw. Sinasaklaw ng kurso ang mga password, passkey, at multi-factor authentication para sa mga staff. Sa sesyon, tanungin ang mga miyembro ng silid gamit ang Rating Scale kung gaano sila katiwala na gumagamit ng multi-factor sign-in ang kanilang mga data tool, at ilista ang mga tool na may pinakamababang iskor.
Social engineering, pandaraya at mga deepfake
Karaniwang mga panloloko sa pagpapanggap ang mga pekeng kahilingan para sa pag-export at pagbabayad ng data, at madali na ngayong pekein ang isang nakakakumbinsing boses o mensahe. Sinasaklaw ng kursong ito ang mga panloloko sa telepono, pagbabayad, at pagpapanggap, at ang ugali ng pag-verify sa pangalawang channel. Sa sesyon, magpatugtog ng isang maikling senaryo ng isang "direktor" na humihingi ng agarang pag-export at tanungin ang mga kalahok kung ipapadala nila ito.
Ang aming pinili: Mga password, passkey at multi-factor authentication. Isang kontrol ang nagpoprotekta sa bawat tool sa listahan, at ang Rating Scale exercise ay nagbibigay sa iyo ng listahan ng mga puwang sa bawat tool.
Paano ilunsad ang plano
Magsimula sa mga pangunahing kaalaman sa datos: klasipikasyon at pang-araw-araw na paghawak ng personal na datos, kasama ang anumang onboarding na kinakailangan na ng iyong organisasyon. Pagkatapos ay idagdag ang mga kurso sa AI, dahil doon pinakamabilis na nabubuo ang mga bagong gawi. Tapusin sa mga refresher sa seguridad bawat taon, at idagdag ang sarili mong mga patakaran sa bansa o estado kung saan nagtatrabaho ang iyong mga team.
Iugnay ang bawat sesyon sa parehong katotohanan. Naglabas ang mga pambansang awtoridad sa proteksyon ng datos EUR 1.15 bilyon na multa sa 2025, ayon sa EDPB. Ang pahina ng Komisyon tungkol sa mga prinsipyo ng GDPR ay naglilista ng pitong prinsipyo, kabilang ang pagiging legal, limitasyon sa layunin, pagliit ng datos at limitasyon sa imbakan kabilang sa mga tuntuning sinusunod ng mga organisasyon, kaya magtago ng talaan ng mga nakumpletong kurso at ng mga tanong na itinaas.
Kung sakop din ng iyong koponan ang proteksyon ng datos para sa buong kumpanya, ang listahan ng kurso para sa opisyal ng proteksyon ng datos mas malalim na tinatalakay ang mga tungkulin ng GDPR at CCPA. Makakahanap ang mga analyst na sumusulat ng code ng higit pa sa post tungkol sa pagsasanay sa seguridad para sa mga developer, at ang gabay sa Pagsasanay sa AI para sa mga empleyado sumasaklaw sa mas malawak na paglulunsad ng AI.
Mga paraan upang patakbuhin ang mga kursong ito AhaSlides
Maaari mong ialok ang lahat ng 9 sa tatlong format:
- Mga kurso sa sarili. Gamitin ang AhaSlides tagalikha ng kurso upang magtalaga sa bawat analyst ng kursong kukumpletuhin.
- Isang live na Q&A deck. Mangalap ng mga tanong tungkol sa mga totoong dataset bago ang sesyon, pagkatapos ay sagutin ang mga ito sa silid.
- Mga survey bago at pagkatapos. Sukatin kung ano ang nagbago sa parehong sesyon.
Apat na uri ng slide ang gumagawa ng halos lahat ng trabaho:
- Pumili ng Sagot. Itanong: "Hiniling ng isang kasamahan sa isang customer ang pag-export para sa isang mabilis na pagsubok. Ibahagi, i-mask o tanggihan?" Ipakita ang split bago mo ibunyag ang sagot.
- Ulap ng Salita. Itanong: "Aling mga patlang ang kailangan ng pagsusuring ito?" Ang pinakamalalaking salita ay nagpapakita kung ano ang unang inaabot ng mga tao.
- Iskala ng Rating. Itanong, bago at pagkatapos: "Gaano ka katiwala sa kung ano ang maaari mong i-paste sa isang AI tool?" Magbigay ng marka mula 1 hanggang 5 at paghambingin ang mga average.
- Bukas ang Wakas. Itanong: "Saan kaya maaaring tumagas ang dataset na ito nang walang nakakapansin?" Maaaring anonymous ang mga sagot, kaya masasabi ng mga tao ang kanilang iniisip.
FAQ
Anong pagsasanay ang kailangan ng mga data analyst?
Higit pa sa mga teknikal na kasanayan, kailangan din ng mga analyst ang pagsasanay sa privacy ng data, klasipikasyon, at secure handling. Ang 9 na kurso sa itaas ay pinagsama-sama sa ganitong paraan, kasama ang paggamit ng AI tool bilang sarili nitong grupo.
Maaari bang gumamit ang mga data analyst ng mga AI tool sa data ng kumpanya?
Sa loob lamang ng patakaran ng iyong organisasyon, at hindi kailanman batay sa personal o kumpidensyal na datos sa mga tool na hindi inaprubahan ninuman. Walang binabanggit na batas ang post na ito tungkol dito, kaya ang iyong patakaran sa katanggap-tanggap na paggamit at ang iyong data protection lead ang magpapasya.
Ano ang data minimization?
Nangangahulugan ito ng paggamit lamang ng personal na datos na kinakailangan para sa isang tinukoy na layunin. Inilalahad ito ng European Commission bilang pagkolekta at pagproseso lamang ng personal na datos na kinakailangan upang matupad ang layuning iyon.
Sino ang nagmamay-ari ng datos sa isang kumpanya?
Walang iisang tuntunin, kaya suriin ang sarili mong patakaran sa pamamahala. Ang isang karaniwang sitwasyon ay ang may-ari ng datos ang mananagot sa kung paano ginagamit at pinoprotektahan ang isang dataset, habang ang mga analyst at steward ang nakikipagtulungan dito.
Ang post na ito ay pangkalahatang impormasyon lamang, hindi payong legal. Para sa desisyon tungkol sa iyong sariling lugar ng trabaho, makipag-usap sa isang kwalipikadong abogado o sa regulator.
