Prosedur Penyembunyian Data dan Maklumat UMPSA

Q&A:

1) Adakah semua data perlu disembunyikan (data masking)?
= Tidak, penyembunyian data (data masking) hanya diperlukan sekiranya pihak Pemilik Data merasakan perlu memberikan data tersebut dalam keadaan yang tersembunyi contohnya, jika nama penuh Ezzat, sekiranya disembunyikan akan menjadi E****. 

<DOWNLOAD HERE>

Q&A:

1) Adakah semua data yang hendak dilupuskan perlu melalui proses penghapusan data dan maklumat?
= Tidak, hanya data yang berada dalam sistem sahaja. Ini melibatkan situasi dimana apabila sesebuah sistem atau aplikasi ingin dilupuskan, namun sistem atau aplikasi tersebut mempunyai data tersimpan yang juga perlu dilupuskan sekaligus. Maka, proses penghapusan data dan maklumat ini perlu dimulakan.

2) Bagaimana jika data tersebut bukan berada dalam sistem atau aplikasi? Tapi ingin dilupuskan....
= Semua data dan maklumat UMPSA yang ingin dilupuskan (selain situasi di atas), perlu melalui Unit Arkib UMPSA (unit di bawah Perpusatakaan UMPSA) untuk proses pelupusan.

Ekosistem Data Raya UMPSA

Objektif

- Menyediakan sumber data tunggal (single source of truth) untuk semua data universiti.

- Menyokong keputusan strategik berasaskan data (data-driven decision making).

- Mematuhi polisi tadbir urus data dan piawaian keselamatan maklumat (ISMS ISO/IEC 27001:2022).

Komponen utama

1) Platform Data Raya (Big Data Platform) - Infrastruktur untuk menyimpan dan memproses data dalam jumlah besar dari pelbagai sumber (akademik, kewangan, penyelidikan, pelajar, kakitangan).

2) Sistem Integrasi Data – Menghubungkan sistem-sistem sedia ada (contoh: HRMIS, e-Student, e-Finance) ke repositori pusat.

3) Analitik & Visualisasi – Dashboard seperti Power BI untuk pelaporan analitik.

4) Tadbir Urus Data – Polisi, prosedur, dan peranan untuk memastikan kualiti, privasi, dan keselamatan data.

5) Keselamatan & Pematuhan – Mekanisme kawalan capaian, penyulitan, dan pemantauan.

Justifikasi

1) Mempercepat analisis data untuk penyelidikan dan pentadbiran.

2) Meningkatkan keberkesanan pengurusan sumber universiti.

3) Memudahkan perkongsian data antara jabatan dengan kawalan/rekod/audit.

4) Menyokong inovasi seperti AI dan pembelajaran mesin(ML).

DMAC Knowledge Sharing