대부분의 사람들은 데이터를 보호하려면 그 주위에 강력한 벽을 세워야 한다고 생각합니다.네트워크를 잠그고 악의적인 공격자를 차단하면 안전하다고 생각하는 것이죠.하지만 문제는 일단 데이터가 그 벽 안으로 들어와 이동하기 시작하면 그 벽은 아무런 역할도 하지 못한다는 점입니다.정당한 접근 권한이 있는 직원이 고객 목록을 가져와 개인 계정으로 이메일을 보내더라도방화벽은 신뢰할 수 있는 사용자의 요청으로 간주하여 그냥 통과시킵니다.요즘 어디서나 마이크로소프트 퍼뷰에 대한 이야기가 나오는데 도대체 이것이 무엇일까요?단일 도구가 아닙니다.데이터 보호라는 한 가지 목적에 집중하는 솔루션 제품군입니다.단순히 인프라만 보호하는 것이 아니죠.세 가지 핵심 요소를 이해해야 합니다.보유한 데이터를 파악하는 데이터 거버넌스, 데이터를 보호하는 데이터 보안, 그리고 규칙 준수를 증명하는 데이터 규정 준수입니다.이번 에피소드가 끝날 때 쯤이면 이 세 가지 요소가 어떻게 조화를 이루는지 어디서부터 시작해야 하는지 알게 될 것입니다.하지만 퍼뷰가 왜 존재하는지 이해하려면 해결하려는 문제가 무엇인지 알아야 합니다.진정한 문제, 즉 인프라 보안만으로는 충분하지 않은 이유입니다.대부분의 기업은 네트워크를 잠그면 데이터가 안전하다고 가정합니다.모든 데이터가 물리적 사무실 안에 있던 20년 전에는 타당한 가정이었습니다.하지만 지금은 더 이상 사실이 아닙니다.이제 데이터는 어디에나 존재합니다.클라우드 앱, 개인기기, 이메일 첨부 파일, 공유 드라이브, 팀 채팅 메시지 등 완전히 통제하기 어려운 다양한 환경에 흩어져 있습니다.사용자가 정당한 접근 권한을 얻어 인증을 마치고 건물 안으로 들어오면 인프라 보안은 그들이 데이터를 어떻게 사용하는지 제어할 수 없습니다.이 사례를 생각해보세요.한 직원이 고객 목록을 개인 USB 드라이브에 다운로드합니다. 데이터가 탈취된 것이 아니기 때문에 방화벽은 이를 막지 못했고 침입 탐지 시스템도 이를 감지하지 못했습니다.데이터를 볼 수 있는 권한이 있는 사람에 위해 접근되었기 때문입니다.보안도구들은 외부 공격을 감시하고 있었지만 위협은 내부에서 발생한 것입니다.이것이 근본적인 변화입니다.보호의 중심이 인프라 계층에서 데이터 계층 자체로 이동해야 합니다.단순히 건물을 지키는 것이 아니라 그 안에 있는 파일들을 보호해야 합니다.그것이 바로 퍼뷰 가하는 일입니다.데이터를 담고 있는 시스템뿐만 아니라 데이터에 직접 정책을 적용합니다.이렇게 생각해보세요.건물 보안은 신분증을 확인하고 적절한 사람만 들어오도록 문을 지키지만일단 안으로 들어오면 그들을 일일이 따라 다니지는 않습니다.퍼뷰는 다릅니다.파일 캐비닛 자체에 자물쇠를 채우는 것과 같아서누군가 건물 안에 있더라도 허가받지 않은 사람은 캐비닛을 열 수 없습니다.결국 퍼뷰는 파일 캐비닛을 잠그는 것이지만잠그기 위해서는 먼저 안에 무엇이 있는지 알아야 합니다.첫 번째 기둥, 데이터 거버넌스, 데이터 파악하기실제로 어떤 데이터를 보유하고 있는지 아는 것이 모든 데이터 보호 전략의 첫걸음입니다.당연한 이야기 같지만 대부분의 조직은 시어포인트 사이트, 파일 공유, 데이터베이스에 무엇이 들어있는지 전혀 모릅니다.오래된 프로젝트 파일, 중복 문서, 누가 만들었는지 기억조차 나지 않는 고객 정보가 담긴 스프레드 시트 등수년간 쌓인 콘텐츠가 너무 많기 때문입니다.퍼뷰 데이터 매비 문제를 해결합니다.에이저, 멀티 클라우드, 온프레미스를 아우르는 전체 환경을 스캔하여 발견된 모든 데이터의 메타 데이터를 캡처합니다.어떤 종류의 데이터인지, 어디에 저장되어 있는지, 소유자가 누구인지, 얼마나 민감한 데이터인지와 같은 질문에 답을 해줍니다.데이터 맵은 데이터 자산의 전체적인 모습을 보여줍니다. 그곳에서 모든 메타 데이터가 통합 카탈로그로 정리됩니다.도서관의 카드 목록을 생각해보세요.카탈로그가 없던 시절에는 필요한 책을 찾기 위해 모든 복도를 헤매야 했지만이제는 검색한 번호로 어떤 책이 어느 서가에 있는지 정확히 알 수 있습니다.데이터를 재무, 인사, 연구개발과 같은 거버넌스 도메인으로 구성하면비즈니스 사용자가 IT 부서에 묻지 않고도 필요한 데이터를 찾을 수 있습니다.재무 분석가는 재무 도메인을 탐색하여 승인된 모든 데이터 세트를 설명 및 소유자와 함께 확인할 수 있습니다.데이터 계보는 데이터의 출처와 시간이 지남에 따라 어떻게 변경되었는지 보여줍니다.감사를 준비하던 중 누군가, 이 숫자는 어디서 나온 거죠? 라고 묻는다면 어떻게 할까요?계보를 통해 모든 변환 과정을 추적할 수 있으며이는 규제기관이 보고서의 정확성을 입증하라고 요구할 때 매우 중요합니다.비즈니스 용어집은 평이한 언어로 설명을 추가해 주므로분석가는 3년 전 작성자를 일일이 찾지 않아도 데이터 세트의 의미를 이해할 수 있습니다. C-O-S-T-O-R-D-023-V-E-F-I-N-A-L 이라는 테이블 이름 대신고객 주문 2023 최종 버전 과 같이 표시됩니다.사소한 변화지만 큰 차이를 만듭니다.왜 이것이 중요할까요?존재 여부조차 모르는 데이터는 보호할 수 없기 때문입니다.고객 주민등록번호가 포함된 셰어포인트 사이트가 있다는 사실을 모르면 보호할 수 없으며거버넌스는 모든 것에 기반이 되는 토대입니다.어떤 데이터를 보유하고 있고 그것이 어디에 있는지 알게 되면 다음 질문은 명확합니다.민감한 데이터를 어떻게 보호할 것인가?두 번째 기둥, 데이터 보안 민감도 레이블입니다.거버넌스는 어떤 데이터가 있는지 알려주고 보안은 그 데이터를 어떻게 다룰지 알려줍니다.이를 위한 핵심 도구가 바로 민감도 레이블이라는 것입니다.민감도 레이블은 데이터의 민감도에 따라 분류하는 디지털 태그라고 생각하면 됩니다. 흔히 볼 수 있는 레이블로는 공개, 내부용, 기밀, 급비 등이 있습니다.하지만 이들만 사용할 수 있는 것은 아닙니다.조직의 필요에 맞춰 사용자 지정 레이블을 직접 만들 수 있습니다.인사 데이터, 재무 결과 또는 고객 기밀과 같은 레이블이 필요할 수 있습니다.결정은 여러분의 목입니다.레이블에 대해 알아야 할 중요한 점이 있습니다.레이블은 데이터와 함께 이동합니다.문서가 기밀로 표시되어 있고 누군가 이를 이메일에 첨부하면 레이블도 그대로 유지됩니다.문서를 다운로드하거나 온드라이브에 복사하거나 팀즈를 통해 공유해도 레이블은 어디든 따라다닙니다.파일 캐비닛에 붙은 스티커가 아니라 종이 자체에 새겨진 워터마크와 같습니다.레이블은 자동작업을 트리거할 수 있습니다.문서를 암호화하여 권한이 있는 사람만 열어볼 수 있게 할 수 있습니다.액세스 제한을 통해 편집이나 인쇄를 차단하고 페이지 전체에 기밀이라는 머리끌, 바닷글 또는 워터마크를 추가할 수 있습니다.레이블이 시스템에 수행할 작업을 알려주면 시스템이 자동으로 처리합니다.레이블은 세 가지 방식으로 적용됩니다.수동은 사용자가 직접 레이블을 선택하는 방식입니다.자동은 퍼뷰가 신용카드 번호와 같은 민감한 콘텐츠를 감지하여 스스로 레이블을 적용하는 방식입니다.정책 권장사항은 시스템이 레이블을 제한하고 사용자가 이를 확인하는 방식입니다.그 중간 옵션이 흥미로운 부분입니다.예를 들어보겠습니다.문서에 신용카드 번호가 포함되어 있습니다.퍼뷰 위 분류 엔진이 해당 패턴을 인식하고 문서가 저장되기도 전에 자동으로 극비 레이블을 적용하고 사람의 개입 없이 암호화합니다.데이터는 생성되는 순간부터 보호되지만 레이블은 개별 파일에만 적용되는 것이 아닙니다.셰어포인트 사이트, 팀즈 채널, 마이크로소프트 365그룹과 같은 컨테이너에도 적용됩니다.즉 기밀로 레이블이 지정된 모든 팀 사이트는 기본적으로 외부 공유를 차단한다고 설정할 수 있습니다. 규칙을 한 번 설정하면 해당 레이블이 지정된 모든 사이트가 보호 기능을 상속받습니다.각각 개별적으로 구성할 필요가 없습니다.결국 레이블은 해당 항목이 무엇인지 알려줍니다.데이터를 분류하고 표시하며 자동으로 보호를 적용합니다.하지만 누군가 레이블이 지정된 데이터를 해서는 안 될 곳으로 보내려고 하면 어떻게 될까요?데이터 손실방지, DLP, 가 유출을 차단합니다.레이블은 분류를 담당하고 DLP, 데이터 손실방지는 조치를 취합니다.여기서 시스템은 수동적인 상태를 벗어나 실시간으로 차단을 시작합니다. DLP 정책은 이메일, 문서, 채팅 메시지, 클라우드 앱을 스캔하여 민감한 정보를 찾습니다.위험한 상황이 발견되면 작업을 완전히 차단하거나 사용자에게 정책 팁을 표시하거나 관리자에게 알리거나 나중에 검토할 수 있도록 이벤트를 기록할 수 있습니다.상황에 맞는 적절한 대응 방식을 결정하십시오.실제 사례를 하나 들어보겠습니다.한 직원이 사회보장 번호가 포함된 스프레드 시트를 자신의 개인 지메일 계정으로 이메일을 보내려고 합니다. DLP가 민감한 데이터를 감지하고 외부 수신자를 인식하여 메시지가 조직을 떠나기 전에 차단합니다.사용자는 이 메시지에는 민감한 정보가 포함되어 있어 전송되지 않았습니다.라는 경고를 받습니다.작업이 차단되고 학습의 기회가 됩니다.데이터 유출이나 침해는 없습니다. DLP는 익스체인지, 시어포인트, 온드라이브, 팀즈, 심지어 윈도우즈 엔드포인트까지 아우르며 작동합니다.데이터가 어디에 있든 누군가 어떻게 이동하려 하든 상관없습니다.민감한 정보가 포함되어 있다면 정책이 이를 감지합니다.알아두어야 할 점은 DLP 정책을 먼저 시뮬레이션 모드로 실행할 수 있다는 것입니다.즉, 실제로 차단하지 않고도 무엇이 차단될지 미리 테스트할 수 있습니다.얼마나 많은 항목이 감지되었을지, 어떤 유형의 데이터가 정책을 트리거했는지, 어떤 사용자가 관련되었는지 보여주는 보고서를 얻게 됩니다. 그런 다음 시행을 켜기 전에 조정합니다.업무를 방해하지 않으면 서 안전하게 학습할 수 있는 방법입니다.가장 좋은 방법은 작게 시작하는 것입니다.신용카드 번호와 같이 한 가지 유형의 민감한 데이터를 선택하고, 소수의 사용자 그룹에 DLP를 적용해보세요.어떤 일이 일어나는지 확인하십시오.무엇이 차단되었는지 설명하는 정책 팁으로 사용자들을 교육하세요.사람들이 익숙해지면 점진적으로 시행 범위를 확대합니다.그런데 그 정책 팁은 매우 강력합니다.단순히 차단되었다고 알리는 대신, 사용자에게 이 문서에는 민감한 데이터가 포함되어 있습니다.정말 전송하시겠습니까? 라고 알려줍니다.시스템이 자신을 처벌한다는 느낌을 주지 않으면 서 다시 한 번 생각할 기회를 줍니다.대부분의 사람은 위도적으로 데이터를 유출하려 하지 않습니다.그저 빠르게 업무를 처리하려는 것뿐입니다.이제 우리는 데이터를 파악하고, 네이블로 보호하며, DLP로 유출을 차단하고 있습니다.하지만 감사자가 나타나 증거를 요구하면 어떻게 될까요?세 번째 기둥, 데이터 규정 준수입니다.규칙을 준수하고 있음을 증명하세요.규정 준수는 단지 안전한 상태를 유지하는 것을 넘어 안전함을 증명하는 것입니다.세상에서 가장 강력한 보호 기능을 갖추고 있더라도,규제 기관이 나타나 증거를 요구하면 좋은 위도 이상의 것이 필요합니다.문서와 감사 추적, 그리고 방어 가능한 프로세스가 필요합니다.그때 바로 법요위 규정 준수 관리자, 컴플라이언스 매니저 다 필요합니다.규제 요구 사항을 얼마나 잘 충족하는지에 따라 점수를 제공합니다.신용 점수와 비슷하지만, 규정 준수를 위한 점수라고 생각하면 됩니다.점수가 높을수록 보완 상태가 좋으며, 개선을 위한 조치를 취할 때마다 점수도 변합니다.규정 준수 관리자에는 여러분이 이미 들어봤을 만한 주요 규정에 대한 평가가 기본으로 포함되어 있습니다. 유럽의 데이터 개인정보 보호를 위한 GDPR, 미국 의료정보 보호를 위한 HIPAA,정보보완 관리를 위한 ISO 27,000일, 금융 서비스를 위한 FINRA,정부 클라우드 서비스를 위한 패드램프 등이 있으며 훨씬 더 많습니다.총 320개가 넘는 템플릿이 있습니다.귀하의 업계에 적용되는 규정이 있다면, 아마도 그에 대한 평가 항목이 있을 것입니다.각 평가는 규정을 제어 항목으로 세분화합니다.모든 제어 항목은 단계별 지침이 포함된 개선 작업으로 세분화됩니다.무엇을 해야 하는지 정확히 알려줍니다.감사 로그 활성화, 민감도 레이블 구성, 보존 정책 설정 등입니다.규정 준수가 무엇인지 추측할 필요가 없습니다.시스템이 알려주기 때문입니다.이러한 개선 작업을 조직 내 담당자에게 할당합니다. IT 관리자는 기술적 작업을, 중법 감시인은 정책 문서를,법무팀은 데이터 주체 요청 워크플로우를 처리합니다.모두가 자신의 책임을 인지하며 실시간으로 진행 상황을 추적할 수 있습니다.더 이상 이메일로 스프레드 시트를 주고받을 필요가 없습니다.작업을 완료하면 담당자가 컴플라이언스 매니저에 직접 증거를 업로드합니다.증거로는 정책이 올바르게 구성되었음을 보여주는 스크린샷이 될 수 있습니다.직접 작성한 정책 문서일 수도 있습니다.시스템에서 추출한 감사 로그일 수도 있습니다.모든 것이 한 곳의 제어 항목별로 정리되어 다음 감사를 대비할 수 있습니다.이제 스마트한 부분을 확인해보죠.컴플라이언스 매니저는 일부 제어 항목에 대해 마이크로소프트 365 환경을 자동으로 스캔합니다.민감도 레이블을 구성했다면 이를 감지하여 자동으로 점수를 부여합니다.감사 로그를 활성화했다면 이 역시 자동으로 확인합니다.모든 항목을 수동으로 증명할 필요가 없습니다.시스템이 스스로 점검하기 때문입니다.퍼뷰의 감사 로그는 환경 내 모든 활동을 기록합니다. 누가 어떤 문서에 액세스했나요? 언제 액세스했나요? 어디에서요?그 문서로 무엇을 했나요?모든 작업은 기록되고 검색 가능합니다.감사자가 누가 이 파일을 언제 보았나요?라고 물으면 며칠이 아닌 몇 초 만에 답변할 수 있습니다.이 디스커버리를 통해 법무팀은 모든 데이터, 이메일, 문서, 팀즈 메시지,셰어포인트 사이트를 검색하고 조사나 소송과 관련된 콘텐츠를 보관할 수 있습니다.법적 분쟁이 발생하면 관련 데이터 일체를 보존하여 증거로 제출할 수 있습니다.파일을 찾느라 허동되거나 누군가 중요한 것을 삭제했을까 봐 걱정할 필요가 없습니다.기록관리, 레코즈 매니지먼트 기능은 중요 문서를 필요한 기간 동안 보존하고조기 삭제되지 않도록 보장합니다.규정상 재무기록을 7년간 보관해야 한다면 기록관리가 이를 강제합니다.사용자는 이를 삭제할 수 없습니다.관리자도 정책을 우회할 수 없습니다.데이터는 보존기간이 만료될 때까지 유지되며 이후 통제된 방식으로 폐기됩니다.왜 이런 것들이 중요할까요?규제기관은 어떤 도구를 사용하는지 신경 쓰지 않습니다.퍼뷰를 구매했다는 사실은 중요하지 않습니다.그들은 여러분이 방어 가능한 프로세스를 보여줄 수 있는지 중요하게 생각합니다.그들은 여러분이 위험을 식별하고 통제수단을 구현하고 규정준수를 모니터링하며모든 단계에 대한 증거를 갖추었는지 확인하고자 합니다.컴플라이언스 매니저는 감사자가 인정하는 형식으로 그 증거를 제공합니다.하지만 상황을 완전히 바꾸는 새로운 요소가 등장했습니다.바로 AI입니다. AI 거버넌스입니다.코파일럿이 도입되면 무엇이 바뀔까요?가장 간단한 정의부터 시작하겠습니다.기존의 데이터 보호 방식은 사람이 데이터에 접근한다고 가정했습니다.수십 년 동안은 이러한 가정이 타당했습니다.사용자가 로그인하고 파일을 검색하고 열어서 읽는 방식이었죠.시스템은 누가 무엇을 했는지 파악하고 모든 행동을 추적할 수 있었습니다. 하지만 AI는 이러한 계산을 완전히 바꿔놓았습니다.코파일럿과 같은 AI 에이전트는 방대한 데이터 자산에 순식간에 접근할 수 있습니다.파일을 하나씩 읽지 않습니다.수천 개의 문서를 스캔하고 내용을 요약하며사용자가 존재조차 몰랐던 정보를 찾아냅니다.이러한 속도와 규모는 완전히 새로운 차원의 위험을 초래합니다.데이터가 파일 캐비닉과 같다고 상상해보세요.과거에는 각 서람마다 열쇠가 필요했습니다.권한이 있는 사람만이 적절한 파일에 접근할 수 있었죠.코파일럿은 열쇠가 꽂혀 있다면 모든 서랍을 한꺼번에 열 수 있는 스마트한 비서와 같습니다.데이터가 제대로 분류되지 않으면 코파일럿이 민감한 정보를 권한 없는 사람에게 노출할 수 있습니다.시스템이 고장난 것이 아니라 데이터에 라벨이 지정되지 않았기 때문입니다.전사적 접근 권한으로 설정된 고객 개인정보, PII,가 포함된 셰어포인트 사이트가 AI를 통해 전례 없는 방식으로 노출될 수 있습니다.벽은 원래 그 자리에 있었지만 AI 가그문을 찾아낸 것입니다.그렇다면 퍼뷰는 이 문제를 어떻게 해결할까요?퍼뷰는 기존 제어 기능을 확장하여 AI 상호작용까지 보호합니다.이제 DLP 정책은 이메일과 문서뿐만 아니라 AI 프롬프트와 응답까지 검사합니다.누군가 코파일럿에 질문하여 민감한 데이터가 반환될 경우 DLP가 이를 차단할 수 있습니다. AI 가생성 한 콘텐츠에도 민감도 라벨이 적용됩니다.코파일럿 이 기밀문서를 요약하면 그 요약본도 동일한 라벨과 보호 기능을 상속받습니다. AI를 위한 데이터 보안 상태 관리 기능은 실시간으로 정보 과다 공유와 오용을 모니터링합니다. AI 도구가 어떻게 사용되는지, 어떤 데이터에 접근하는지, 정책 위반 사항은 없는지 감시합니다.누군가 권한 없는 데이터를 탐색하려는 의도로 코파일럿에게 질문하기 시작하면 시스템이 이를 경고합니다.컴플라이언스 매니저에는 이제 이후 AI 법과 같은 AI 규제에 대한 사전 구축된 평가 기능이 포함됩니다. 조직에서 AI 도구를 사용한다면 이러한 새로운 규정 준수 여부를 입증해야 합니다.평가 템플릿이 이미 준비되어 있어 바로 사용할 수 있습니다. AI 허브를 통해 조직 내에서 어떤 AI 앱이 사용되고 있으며 어떤 데이터에 접근하는지 파악할 수 있습니다.어떤 직원이 코파일럿을 사용하는지, 어떤 타사 AI 도구가 연결되어 있는지, 어떤 종류의 데이터가 흐르고 있는지 확인할 수 있습니다.사각지대는 없습니다.퍼뷰는 감사 추적을 위해 AI 프롬프트와 응답을 보관할 수도 있습니다.규제기관이 그 직원이 AI에게 무엇을 물었고, AI는 무엇이라고 답했는가? 라고 묻는다면 기록을 통해 증명할 수 있습니다.프롬프트, 응답, 타임스탬프, 사용자 아이디 등 모든 것이 조사나 규정 준수 검토를 위해 보존됩니다.이렇게 생각해보세요.우리가 이야기했던 세 가지 핵심 요소인 거버넌스, 보안, 규정 준수는 AI 애도 그대로 적용되지만 그 중요성은 더 커졌습니다.이전에 데이터가 철저히 관리되지 않았다면 AI는 모든 허점을 드러낼 것입니다.퍼뷰는 그러한 허점이 침해 사고로 이어지기 전에 해결할 수 있는 도구를 제공합니다.이 세 가지 핵심 요소는 별개의 프로젝트가 아니면 하나의 순환구조로 함께 작동합니다.세 가지 핵심 요소가 연결되는 방식입니다.그렇다면 이 모든 것이 어떻게 하나로 결합될까요?거버넌스는 데이터를 잡고 보안은 데이터를 보호하며 규정 준수는 규칙을 준수했음을 증명합니다.세 가지 별도의 작업이지만 하나의 연결된 시스템입니다.하지만 많은 사람이 놓치는 부분이 있습니다.이들은 단순히 순차적으로 작동하는 것이 아니라 서로를 강화합니다.규정 준수 감사 중에 데이터 분류의 빈틈이 발견됩니다.분류되지 않은 고객 데이터가 포함된 시어포인트 사이트를 놓쳤을 수도 있습니다.그 빈틈에 대한 정보는 다시 거버넌스로 전달되어 데이터 맵 스캔을 업데이트합니다. 거버넌스가 새로운 데이터를 찾아냅니다.보안이 보호 조치를 적용합니다.규정 준수팀이 이를 확인합니다.이 순환 과정은 계속됩니다.실제 시나리오를 통해 설명해드리겠습니다.데이터 맵이 환경을 스캔합니다.분류된 적 없는 고객 개인정보, PII, 가포함된 시어포인트 사이트를 찾아냅니다.아무도 그곳에 데이터가 있는지 몰랐습니다.퍼뷰의 분류 엔진이 민감한 콘텐츠를 감지하고 암호화된 기밀, 레이블을 자동으로 적용합니다.해당 레이블은 미리 구성된 DLP 정책을 트리거합니다.해당 레이블이 지정된 문서를 외부 주소로 전달하려는 이메일은 자동으로 차단됩니다.컴플라이언스 매니저가 제어 조치가 구현된 것을 확인하고 점수를 부여합니다.감사 로그는 전체 과정을 기록합니다.누가 데이터를 찾았는지, 언제 레이블이 적용되었는지, 어떤 정책이 작업을 차단했는지 기록됩니다.다음 감사가 진행될 때 전체 내용을 준비해서 제시할 수 있습니다.이것이 통합 플랫폼으로서 퍼뷰가 가진 힘입니다.단순히 포털만 공유하는 3개의 별도 도구가 아니라 각 부분이 서로에게 정보를 제공하는 하나의 엔진입니다.통합은 자동으로 이루어집니다.거버넌스가 마련되고 환경을 스캔하여 데이터를 분류하고 나면, 보안과 규정 준수는 추가 구성 없이도 그 혜택을 누릴 수 있습니다.컴플라이언스 매니저를 위해 레이블을 다시 만들 필요가 없습니다. DLP를 위해 다시 스캔할 필요도 없습니다.모두 같은 기반을 공유하기 때문입니다.대부분의 조직은 데이터 보호를 서로 단절된 이니셔티브로 취급하기 때문에 실패합니다.보안팀과 소통하지 않는 거버넌스 팀이 있습니다.서로 다른 스프레드시트로 작업하는 규정 준수 담당자도 있습니다.비즈니스 요구사항을 이해하지 못한 채 정책만 구현하는 IT팀도 있죠.퍼뷰는 종속성을 가시화하여 이러한 부서 간의 소통을 강제합니다.거버넌스 없이는 규정 준수를 제대로 수행할 수 없습니다. 보호하는 데이터가 무엇인지 모르면 보안을 제대로 수행할 수 없습니다.자, 어디서부터 시작할까요?모든 기능을 한꺼번에 켜는 것은 아닙니다.거버넌스부터 시작하세요.데이터를 찾고 분류하면 나머지는 자연스럽게 따라옵니다.오늘의 핵심 정보입니다.첫 걸음을 내딛는 것이죠.그럼, 시작해볼까요?퍼뷰 데이터 탐색기를 열어 환경 내에 어떤 민감 정보가 있는지 확인하세요.찾게 되는 내용에 놀라실지도 모릅니다.이메일 첨부 파일에 들어있는 신용카드 번호, 오래된 시어포인트 사이트의 주민등록번호, 잊고 있던 팀즈 대화 속 의료 정보들까지요.첫날부터 모든 걸 해결하려 하지 마세요.일단 살펴보는 겁니다.가장 큰 위험에 먼저 집중하세요.금융 데이터, 의료 기록, 개인 정보 등이 해당합니다.규제기관으로부터 문제가 발생할 수 있는 항목들이죠.사내 연말 파티 메모를 걱정하기 전에 이들부터 우선 순위에 두세요.다음으로 중요한 콘텐츠에 민감도 레이블을 적용하되, 아직 모두에게 배포하진 마세요.소규모 사용자 그룹으로 시작하세요.그들이 테스트하고 익숙해지도록 하여 피드백을 받으세요.전사적 영향이 가기 전에 설정 오류를 잡아낼 수 있습니다.그 다음 DLP 정책을 테스트 모드로 설정하세요.시뮬레이션으로 실행하면 실제로 차단하지 않고도 무엇이 차단될지 미리 볼 수 있습니다.보고서를 검토하고 규칙을 조정한 뒤 점진적으로 적용을 활성화하세요.컴플라이언스 매니저를 로드맵으로 활용하세요.귀하의 업계 규정을 충족하기 위해 필요한 내용을 정확히 보여줍니다.혼자서 고민할 필요가 없습니다.평가 기능이 무엇을, 어떤 순서로 해야 할지, 그리고 어떻게 증명할지 알려줍니다.바로 할 수 있는 가장 강력한 작업 하나를 알려드리겠습니다.데이터 분류 스캔을 실행하세요.그냥 실행해보세요.무엇을 가졌는지 아는 것이 모든 것을 바꿉니다.나머지 모든 작업은 그 한 걸음에서 시작됩니다. 마이크로소프트 퍼뷰는 단일 제품이 아닙니다.데이터를 찾고 보호하며 방어 가능한 상태로 유지하는 시스템입니다.거버넌스로 시작해 보안을 더하고 규정 준수로 신뢰를 지키세요.이 프레임워크는 기존 데이터와 AI 모두에 적용됩니다.네, AI 도포함입니다.우리 대부분이 이미 살고 있는 세상을 위해 만들어졌으니까요.전체적인 흐름을 이해하셨다면, M365 FM에서 마이크로소프트 지식조각을 구독하세요.다음으로 설명받고 싶은 내용을 댓글로 남겨주세요.시청해주셔서 감사합니다.