Классификация данных в Microsoft 365

By Mirko Peters · 2026-04-27 · Updated 2026-07-18

Узнайте, как классификация данных в Microsoft 365 защищает конфиденциальную информацию, помогает соблюдать требования соответствия и обеспечивает эффективное управление с помощью меток и политик Purview.

Automatically translated with AI from the original post. Read the English original

Titelbild: Data Classification in Microsoft 365

Классификация данных быстро становится обязательной для любой современной организации. Конфиденциальных данных с каждой минутой становится всё больше, и давление растёт: нужно упорядочить, маркировать и защищать информацию так, чтобы это имело смысл, особенно если вы работаете в Microsoft 365, Azure или в любой среде с большим объёмом облачных сервисов. Правильная классификация — это не только безопасность; она объединяет бизнес-процессы, требования соответствия и управление данными в одну систему. Если вы хотите спокойно спать, зная, что ваши документы, письма и записи не лежат где попало без защиты, вам нужен чёткий пошаговый подход к классификации. Ниже вы увидите, почему это важно, как это защищает ваши данные и что нужно сделать, чтобы всё получилось с самого начала до конца.

Понимание классификации данных: ключевые понятия и основные преимущества

Если вы задаётесь вопросом, что за шумиха вокруг классификации данных, всё просто: это искусство и наука размещения каждого фрагмента данных именно там, где ему место, исходя из его чувствительности и важности. Это не только галочки в списке соответствия требованиям. При правильном подходе классификация защищает информацию от посторонних глаз, помогает команде работать быстрее и заметно упрощает жизнь, когда приходят аудиторы.

Подумайте сами: данных, которые передаются между пользователями и устройствами, так много, особенно с учётом удалённой работы, облачных приложений и новых инструментов на основе ИИ, что полагаться на случай нельзя. Классификация данных позволяет контролировать, кто что может видеть, и гарантирует, что ваши самые ценные активы не попадут не в те руки. Она также закладывает основу для более удобной аналитики, безопасного совместного работы и более простых миграций между облачными платформами.

Организации, которые уделяют внимание классификации, защищают себя от рисков и одновременно выстраивают более разумное управление и получают больше пользы от своих данных. Конечно, есть и сложности, например, нужно, чтобы схема классификации соответствовала вашему бизнесу, а пользователи действительно следовали правилам. В мире Microsoft, где такие продукты, как Purview и Azure, связывают всё воедино, важно понимать базовые элементы классификации, прежде чем переходить к практическим деталям.

Что такое классификация данных и почему она важна

Классификация данных — это процесс системной организации информации по её конфиденциальности, ценности и предполагаемому использованию. Это помогает организациям контролировать, кто может получить доступ к конкретным данным и при каких условиях. В бизнес-среде с Microsoft 365 или Azure структурированная классификация позволяет присваивать конфиденциальным документам, письмам или записям метки, например «конфиденциально» или «общедоступно». Эти метки запускают механизмы контроля доступа и проверки соответствия требованиям, которые защищают критически важную информацию от утечек и несанкционированного доступа. Эффективная классификация данных не только повышает безопасность, но и упрощает соблюдение требований, а также облегчает управление данными на всех этапах их жизненного цикла.

Основные преимущества и проблемы классификации данных в современных компаниях

Снижает риски для безопасности: присваивая метки конфиденциальным данным, вы контролируете, кто может получить к ним доступ или поделиться ими, что снижает вероятность утечек и потери данных.
Помогает соблюдать требования: классификация упрощает выполнение строгих норм (GDPR, HIPAA и других), делая аудиты и отчётность более гладкими, особенно в облачных сервисах Microsoft.
Упрощает аналитику и перенос в облако: когда данные упорядочены и помечены, их проще анализировать, переносить или безопасно автоматизировать на разных платформах.
Сложности: внедрение может быть непростым. Сопротивление пользователей, непоследовательная маркировка или громоздкие инструменты могут замедлить внедрение, особенно если ваши рабочие процессы глубоко связаны с Microsoft 365 или Azure.

Уровни классификации данных и категории конфиденциальности

Маркировка данных — это прежде всего понимание того, какой информацией можно делиться свободно, а за какой нужно следить особенно внимательно. Организации используют категории конфиденциальности: от «общедоступно», что может увидеть любой, до «строго ограниченно», с которым работает лишь узкий круг людей. Эти категории вносят порядок в потенциальный хаос и помогают защищать важные коммерческие секреты, данные клиентов и записи, подпадающие под требования регулирования.

Но как на практике выбрать эти уровни и какие фреймворки помогают в этом процессе? Модели C1, C2 и отраслевые стандарты задают готовые шаблоны для определения уровней классификации, особенно в регулируемых отраслях и во время аудитов. Они помогают формулировать понятные правила, частично автоматизировать рутинную работу и служат подтверждением того, что вы следуете лучшим практикам, когда внешние стороны или специалисты по соответствию требованиям начинают вас проверять.

Знакомство с этими уровнями чувствительности и фреймворками — ключ к созданию собственного подхода, который подходит вашей организации. В следующих разделах разобраны типичные названия уровней и самые распространённые фреймворки классификации, чтобы подготовить почву для вашего пути в области соответствия требованиям и управления.

Понимание уровней чувствительности данных и классов классификации

Public: Данные, которые можно показывать всем. Например, маркетинговые материалы или опубликованные отчёты. Серьёзных мер защиты не требуется.
Internal: Только для сотрудников, например, описания процессов или стандартные кадровые формы. Это не секрет, но и не для посторонних глаз.
Confidential: Например, списки клиентов или внутренняя финансовая отчётность. Требуют усиленной защиты, возможно шифрования, особенно при работе в облачных платформах, таких как Microsoft 365 и Azure.
Highly Restricted: Критически важные данные, коммерческая тайна или сведения, подпадающие под регулирование. Доступ жёстко ограничен, контролируется и фиксируется на каждом этапе.

Отраслевые фреймворки классификации: C1, C2 и другие

Классификация C1: Применяется к данным, которым нужен базовый уровень защиты, часто к обычным деловым файлам, раскрытие которых не несёт серьёзного риска.
Классификация C2: Требуется более высокий уровень защиты, часто в регулируемых отраслях. Помогает соблюдать законодательство (например, SOX или HIPAA), предписывая контроль доступа, мониторинг и строгие правила обращения с данными.
Другие модели: В отраслях часто используют многоуровневые модели (например, четырёх- или пятиуровневые системы) и ориентируются на национальные или международные стандарты, чтобы быть готовыми к аудиту и обеспечивать управление.

Типы и методы классификации данных

Давайте разберём, как на практике классифицировать данные с технической точки зрения. Существует не один способ, и лучший подход для вашей команды зависит от данных, готовности к риску и размера организации. Одни изучают содержимое самих данных, ища ключевые слова или сведения конфиденциального характера. Другие опираются на источник данных или на то, как их используют. Третьи вовлекают пользователей напрямую, поручая сотрудникам присваивать метки и категории файлам в процессе работы.

Один из главных выборов, перед которым вы окажетесь, — выполнять ли всё вручную или полагаться на более интеллектуальные инструменты для автоматизации. Ручные методы дают контроль, но с трудом справляются с масштабами облака. Автоматическая классификация, напротив, обеспечивает скорость и единообразие, особенно если учитывать ИИ и машинное обучение, встроенные в такие инструменты, как Microsoft Purview и Azure Information Protection.

Выбор метода (или комбинации нескольких) зависит от баланса между точностью, простотой и накладными расходами. В следующих разделах рассматриваются все основные подходы к классификации и сравниваются автоматические средства обнаружения с классической ручной разметкой.

Классификация на основе содержимого, контекста и ориентированная на пользователя

На основе содержимого: Автоматически сканирует файлы и письма на наличие шаблонов конфиденциальных данных, таких как персональные данные, номера банковских карт или интеллектуальная собственность. Отлично подходит для поиска скрытых рисков, но может упускать нюансы.
На основе контекста: Учитывает, где хранятся данные, кто их создал и в какой рабочей среде они используются. Полезно, когда местоположение или владение определяют чувствительность, например, файлы Azure в ограниченных папках.
Ориентированная на пользователя: Сотрудники сами присваивают документам метки. Хорошо отражает деловые намерения, но сильно зависит от обучения пользователей и их готовности, особенно в организациях, где основной упор сделан на Microsoft.

Ручные и автоматизированные системы обнаружения и классификации

Ручная разметка: Пользователи сами выбирают метки. Подходит небольшим организациям или особо чувствительным проектам, но требует много времени, подвержена ошибкам и с трудом управляется в масштабах предприятия.
Автоматическая классификация: Такие инструменты, как Microsoft Purview и Azure Information Protection, последовательно сканируют и помечают большие массивы данных, замечая то, что могли бы упустить люди. Идеально подходят для облачных и гибридных сред.
Гибридный подход: Многие организации сочетают оба варианта: автоматизация применяется для массовой обработки и по правилам, а там, где важен нюанс контекста, подключается ввод от пользователей. Так достигается баланс между точностью, скоростью и реальной практической пользой. Интересно, как работают продвинутое управление и политики DLP в средах Microsoft? Посмотрите подробный разбор: Advanced Copilot agent governance with Microsoft Purview.

Пошаговый процесс классификации данных

Итак, вы понимаете, зачем нужна классификация и какие методы для неё существуют. Но как на практике запустить успешную программу? Это не просто переключатель: существует логичная последовательность действий, независимо от того, начинаете ли вы с нуля или модернизируете классификацию в Microsoft 365 или Azure.

Начните с определения целей: поймите, что именно вы защищаете, зачем и от каких рисков. Далее проведите инвентаризацию всех данных в системах, облачных хранилищах и на пользовательских устройствах (да, придётся покопаться основательно). Когда вы знаете, что у вас есть, переходите к категоризации: примените метки конфиденциальности и определите, кто и что может видеть. После этого настройте необходимые средства защиты: ограничения доступа, шифрование и обеспечение соблюдения политик.

Наконец, на этом работа не заканчивается. Постоянный мониторинг и регулярные обновления поддерживают классификацию в актуальном состоянии по мере роста бизнеса, изменения нормативных требований и появления новых рисков. Считайте это дорожной картой внедрения, к которой вы будете возвращаться часто, особенно по мере того как Microsoft продолжает выпускать новые функции во всём своём стеке.

Определение целей и согласование классификации с бизнесом

Успешная инициатива по классификации данных всегда начинается с ясного понимания цели. Организации должны точно определить, чего они хотят достичь: соответствия нормативным требованиям, защиты интеллектуальной собственности или снижения внутренних рисков. Постановка целей связывает процесс классификации с бизнес-задачами, допустимым уровнем риска и требованиями отраслевых регуляторов. Крайне важно с самого начала определить типы данных, подразделения и сценарии использования, которые входят в охват, чтобы ваши усилия оставались сфокусированными, согласованными и поддавались измерению.

Шаг второй: инвентаризация данных

Следующий шаг: убедитесь, что вы действительно знаете, какие данные у вас есть и где они спрятаны. Проведите полную инвентаризацию в облачных платформах, на почтовых серверах, на конечных устройствах и в базах данных. Не ограничивайтесь документами: проверьте журналы, архивы и всё остальное, что создают пользователи или приложения. Инструменты автоматического обнаружения, особенно встроенные в Microsoft Purview и Azure, помогут сканировать и индексировать данные в масштабе, и эта часть станет заметно менее болезненной. Подробнее о построении систем, готовых к аудиту, и о том, как избежать хаоса в документах, рассказывает этот выпуск: How to build your Purview shield.

Шаг третий: категоризация, классификация и применение меток

Примените метки конфиденциальности: назначьте такие метки, как Confidential, Internal Use Only или Public, всем данным из вашей инвентаризации.
Интегрируйте со средствами безопасности: используйте Microsoft 365 DLP и Conditional Access, чтобы метки автоматически запускали нужные защитные механизмы, например блокировали внешний общий доступ к документам с меткой Confidential.
Выберите ручной или автоматический режим: включите предложения меток или правила в Microsoft Purview либо позвольте пользователям самостоятельно размечать данные с учётом контекста. Автоматизация помогает масштабировать процесс, а ввод пользователя учитывает намерение. Практические советы по настройке DLP и защиты на основе меток смотрите в руководстве: How to set up Data Loss Prevention in Microsoft 365, а об управлении агентами Copilot: Microsoft Purview Copilot governance strategies.

Шаг четвёртый: внедрение средств защиты

Когда всё размечено, пора выйти на первый план с безопасностью. Настройте средства контроля доступа в зависимости от уровня конфиденциальности, чтобы только нужные люди могли открывать, отправлять или редактировать чувствительные файлы и письма. Шифруйте критически важные данные, применяйте политики DLP (Data Loss Prevention) и используйте мониторинг, чтобы вовремя замечать рискованные действия. В Microsoft 365 и Azure это означает сочетание меток конфиденциальности Purview с условным доступом Entra и Defender for Office 365 для надёжной защиты. Больше советов о том, как защитить M365 и не раздражать команду, см.: Ironclad Microsoft 365 security configuration.

Шаг пятый: непрерывный мониторинг и уточнение классификации

Классификация — это не разовый проект. Нужен постоянный мониторинг, чтобы замечать смещение меток, новые риски и нарушения политик. Настройте отчёты, которые отслеживают потоки данных, изменения меток и шаблоны доступа, а затем используйте эту обратную связь для уточнения политик классификации. В экосистеме Microsoft такие инструменты, как Purview Audit, позволяют отслеживать действия пользователей и дают важные сигналы как для соответствия требованиям, так и для безопасности. Подробнее о непрерывном мониторинге и аудите действий пользователей с Purview — здесь: Auditing user activity with Microsoft Purview.

Инструменты, технологии и лучшие практики эффективной классификации данных

Спланировать стратегию классификации — одно дело, а реализовать её в масштабе — совсем другое, и здесь нужно правильное сочетание технологий и методик. Современные инструменты классификации объединяют всё: от встроенной автоматизации до продвинутого ИИ, а также интеграции с Microsoft, Azure и облачными системами. Правильный выбор инструментов и их грамотное использование могут стать разницей между гладким, защищённым ландшафтом данных и кошмаром для комплаенса.

Лучшие практики полезны не только ИТ-отделу. Хорошие процессы задают понятные ориентиры для команд, помогают избежать дорогостоящих ошибок и упрощают внедрение среди пользователей. При этом типичные ошибки, например пропущенное обучение или дрейф схемы, по-прежнему подводят даже самые технологичные организации. К счастью, более умные технологии могут помочь: машинное обучение быстрее и последовательнее присваивает теги данным, а интеллектуальные политики метаданных добавляют дополнительный контекст и детализацию.

Начинаете ли вы только сейчас или хотите довести классификацию данных до совершенства в долгосрочной перспективе, ключ к успеху — в лучших практиках и использовании современных систем. В следующих разделах разбирается, что работает, что нет, и как новейшие политики на основе ИИ и метаданных меняют ситуацию, особенно по мере роста вашей экосистемы Microsoft.

Лучшие практики классификации данных и распространённые ошибки, которых стоит избегать

Определите и поддерживайте понятные схемы: заранее задайте категории меток и не создавайте корзины «прочее», которые запутывают картину, особенно в проектах SharePoint и Power Platform. Ознакомьтесь с этим выпуском о стратегии данных в SharePoint и Power Apps: SharePoint AI governance and data strategy fixes.
Обучайте пользователей и отслеживайте внедрение: не предполагайте, что все знают, что означает «Confidential». Регулярное обучение снижает количество ошибочных меток и повышает вовлечённость пользователей.
Автоматизируйте там, где это возможно: гибридные системы и системы на основе ИИ ускоряют классификацию, снижают нагрузку на пользователей и выявляют скрытые риски. По возможности используйте инструменты автоматизации Microsoft.
Следите за пробелами в управлении: даже защищённые платформы, такие как Power Platform, могут создавать риски, если их оставить без управления. Внедряйте средства контроля и регулярно проверяйте разрешения, см. Power Platform governance best practices.

Современные системы классификации: возможности ИИ и политики на основе метаданных

ИИ и машинное обучение резко ускоряют классификацию данных. Эти системы быстро анализируют файлы, письма и даже нетрадиционные данные в поисках закономерностей и автоматически помечают чувствительный или рискованный контент. Политики на основе метаданных, в свою очередь, прикрепляют к данным информацию, которая управляет присвоением меток и контролем жизненного цикла.

Microsoft и нативные для Azure инструменты, такие как Purview и Fabric, интегрируют ИИ и правила метаданных, делая классификацию умнее, быстрее и менее зависимой от ручного труда. Для компаний, которые активно инвестируют в аналитику и управление данными, использование этих современных возможностей обеспечивает соответствие требованиям и позволяет с самого начала поддерживать порядок в данных. Подробнее о том, как ИИ и управление данными работают вместе в экосистеме Microsoft Fabric, читайте в этом материале: Unifying data governance and AI in Microsoft Fabric.

Управление, соответствие требованиям и отраслевые решения для классификации данных

Качественная классификация данных — это не просто техническая победа. Это основа эффективного управления, надежного соответствия требованиям и безупречной готовности к аудиту. По мере ужесточения законов о конфиденциальности и роста кибератак бизнесу нужны практики классификации, которые делают больше, чем просто обеспечивают довольство регуляторов. Они должны поддерживать устойчивое управление, упрощать отчетность и доказывать, что конфиденциальные данные обрабатываются по самым высоким стандартам.

Ведущие организации часто сочетают внутренние системы с отраслевыми решениями, такими как Fortra Classifier Suite. Эти инструменты предлагают автоматизацию, продвинутую аналитику и проверенные модели безопасности, усиливая защиту данных и помогая выполнить требования сторонних сертификаций и проверок рисков. Готовитесь ли вы к аудиту GDPR, следите ли за соблюдением HIPAA или просто хотите избежать громких утечек, отраслевые платформы обеспечивают уровень доверия, который трудно воспроизвести собственными разработками.

В разделах ниже рассказано, как классификация поддерживает управление и соответствие требованиям, а также приведен практичный обзор высокооцененных поставщиков решений, которые помогут вашей организации опередить конкурентов, ведь ставки в защите данных растут с каждым годом.

Поддержка управления, соответствия требованиям и отчетности для аудита

Правильная классификация данных напрямую связана с соблюдением таких норм, как GDPR, HIPAA и CCPA. Когда каждый файл, письмо или запись помечены по уровню конфиденциальности и доступа, гораздо проще показать аудиторам или регуляторам, что организация управляет рисками и защищает персональные данные. Инструменты Microsoft 365 и Azure, например Purview, упрощают отчетность для аудита, предоставляя наглядные доказательства обработки данных и применения политик.

Классификация также тесно связана с процессами управления: проверкой доступа, четким определением владельцев и применением политик с помощью автоматизации. Подробнее о управлении в Azure и о том, как применение политик предотвращает риски, читайте здесь: Azure enterprise governance strategy, а о задачах доступа и владения данными в Microsoft 365 — здесь: Microsoft 365 data access governance.

Отраслевые решения: Fortra Classifier Suite и защита данных, отмеченная наградами

Fortra Classifier Suite (победитель Cybersecurity Excellence Award 2024): признан в отрасли за мощную и удобную маркировку данных и применение политик. Интегрируется с Microsoft 365 и Azure, повышая уровень защиты без замедления рабочих процессов.
Ценность для сравнения: Fortra выделяется быстрым внедрением, развитой аналитикой и удобной отчетностью, что делает его лучшим выбором для компаний, серьезно относящихся к классификации данных и управлению ими.

Классификация данных в мультиоблачных и гибридных средах

Современные данные не хранятся в одном серверном помещении. Они находятся повсюду: в AWS, Azure, Google Cloud, а также на локальных серверах и настольных компьютерах. Поддерживать единые практики классификации на всех этих платформах — сложная задача для ИТ- и команд безопасности. Метки, заданные в одном облаке, не всегда корректно переносятся в другое, и каждая платформа приносит собственный набор инструментов, базовых требований соответствия и особенностей.

Поэтому мультиоблачные и гибридные среды требуют особого внимания к стандартам маркировки, управлению данными и интеграции политик. Если метаданные организованы хаотично или автоматизация не работает между платформами, возникает риск фрагментированной защиты, а это может привести к нарушениям требований или пробелам в безопасности. Кроме того, возрастает потребность в том, чтобы инструменты автоматического обнаружения данных взаимодействовали друг с другом и применяли единую схему везде, где находятся и перемещаются конфиденциальные данные.

В следующих разделах мы разберём, что мешает единообразию классификации в разных облаках, и опишем практические стратегии интеграции автоматизации между Azure Purview, AWS Macie и GCP Data Catalog. Чтобы понять, как выглядит управление данными за пределами отдельных инструментов, особенно в Microsoft Fabric и других быстро меняющихся средах, обязательно прочитайте эти материалы: Microsoft Fabric governance and semantic drift и The illusion of governance in Fabric.

Проблемы единообразной классификации на разных облачных платформах

Поддерживать единообразие классификации данных в облачных и гибридных средах непросто. Каждая платформа, будь то Microsoft Azure, AWS или Google Cloud, имеет собственные системы меток, стандарты метаданных и нативные инструменты. Из-за этих различий сложно применять одни и те же политики везде. Без чётких стандартов и стратегий интеграции организации могут столкнуться с расхождением политик, несогласованными средствами контроля и проблемами при аудите. Единые соглашения об именовании меток для всех платформ, регулярные инвентаризации и согласованные процедуры автоматизации помогают поддерживать точность и соответствие требованиям на всём протяжении жизненного цикла данных.

Интеграция классификации с нативными инструментами обнаружения данных в облаке

Azure Purview: обеспечивает автоматическое обнаружение данных, присвоение меток конфиденциальности и интеграцию с DLP в Microsoft 365. Синхронизируйте метки, чтобы централизовать политики для локальных и облачных ресурсов.
AWS Macie: сканирует бакеты S3 на наличие конфиденциальных данных и присваивает метки на основе шаблонов содержимого. Интегрируйте результаты Macie в корпоративные каталоги данных для единообразного применения политик.
GCP Data Catalog: автоматически помечает и классифицирует ресурсы Google Cloud. Синхронизируется с внешними системами через API, чтобы правила и метки соответствовали корпоративным стандартам.
Единые рабочие процессы: используйте все три инструмента вместе, чтобы обеспечить согласованное обнаружение и маркировку данных. Документируйте свой подход и автоматизируйте обновления во всех облаках для бесшовного управления. Чтобы избежать хаоса в документах в таких распределённых средах, ознакомьтесь с рекомендациями по ссылке, а для аудита действий пользователей в Purview, в том числе между облаками, см. это руководство.

Заключение и главное: построение стратегии классификации данных

Итог такой: если вы хотите, чтобы данные действительно были защищены, а не держались на надежде, классификация — ключевой элемент. Она означает разбиение критически важных данных, таких как финансовая отчётность, интеллектуальная собственность или номера клиентских карт, по чётким категориям и присвоение им правильных меток. Будь то неструктурированные файлы, облачные данные или даже журналы, сформированные машинами, всё нужно упорядочить и защитить соответствующим образом.

Думайте о классификации данных как о правилах, определяющих, кто что может видеть: ограничивайте доступ к чувствительной информации и не пускайте посторонних. Это помогает свести риски и утечки к минимуму. При сегодняшних огромных объёмах данных автоматизация, модели машинного обучения и инструменты на основе ИИ становятся вашими союзниками. Они помогают находить, классифицировать и защищать данные, чтобы вы не утонули в бумажной работе и не пропустили скрытую угрозу.

Однако дело не только в технологиях. Качественная классификация требует чётких бизнес-целей и политик безопасности, правильных средств контроля и непрерывного мониторинга, особенно когда данные перемещаются между Microsoft 365, Azure, локальными серверами и неизвестно какими ещё облаками. Единообразие важно, и правильная стратегия закрывает эти пробелы, обеспечивая соответствие требованиям и готовность к аудиту на всех этапах.

В конечном счёте классификация данных — это не галочка в списке дел, а живая часть вашей работы с данными. Поддерживайте практики в тонусе, обучайте сотрудников, следите за тем, как обрабатываются данные, и не упускайте из виду облачные и ИИ/ML-источники данных. Для организаций, которые серьёзно относятся к безопасности и управлению, классификация — это отправная точка, к которой вы будете постоянно возвращаться.

Также рекомендуем послушать

Если вы изучаете классификацию данных в Microsoft 365, эти выпуски добавляют практический контекст, который связывает концепции управления, безопасности, соответствия требованиям и ИИ с реальными средами Microsoft.

Microsoft Purview – простым языком — Разберитесь, как классификация, хранение, соответствие требованиям и управление данными связаны между собой в Microsoft 365.
Microsoft Defender XDR – простым языком — Посмотрите, как сигналы о рисках для данных связаны с обнаружением, расследованием и скоординированным реагированием.
Условный доступ – простым языком — Поймите, как контекст идентификации, устройства и риска усиливает защиту конфиденциальных данных.
Управление Microsoft Teams – простым языком — Изучите операционную модель управления, которая нужна, чтобы политики превращались в единое поведение пользователей.

Это полезные следующие шаги, когда нужно перейти от определения или структуры к решениям по внедрению.