Pag - unawa sa Pagfila ng Data at sa Regulasyon Nito sa Ireland

Ano ang Nakapanunula sa Data?

Ang pag-aanalisa ng Data ay isang sistematikong proseso ng pagsusuri ng mga mapagkukunan ng datos upang masuri ang kanilang kalidad, kayarian, at nilalaman. Nasasangkot dito ang pagsusuri ng mga dataset upang matukoy ang mga huwaran, ugnayan, mga aomalyete, at kumpletong metrics. Sa pagsasagawa, ang datos na pag-aanalisa ay nagsasama ng estadistikal na pagsusuri sa metadata upang masuri kung ang data ay nakatutugon sa mga kahilingan para sa nilalayong gamit nito. Ang proseso ay karaniwang kinabibilangan ng — ngunit hindi limitado sa — tatlong pangunahing gawain: kolum-taguri ng mga uri ng datos, mga numerong nufactified, mga numero, at distributation (pagtunt) transpormasyon (pagtulots) at entrance forecancy) at entrances) at adrancesclements.

Ang modernong data profilling mga kasangkapan ay nagkokodigo ng karamihan ng mga gawaing ito, na nagpapangyari sa mga organisasyon na lumikha ng mga estadistikang buod, madetek ng mga data drop sa paglipas ng panahon, at mga problema sa bandila bago nito makaapekto sa analisis o pagsunod.Dahil sa mga ito, ang data profilling ay naging isang pundasyonal na disiplina sa loob ng mga balangkas ng data invigence sa bawat industriya.

Ang Technical Proseso ng Pagpipinta ng Data

Abrasitika at Pag - aaral sa Istraktura

Ang mga tekniko ay gumagamit ng profilling upang kalkulahin ang mga pangunahing estadistika (mean, median, standard ovision) at upang suriin ang mga uri ng datos, mga huwaran ng mga halaga, at mga madalas na distribusyon. Halimbawa, isang kolum na may markang "Phone Number" Maaaring maglaman ng 15% nulls, 10% mga pagpapahalaga na may mga titik na alpabeto, at 75% mga pamantayang tumutugma ang isang pamantayang sampung-dig format. Ang mga batayan ay maaaring maiwasto o mabigyang-katwiran ang mga isyung panlabas na rekombinasyon: Ang isang pangunahing pag-unawa ay maaaring matukoy ang isang hindi kumpletong entrential na halaga sa isang talahanayantasyalohiya ay maaaring matukoy ang isang mahalagang bahagi sa isang mahalagang sanggunian upang matukoy.

Ang Uliran at ang Kahanga - hangang Pag - unawa

Sa mga Web site na ginagamit sa pag - aayos ng mga bagay na hindi naman dapat gamitin, ang mga karaniwang ekspresyon at malabong pagtutugma ng mga ito ay maaaring mag - iwan ng karaniwang disenyo (hal., email address, postal code) at mga outlier na nahuhulog sa labas ng inaasahang mga linya. Sa mga rekord ng kostumer, ang edad na 257 ay agad na ilalapat. Ang mga rutin na ito na pag - alam sa mga bagay na ito ay lalo nang mahalaga sa pag - alam ng pandaraya, kung saan kailangang mahuli at suriin ang di - pangkaraniwang mga paraan ng transaksiyon.

Metadata at Data Lineage

Ang isang kadalasang nakakaligtaang aspekto ng profilling ay ang pagbihag ng metadata — impormasyon tungkol sa data mismo.Ito ay kinabibilangan ng mga table schemas, mga paglalarawan sa hanay, pangunahin at dayuhang mga susi, indise, at ang dataifics pinagmulan. Kapag ang pag-aapply ay sinamahan ng mga kasangkapang datos, maaaring taluntunin ng mga organisasyon kung paano ang data ay gumagalaw mula sa pinagmulan patungo sa patutunguhan, na mahalaga para sa parehong pag-aalis at pagpapakita ng pagsunod sa ilalim ng mga regulasyon tulad ng GDPR.

Pag - aalis ng Data sa Ireland

Ang Irlanda ay sumasakop ng isang natatanging posisyon sa global data landscape.Ang kaaya-ayang klima nito ay nakaakit sa punong tanggapan ng mga pangunahing kompanya ng teknolohiya sa Europa – kabilang ang Google, Meta, Apple, at Microsoft — ginagawang sentro ang Dublin para sa malaki-scale data processing.Sa parehong panahon, ang Ireland ay may isa sa pinaka mahigpit na data professioned na mga rehimen sa mundo, na ipinatupad ng Data Protection Commission (DPC). Ang kapaligirang ito ay naglalagay ng data profilliflusion sa ilalim ng mas maraming mga gawain sa pagsusuri, habang ang anumang profision na ang anumang personal na dapat na pag-produkor ng datos ay dapat sumunod sa General Regasyong Pangkalahatang Prog Produksiyon (GPR).

Ang mga organisasyong nagpapatakbo sa Ireland — o nagpoproseso ng datos ng mga residenteng Irlandes — ay dapat na gumamot sa data profilling hindi lamang bilang isang teknikal na ehersisyo kundi bilang isang kontroladong gawain.Ang hindi paggawa nito ay maaaring magbunga ng mga multa ng hanggang ⁇ 20 milyon o 4% ng global turnover, na kahit sino ay mas mataas.Ang mga tulos ay mataas, at ang isang mahusay na-di-sign na programa ng data profilling ay isang pangunahing sangkap ng isang estratehiya ng GDPR-handang data election.

Praktikal na mga Pakinabang ng Pagkalat ng Data sa Negosyo

Ang pag - aanunsiyo ng impormasyon ay sumusuporta sa maraming iba't ibang gawain sa negosyo, na higit pa sa simpleng mga pagsusuri sa kalidad ng impormasyon.

Customer Relationship Management: Ang pag-ffilling customer data ay tumutulong sa pagkilala ng mga kopyang rekord, hindi wastong mga detalye sa pag-uugnay, at pabagu-bago ng format.Ito ay humahantong sa mas tumpak na segment at personalisasyon, na nagpapabuti sa marketing ROI at kasiyahan ng parokyano.
[Risk Management and Screarance Diagnosition: Ang mga institusyong pinansiyal at mga kompanya ng seguro ay gumagamit ng profile upang makita ang mga kakaibang mga padron sa transaksyon data. Sa pamamagitan ng pagtatatag ng mga baseline distributions, ang anumang paglihis — tulad ng isang biglaang kumpol ng mga pag-aangkin na mataas ang halaga — ay maaaring magbunsod ng higit pang pagsisiyasat.
[[[[Talaksan: Maraming mga kontroladong sektor (finance, healthcare, utilidad) ay nangangailangan ng demontal na ebidensiya ng katumpakan ng datos.Ang pag-publish ay nagbibigay ng sistematikong patunay na ang mga datos ay nagtatagpo ng mga espesipikong mga entidad na pang-uri, na mahalaga para sa mga audit at pagsisiyasat ng mga katawang katulad ng Bangko Sentral ng Irlandia o ang Health Information and Quality Authority.
Data Migration and System Integration: Kapag ang pagsasanib ng mga database o paglipat sa isang bagong plataporma, pag-ffifilm ng pinagmulan at pag-asinta ng mga schema ay tumitiyak na ang mga data maps ay tama. Ang mga discrepancie sa mga uri ng datos, haba, o pinapayagang mga halaga ay nahuhuli nang maaga, na hinahadlangan ang mga magastos na kabiguan sa panahon ng go-live.
Machine Learning Model Development: Ang mga siyentipiko ng Data ay umaasa sa pag-iinam upang maunawaan ang hugis at distribusyon ng mga datos. Ang pag-profing ay naghahayag ng nawawalang mga halaga, mga distribusyon ng skecked, at mga outlier na maaaring mag-skew na mga modelo, na nakapag-a-a-a-a-angkop na mga hakbang bago ang pag-proseso.

Legal na Gawain sa Ireland

Ang GDPR (Regulation (EU) 2016/679) ay ang pangunahing legal na instrumento na namamahala sa data profilling sa Ireland. Ito ay direktang kumakapit sa anumang organisasyon na nagpoproseso ng personal na datos ng mga indibiduwal sa Unyong Europeo, anuman ang lugar na pinagbatayan ng organisasyon. Artikulo 4(4) ng GDPR ay nagbibigay ng kahulugan sa profilung bilang ⁇ any form ng determinableng pagpoproseso ng personal na datos na binubuo ng paggamit ng personal na datos upang suriin ang ilang mga personal na aspekto na may kaugnayan sa isang natural na tao.[kailangan ng sanggunian] Ang kahulugang ito ay sumasaklaw sa lahat ng kredito at pag-ugali upang makonstansiyaliksik sa pag-ugali ng mga empleyadong pangkalusugan.

Dahil ang data profilling ay kadalasang nagsasangkot ng personal na data — mga pangalan, email address, IP address, data sa lokasyon, at mga katangiang hindi nasusunod — halos lahat ng gawaing pag - aalis ng mga gamit sa negosyo ay bumabagsak sa ilalim ng GDPR coveration. Ang regulasyon ay hindi nagbabawal sa pag - aalis ng mga gamit sa computer kundi nagtatakda ng mahigpit na mga kondisyon kung kailan at kung paano ito maisasagawa.

Ang pagka-Lawsing, patas, at transparensiya:[ Ang mga organisasyon ay dapat may isang legal na batayan (hal., pahintulot, lehitimong interes) bago magsanhi ng isang indibiduwal.[kailangan din na ipaalam sa paksa ang tungkol sa pagsasala, layunin nito, at ang lohikang nasasangkot – lalo na sa mga kasong independiyenteng desisyon-gawa sa ilalim ng Artikulo 22.
[[Papamantaya: Data na tinipon para sa isang layunin (e.g., serbisyo ng parokyano) ay hindi maaaring gamitin muli para sa pag-aanalisa (e.g., pinuntiryang pag-aanunsiyo) nang walang hiwalay na legal na batayan o maliwanag na pagsang-ayon.Ang pag-aanalisa ng mga datos ay dapat na mapatotohanan gamit ang kanilang orihinal na layunin.
[Data minimization: Ang pag-filling ay dapat lamang gumamit ng pinakamababang halaga ng personal na datos na kailangan upang makamit ang tunguhin nito.Ang pagtitipon at pag-iimbak ng bawat makukuhang attribute ⁇ ijust sa kasong ang ⁇ ay lumalabag sa prinsipyong ito at naglalantad sa organisasyon sa panganib.
[[[T:] Ang mga resulta ng pag-flaim ay maaasahan lamang gaya ng saligang datos.[kailangan ng mga organisasyon] Ang mga proseso upang matiyak ang data ay tumpak at up-to-date. Ito ay kinabibilangan ng pana-panahong re-profilling upang itama ang mga depres o maling rekord.
[[[[T:] Ang data controller ay responsable sa pagpapakita ng pagsunod. Ang kahilingang ito ay nangangahulugang pag-iingat ng detalyadong mga rekord ng mga gawaing pag-aanalisa, kabilang ang mga pinagkukunan ng datos, pagproseso ng lohika, at anumang mga desisyon na ginawa batay sa mga resulta ng pagsasala.
[Storage limit: Ang mga personal data na ginagamit sa pag-filling ay hindi dapat panatilihing mas mahaba kaysa sa kinakailangan.[kailangan ng mga organisasyon] Kailangan ang malinaw na mga patakarang pang-edukasyon at awtomatikong mga mekanismong pang-alis ng mga datos minsang matupad ang layuning pang-profing.
Katapatan at paglilihim: Ang mga sistema ng pag-aanalisa ay dapat na ma-injust laban sa hindi awtorisadong access, pagbabago, o pag-aalsa. Ito ay partikular na kritikal kapag ang pag-aanalisa ay lumilikha ng sensitibong mga ekwasyon tungkol sa mga indibiduwal na may sakit na pang-iperimento, pananalapi, o pag-uugali.

Awtomatikong Pasiya-paggawa

Ang Artikulo 22 ng GDPR ay nagdaragdag ng isang espesipikong restriksiyon: ang isang tao ay may karapatan na huwag pasakop sa isang desisyon batay lamang sa awtomatikong pagpoproseso, kabilang ang pag-aaanalisa, na gumagawa ng mga epektong legal may kinalaman sa mga ito o may gayunding malaking epekto sa mga ito. Ang mga halimbawa ay kinabibilangan ng awtomatikong pagkakait ng kredito, e-recruiting pagtatasa nang walang pagsusuri ng tao, at panganib ng seguro na nagkakaila ng mga coverage.[kailangan ng mga organisasyon] Ang mga advancement ay dapat umiwas sa mga lubos na indibidwal na desisyon o ilagay sa mga pag-iingat tulad ng tao, ang karapatan sa mga pagsusuri, at istikal na mga tseke.

Regulatory Bodies at Pagpapapuwersa

Ang [Data Protection Commission (DPC)[ ay ang Irelandiviers independiyenteng awtoridad sa pagtataguyod ng pundamental na karapatan ng mga indibiduwal sa data proteksyon. Ito ay itinatag sa ilalim ng Data Protection Acts 1988 hanggang 2018 at ito ang nangungunang superbisor na awtoridad para sa marami sa mundo ⁇ ang pinakamalaking mga data processors dahil sa Ireland ⁇ s ⁇ one-stop-shop ⁇ mechance sa ilalim ng GDPR. Ang DPC ay may malawak na kapangyarihan: kabilang ang DDPC.

Pag-aasal ng mga imbestigasyon at audit ng mga organisasyonibisyong gawain ng data processing, kabilang ang mga operasyon ng pag-aaanalisa.
Naglalabas ng mga hakbang na pang-edukasyon tulad ng mga pangaral, utos na sumunod, pansamantala o permanenteng pagbabawal sa pagpoproseso, at muling pag-iintipikasyon o pag-iral ng mga datos.
Ang pagmumulta ng mga multang pampangasiwaan ng hanggang ⁇ 20 milyon o 4% ng pandaigdigang taunang pag-ikot — na kailanma'y mas mataas — para sa malubhang paglabag.
Pag - aawtorso sa mga kaso ng kriminal na pagkakasala sa ilalim ng Data Protection Acts.

Sa mga nakaraang taon, ang DPC ay naglabas ng mga mataas-profile na multa laban sa mga pangunahing kompanya ng teknolohiya para sa mga paglabag na may kaugnayan sa data processing transparency at lehitimong batayan, marami sa mga ito ay kinasasangkutan ng mga gawaing pag-aanalisa.Ang mga pagpapatupad na ito ay nagbibigay diin sa kahalagahan ng mga komplient data profilling. anumang organisasyon na nakabase sa Ireland o nagpoproseso ng personal na datos sa bansa ay dapat manatiling abreast ng DPC patnubay, kabilang ang Regulatory framementy frameioning and sektor-specic codes[T.[T][T]

Mga Estratehiyang Katiwala Para sa mga Organisasyong Irlandes

Paggawi ng Isang Data na Nakapanlilinlang

Ang unang hakbang tungo sa pagsunod ay ang pag-unawa sa kung anong datos ang iyong ise-profile at kung ano ang layunin. Gumawa ng isang rehistro ng lahat ng mga gawaing pag-aaanalisa, pagdedeklara ng mga mapagkukunan ng datos, legal na batayan, pagpoproseso ng lohika, yugto ng rekombinasyon, at pagtanggap ng mga resulta. Ang rehistrong ito ay nagsisilbing iyong baseline para sa Artikulo 30 at sumusuporta sa Data Protection Impact Assessments (DPIAs).

Mga Epekto ng Aktibong Data

Ang isang DPIA ay kinakailangan sa ilalim ng Artikulo 35 kapag ang pag-aanalisa ay malamang na magbunga ng mataas na panganib sa mga indibiduwal na may mga karapatan at kalayaan sa pag-aasal — halimbawa, kapag ang pag-aaanalisa ay sistematiko at malawak, o kinasasangkutan ng sensitibong datos (kalusugan, biometrics, mga opinyong pampolitika). Ang DPIA ay dapat ilarawan ang mga operasyong pag-aasal, kalkula ang pangangailangan at proporsiyonalidad, at matukoy ang mga hakbang sa mga panganib na mitiplihiya. Inaasahan ng DPC ang DPIAs para sa maraming karaniwang paggamit ng profilling, kaya'tyt ay isang maingat kahit na pag-asal na hindi naman mahigpit na sapilitan.

Pagkakalihim sa Pamamagitan ng Disenyo at Pagkawasak

Kabilang sa mga pamamaraang pang-integrate data protection ang mga prinsipyo sa iyong mga sistemang pang-profing mula sa simula. Kabilang sa mga pamamaraan ang data ayonymization (pag-aaalok ng data non-personal), pseudonymization (paglalagay ng mga predifier na may pseudonym), mga layuning-interminong data collection, at independyableng limitasyon sa pag-iimbak ng mga datos. halimbawa, sa halip na pag-imbak ng mga buong profile ng parokyano para sa pagbebenta ng mga analitiko, gumamit ng mga agregregregrambong o mga aonymized data na hindi matutunton sa mga paksa.

Magtakda ng Kapareha at mga Karapatan Bilang mga Tao

Ang mga paunawang pribado ay dapat na malinaw na maglarawan ng anumang mga gawaing pang-impormasyon, kabilang ang mga kategorya ng datos na ginagamit, ang lohikang nasasangkot, at ang nilalayong mga resulta para sa paksa ng datos. Bilang karagdagan, dapat na operahin ng mga organisasyon ang mga karapatang katulad ng access (Artikulo 15), rektipikasyon (Artikulo 16), erasure (Artikulo 17), restriksiyon ng pagpoproseso (Artikulo 18), data portable (Artikulo 20), at ang karapatang maka-intiploid na pag-aasal sa produksyon (Article) Ang mga ito ay nangangailangan ng isang prosesong rekoleksiyon, pag-bagotiba o pag-bago ng datos nang hindi na hindi na nag-proseso.

Maging Labis na Matalino sa mga Pasiyang May Awtomatika

Kung ang iyong pag-aaanalisa ay humantong sa mga awtomatikong desisyon na may epektong legal o mahalaga, magtatag ng isang mekanismong review ng tao.Ang taong nagreresulta sa desisyon ay dapat may awtoridad at kakayahan na baguhin ang kalalabasan, at ang proseso ay dapat na dokumentado. Isaalang-alang ang pagpapatibay ng balangkas na desisyon-paggawa na kinabibilangan ng malinaw na mga batayan para sa kung kailan ang pakikialam ng tao ay nai-udyok.

Ang GDPR ay nagbibigay ng ilang espesipikong karapatan na tuwirang nakaaapekto sa kung paano maaaring isagawa ng mga organisasyon ang pag - aanunsiyo ng impormasyon.

[[Talaksan: Ang mga tagakontrol ay dapat magbigay ng maikli ngunit malaman, malinaw, at madaling makuhang impormasyon tungkol sa mga gawaing pag-aanalisa.Kalakip dito ang mga kategorya ng mga personal na datos na prinoseso, ang pag-iral ng integrated na desisyon-gawa, at ang lohikang nasasangkot.
[[Talaksan: Ang mga indibiduwal ay maaaring humiling ng isang kopya ng kanilang personal na datos na pinoproseso, kabilang ang anumang profile na nililikha tungkol sa mga ito.May karapatan din silang malaman ang mga batayang ginagamit sa pag-iimpluwensyahan — halimbawa, ang mga pabigat na itinakda sa iba't ibang mga variable sa isang iskor sa kredito.

[[Talaksan] [[Talaksan na muling i-ctification (Artikulo 16): Kung ang pag-aanunsyo ay umaasa sa hindi tumpak na datos, ang indibiduwal ay maaaring humiling ng pagtutuwid. Ang karapatang ito ay naglalagay ng tungkulin sa mga organisasyon na magkaroon ng mga proseso para sa mabilis na pag-apruba ng profiledyed data.

[[Talaksan hanggang sa erasure (karapatang makalimutan, Artikulo 17): Ang mga indibiduwal ay maaaring humiling ng pag-alis ng kanilang personal na datos sa ilalim ng ilang mga kondisyon, katulad kung kailan ang datos ay hindi na kailangan para sa layuning pag-aanalisa o kapag ang pahintulot ay binawi.

[[Talaksan] Panigan na limitahan ang pagpoproseso (Artikulo 18): Sa mga kaso kung saan ang katumpakan ng datos ay pinagtatalunan o ang pagproseso ay labag sa batas, maaaring hilingin ng indibiduwal na pansamantalang ihinto ang pag-aanalisa.

[[Talaksan] Paalam sa portable ng datos (Artikulo 20): Kapag ang profilling ay batay sa pahintulot o kontrata, ang indibiduwal ay maaaring humiling ng kanilang datos sa isang naka-ayos, karaniwang ginagamit, machine-readable format at ilipat ito sa ibang controller.

[[Talaksan] Panigang tumutol (Artikulo 21): Ang indibiduwal ay maaaring tumutol sa anumang panahon sa pag-aanunsyo para sa direktang layuning pagbebenta. para sa pag-aanalisa batay sa lehitimong interes, dapat ipakita ng tagakontrol ang pag-udyok ng lehitimong mga batayan na nangingibabaw sa indibiduwal na mga interes, karapatan, at kalayaan ng mga taga-kontrol.

Mga kahanayan na may kaugnayan sa mga independiyenteng desisyon-gawa (Artikulo 22):[ Gaya ng nabanggit na, ang mga indibiduwal ay may karapatang huwag pasakop sa mga desisyon na may sariling indibidwal na lumilikha ng mga epektong legal o makahulugan.May karapatan din silang makakuha ng interbensiyon ng tao, magpahayag ng kanilang pananaw, at maglaban sa desisyon.

Mga Hilig sa Hinaharap sa Pagdalisay ng Data sa Regulasyon
Ang regulatoryong tanawin para sa pag-aanalisa ng datos ay hindi statistic. Ilang lumilitaw na kalakaran ang maghuhubog kung paano hinuhubog ng mga organisasyon sa Ireland at sa ibayo ng EU ang pag-aaasal sa darating na mga taon. Ang ilang mga kalakaran ay mag-aartipika sa Intelligence Act, na nag-uuri ng mga sistemang AI ng AI — na marami sa mga ito ay umaasa sa profilling — sa mga kategoryang panganib. High-risk AI applications (e., credit, mga desisyon sa joevolusion, biometric identification) na mapapaharap sa mga kahilingan ng mga transience, at mga human presence, at mga human prevision na lampas sa mga kahilingan ng tao.

Karagdagan pa, ang iminungkahing Data Governance Act at ang darating European Data Stratry ay naglalayong mapadali ang pagbahagi ng datos habang pinananatili ang mataas na pamantayang pang-pribado.Ang mga instrumentong ito ay lilikha ng mga bagong obligasyon para sa mga intermediary ng datos at nangangailangan ng maingat na profilling entence upang matiyak na ang mga impormasyong pinagsaluhan ay tumpak, aonymized kung saan angkop, at gagamitin sa pagsunod sa orihinal na batayang legal.

Sa pagpapatupad, ang DPC ay inaasahang magpataas ng pokus nito sa mga gawaing pag-aanalisa na kinasasangkutan ng awtomatikong pagpapasiya-gawa, partikular na sa mga lugar ng pinupuntiryang pag-aanunsiyo, pagsubaybay ng empleyado, at mga algorithm na ginagamit sa mga serbisyong pampubliko.Ang mga organisasyon ay dapat umasa ng mas maraming granular audits at mas mataas na pag-asa para sa mga dokumentadong pananagutan.

Pagsasaayos

Ang pag-aanalisa ng mga datos ay isang mahalagang kasangkapan sa pangangasiwa at pagkuha ng halaga mula sa malalaking datasets.Napangyayari nito ang mga organisasyon na mapabuti ang kalidad ng datos, madetek ng mga aomalika, makagawa ng maaasahang mga modelo, at sumunod sa mga kondisyonal na mga kahilingan. Gayunman, sa Ireland, ang pag-aaproba ay dapat isagawa sa ilalim ng mahigpit na auspice ng GDPR at ang persepsitive instrucation ng Data Protection Commission.Ang regulasyon ng mga prinsipyo ng lawsistensistensience, transparensiya, data minimization, at leabiling ay nag-hocilation para sa mga maliit na mga gawaing o officulat.

Upang magtagumpay sa kapaligirang ito, ang mga organisasyon ay nangangailangang mag-eeeve ng data profilling sa isang komprehensibong elektwal na balangkas na kinabibilangan ng mga sapilitang DPIAs, mga pampribadong pamamaraan, mga malinaw na mga paunawa sa pribadong buhay, at mga tumutugong mekanismo para sa indibiduwal na karapatan.Sa paggawa nito, hindi lamang nila iniiwasan ang mga malaking multa kundi nagkakaroon din ng tiwala sa mga parokyano, mga kasosyo, at mga tagapag-ayos. para sa mga propesyonal na humahawak ng datos sa Ireland, na nauunawaan ang interseksiyon ng datos sa pag-proficision at ang regulasyon nito ay hindi na hindi na opsyonal entrpwersa — ito ay isang pangunahing entrentidad na nagbibigay ng mga impormasyong responsable sa panahon ng digital.