<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Autor
Cheryl E. Johnson, Vizepräsident und Marktinformationsberater, Bank of America
Die Anzahl der Mitarbeiter der Bank of America und die unzähligen Rollen, die sie ausfüllen, stellen die Komplexität bei der Verwaltung der Anwendungszugriffsrechte der Mitarbeiter sicher. Für die Bewältigung dieser Herausforderung wurden vordefinierte Profile erstellt. Die Anzahl der Profile hat sich jedoch im Laufe der Zeit erhöht. Es wurden Anstrengungen unternommen, um zu ermitteln, ob dieses System vereinfacht werden kann, was dazu führt, dass es weniger aufrecht erhalten wird, während gleichzeitig die Transparenz erhöht und das Risiko verringert wird. Top-Bewerbungen wurden nach Job-Rolle identifiziert. Als Nächstes wurde eine Querschnittsansicht des Anwendungszugriffs im Vergleich zur Mitarbeiter-ID erstellt, wobei jeder Anwendung entweder eine 0 oder eine 1 zugewiesen wurde, je nachdem, ob der jeweilige Mitarbeiter Zugriff hatte. Abhängig von der Jobrolle wurden die Mitarbeiter-IDs auch mit anderen Schlüsselvariablen verknüpft, z. B. dem Jobcode (innerhalb einer Rolle), dem Geschäftsbereich, der Region und dem Standort. K-Means-Clustering wurde verwendet, um Anwendungen basierend auf ähnlichen Zugriffsrechten zu gruppieren und Muster basierend auf anderen Prädiktoren zu identifizieren. Die Analyse der resultierenden Bi-Plots und Cluster-Mittel hat zu einer deutlich verbesserten Klarheit geführt, einschließlich: (1) Identifizierung von Anwendungsuntergruppen mit hoher bis perfekter Korrelation der Zugriffsrechte; (2) starke Zuordnung von Clustern zu Jobcodes; und (3) Verknüpfung von Clustern mit anderen verknüpften Variablen.
