<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Autor
Cheryl E. Johnson, vicepresidenta y consultora de información de mercado, Bank of America
La cantidad de empleados en Bank of America, junto con los innumerables roles que cumplen, garantiza la complejidad al administrar los derechos de acceso a las aplicaciones de los empleados. Se han creado perfiles predefinidos para ayudar a manejar este desafío; sin embargo, el número de perfiles ha proliferado con el tiempo. Se realizó un esfuerzo para determinar si este sistema podría simplificarse, lo que se traduce en un menor esfuerzo para mantenerlo y, al mismo tiempo, aumenta la transparencia y reduce el riesgo. Las mejores aplicaciones fueron identificadas por rol de trabajo. A continuación, se construyó una vista transversal del acceso a la aplicación en comparación con la identificación del empleado, y cada aplicación se asignó con un 0 o un 1 dependiendo de si el empleado específico tenía acceso. Según el rol del trabajo, las identificaciones de los empleados también se vincularon a otras variables clave, como el código del trabajo (dentro de un rol), la línea de negocio, la región y el sitio. K-means clustering se utilizó para agrupar aplicaciones basadas en derechos de acceso similares e identificar patrones basados en otros predictores. El análisis de las bi-parcelas y los medios agrupados resultantes ha llevado a una claridad significativamente mayor, que incluye: (1) la identificación de subgrupos de aplicaciones con una correlación de derechos de acceso de alta a perfecta; (2) fuerte asociación de grupos a códigos de trabajo; y (3) asociación de grupos con otras variables vinculadas.
