案例17｜資料保留與暖儲存：在復原、稽核與成本間取捨

一、案例定位

本案例涉及人工智慧（Artificial Intelligence, AI）。本頁以智慧資料流探索器（Intelligent Data Flow Explorer, IDFE）為情境。整理 IDFE 各資料層的保留期限與存取治理。

本案例依原書第 5 章的框架、範例或情境重組，並非原書正式案例研究。

二、學習目標

區分短期處理資料與事實來源。
掌握一週與 30 天保留規則。
理解暖儲存的選擇理由。

三、案例情境

原書將原始、遮蔽與分段層視為暫時處理資料，保留一週後自動清除；清理與豐富後的 SQLToText 銀層是載入 Azure Search Service 的事實來源，保留 30 天以支援核對、驗證與復原。輸出層保存資料流 Excel 檔，僅依需求提供，並以角色型存取控制（Role-Based Access Control, RBAC）及 Azure Active Directory 群組限制。Azure Blob Storage 各層均採暖儲存。

四、開始資料

資料層	原書保留／存取
原始、遮蔽、分段層	一週後自動清除
SQLToText 銀層	保留 30 天；作為搜尋索引的事實來源
輸出層	按需提供 Excel 檔，受 RBAC 與群組控制
Azure Blob Storage 各層	使用暖儲存
選擇理由	需定期存取以擷取、除錯或重新索引，但不要求即時效能

五、Excel／AI 分析方法

在 Excel 建立保留政策表，記錄資料層、敏感度、使用頻率、保留天數、刪除方式、存取群組與例外核准。

六、計算結果

原書沒有提供可直接計算的數據，因此不補造結果。

七、結果分析與管理解讀

搜尋索引不是資料事實來源；銀層保留期提供發現問題與復原的窗口。原書的期限是此方案設定，不宜自動套用到其他組織。

八、AI 提問詞

請依資料清冊檢查每個資料層是否有保留期、刪除規則、存取控制與事實來源說明；不得替缺少項目自行設定期限。