Lösungszentrum: Datenlebenszyklusmanagement und verantwortungsvolle Datenentsorgung
Automatisieren und führen Sie das Datenlebenszyklusmanagement für Ihren gesamten Datenbestand aus.
Ob es um Offenlegungsrisiken, Speicherkosten, CCPA, DSGVO oder KI-Modelle geht, die aktuelle statt veralteter Daten benötigen: Was auch immer die Anforderungen sind, BigID liefert all diesen Programmen die fehlende Lösung. Es bewertet redundante, veraltete und triviale Daten (ROT) sowie nicht konforme Daten in strukturierten und unstrukturierten Quellen auf dieselbe Weise, prüft die Ergebnisse in einer sicheren Sandbox, wobei ein Datensatz gespeichert wird, und verschiebt, stellt wieder her, archiviert oder löscht die Daten erst, nachdem die rechtliche Aufbewahrungspflicht und die referenzielle Integrität geprüft wurden. Ein einziger Workflow, von Anfang bis Ende.
Redundante und veraltete Daten wurden gefunden, in einer Testumgebung untersucht, wobei ein symbolischer Endpunkt hinterlassen wurde. Anschließend wurden sie archiviert oder gelöscht, ohne separate Werkzeuge zusammenzuführen.
Regulierungsreichweite
Mehr als 300.000 Aufbewahrungsregeln
In über 220 Ländern ist das Produkt dank der Filerskeepers-Integration direkt nutzbar – ganz ohne Tabellenkalkulation, die jemand pflegen muss.
Kleinere Angriffsfläche
Automatisch, nicht manuell
Archiviert oder gelöscht nach Zeitplänen und Regeln, sodass der Speicherbedarf gering bleibt und keine wiederkehrenden Aufräumarbeiten erforderlich sind.
Wo steht das Datenlebenszyklusmanagement heute?
Die Daten, die ihren Zweck erfüllt haben, sind immer noch zugänglich.
Das Risiko der Offenlegung drängt dazu, unnötige Daten zu entfernen, die Speicherkosten drängen auf die Bereinigung, CCPA und DSGVO fordern Datenminimierung, und KI zielt darauf ab, nur aktuelle Daten zu speichern. All dies führt zu demselben Berg redundanter, veralteter, trivialer und nicht konformer Daten, und BigID schließt diesen stets auf dieselbe Weise: konsistent bewertet, sicher geprüft und ohne rechtliche oder referenzielle Überraschungen gelöscht.
Eine Bewertung, jede Quelle
ROT- und Nichteinhaltungsdaten werden auf die gleiche Weise erkannt über strukturierte und unstrukturierte Datenbestände hinweg, anstatt eine Tabellenkalkulationsübung, die für jedes Dateisystem wiederholt wird.
Ein Arbeitsablauf vor dem Löschen
Markierte Daten werden in eine sichere Sandbox verschoben und hinterlassen einen Grabstein., Daher bestätigt ein Gutachter mit den entsprechenden Berechtigungen die Richtigkeit der Angaben, bevor irgendetwas passiert.
Leitplanken am Ausgang
Rechtliche Aufbewahrung und referenzielle Integrität wurden zuerst geprüft, Eine weiche Archivierung oder eine harte Bereinigung kann daher nicht bei Daten ausgelöst werden, die eingefroren sind oder auf die noch angewiesen ist.
Sehen Sie, was BigID kann.
Schau es dir an, wie es funktioniert
BigID-Datenaufbewahrung für Google Drive: Schwachstellen erkennen, Richtlinien durchsetzen und Maßnahmen ergreifen
So sieht es aus, wenn man ROT in Google Drive findet, eine Aufbewahrungsrichtlinie dagegen durchsetzt und Maßnahmen gegen die gefundenen Inhalte ergreift, ohne die Plattform zu verlassen.
Demo
In diesem Hub
Hier beginnen
Die Fragen zum Datenlebenszyklusmanagement, die BigID zuerst beantwortet
Ein Arbeitsablauf mit einer Sicherheitsprüfung vor dem Löschen von Elementen
Der ROT wird in der Regel korrekt gefunden. Problematisch ist der zugehörige Workflow, bei dem ein Skript oder eine Tabellenkalkulation die Überprüfung, die Prüfung auf rechtliche Aufbewahrungspflichten oder die Abhängigkeitsprüfung überspringt, weil es keine geeignete Stelle für diese Prüfungen gibt. BigID integriert alle drei Schritte in denselben Workflow wie die Erkennung selbst.
Ohne eine Überprüfung wird nichts zur endgültigen Entscheidung weitergeleitet, und nichts, was unter rechtlicher Sperre steht oder einer strukturellen Abhängigkeit unterliegt, wird gelöscht.Funktionen
Erkennung, Regulierung, Untersuchung und Entsorgung: ein Workflow für das Datenlebenszyklusmanagement
In der Reihenfolge, in der die Arbeit ausgeführt wird: feststellen, was für die Disposition in Frage kommt, die der Feststellung zugrunde liegende Verordnung auf dem neuesten Stand halten, den Fall einer delegierten Überprüfung unter Beibehaltung eines Protokolls unterziehen und anschließend die Disposition selbst unter Einhaltung der Schutzmechanismen durchführen.
Erweiterte Erkennung von ROT- und nicht konformen Daten
Redundante, veraltete, triviale und nicht konforme Daten befinden sich nicht in einem einzigen Dateisystem, daher kann ihre Erkennung sie auch nicht erfassen. Diese Gruppe findet sie überall auf dieselbe Weise, sowohl in strukturierten als auch in unstrukturierten Quellen. Sie berechnet Duplikate unabhängig, anstatt sich auf die Kennzeichnungen der Quellplattform zu verlassen, und erkennt neben exakten Kopien auch nahezu identische Duplikate.
Duplikaterkennung für Dateien und Ordner in verschiedenen Dateisystemen und Data Lakes
Erweiterte Clusteranalyse zur Erkennung ähnlicher und abgeleiteter Daten
Erkennung veralteter Daten anhand des Erstellungsdatums, des Datums der letzten Änderung oder des letzten Zugriffs und der Aktivität
Erkennung archivierter Daten
Erkennung von Daten mit abgelaufener Einwilligung
Erfassung von Daten, die besonderen Vorschriften unterliegen
Unterstützung für benutzerdefinierte Regeln
Regulierungsüberwachung
Eine Erkennungsregel ist nur so gut wie die zugrunde liegende Regelung, und Regelungen ändern sich ständig. Diese Gruppe kombiniert vorgefertigte Regelungsrichtlinien mit einer einfachen Möglichkeit, neue zu erstellen, sodass die Aktualisierung kein Programmieraufwand ist.
Ergebnis: Auditbereite Compliance, die den gesetzlichen Bestimmungen entspricht.
Eine Bibliothek vorgefertigter Regulierungsrichtlinien, sofort einsatzbereit
Integration mit FilersKeepers für automatisierte Aktualisierungen von Vorschriften, über 300.000 Aufbewahrungsregeln in mehr als 220 Ländern
Definitionen der Zollbestimmungen
Ein einfacher Abfragegenerator, der eher für Geschäftsanwender als für Entwickler konzipiert wurde.
Delegierter Untersuchungsablauf bei Grabsteinen
Markierte Daten müssen vor dem Löschen geprüft werden. Dieses Team verschiebt sie in eine sichere Sandbox, versieht sie mit einem Löschvermerk und leitet sie über die nativen Jira- und ServiceNow-Schnittstellen weiter. Die Prüfung erfolgt somit nicht in einer separaten Tabellenkalkulation.
Ergebnis: keine unrechtmäßigen Löschungen und ein Nachweis dafür, warum.
Integrierte Funktion zum Verschieben in eine Sandbox
Ein Grabstein, der als Hinweis für Nutzer hinterlassen wurde, dass ihre Daten kompromittiert wurden, wird untersucht
RBAC-gesicherter Workflow, sodass nur Prüfer mit entsprechenden Berechtigungen Dokumente prüfen und bestätigen können.
Integration mit ServiceNow und Jira
Verantwortungsvolle Entsorgung und Löschung
Hier greift der Workflow in die Datenverarbeitung ein: Verschieben, Wiederherstellen, Archivieren oder Löschen – wobei zuvor die rechtliche Aufbewahrungspflicht und die referenzielle Integrität geprüft werden. Insbesondere die Wiederherstellung wird von den meisten Anbietern vernachlässigt: Löschen oder Archivieren sind gängige Praxis, die Daten nach Aufhebung der Aufbewahrungspflicht wieder in ihren ursprünglichen Zustand zurückzuversetzen hingegen nicht.
Ergebnis: Rechtfertigbare Löschung, mit Beweisen für jede einzelne Maßnahme
Unterstützung für Soft Delete (Archivierung im Cold Storage) und Hard Delete (endgültiges Löschen)
Schutzmaßnahmen für die Auswirkungen der referenziellen Integrität auf strukturierte Daten
Schutzmaßnahmen für die rechtliche Aufbewahrung
Abdeckung über Dateien, Tabellen und die anderen strukturierten und unstrukturierten Objekte, die ein Systembestand enthält
Wo es verläuft
Derselbe Workflow für Erkennung und Entsorgung, unabhängig davon, wo sich die Daten befinden.
Ein Duplikat, das auf einer Dateifreigabe gefunden wird, und ein Duplikat, das in einer Data-Warehouse-Tabelle gefunden wird, durchlaufen die gleiche Erkennungslogik und den gleichen Workflow, sodass die weitere Vorgehensweise nicht davon abhängt, welches Team für welche Plattform verantwortlich ist.
Dateien und Dateifreigaben
Netzwerkfreigaben und unstrukturierte Inhalte im gesamten Rechenzentrum und der Cloud sind die größte Quelle für Duplikate und veraltete Daten (ROT).
Datenbanken und Tabellen
Relationale und NoSQL-Datenbanken, bei denen die referenzielle Integrität geprüft wird, bevor ein endgültiges Löschen überhaupt zugelassen wird.
Data Lakes und Cloud-Speicher
Objektspeicher und die Datenspeicher, die Analytik und KI speisen, wo veraltete und doppelte Daten die Modellqualität am meisten beeinträchtigen.
Archivierung und Kühlhaus
Das Ziel für das Soft Delete und die Abdeckung, die den Kreis für Daten schließt, an deren Verschiebung dorthin sich niemand mehr erinnert.
Praxisbeweis
Dateien gelöscht, Speicherplatz freigegeben und Risiken beseitigt – und das in großem Umfang
Globale Fluggesellschaft
302 Millionen Dateien gelöscht
707 TB wurden aus Azure Data Lake Gen 2 zurückgewonnen, was monatliche Einsparungen von $27K ermöglicht.
Internationale Versicherungsorganisation
Mehr als 100 Millionen Dateien gelöscht
Redundante, veraltete und irrelevante Daten wurden von NAS, OneDrive und SharePoint gelöscht.
Globaler Versicherungsanbieter
Mehr als 2,3 Millionen Dateien gelöscht
Darunter mehr als 571.000 E-Mails mit hohem Risiko, die personenbezogene Daten, Passwörter und Kreditkartennummern enthalten.
Universität von Maryland
$5M+ im Risiko eliminiert
Durch das Entfernen von mehr als 27.000 offengelegten personenbezogenen Daten aus dem Cloud-Speicher
Was verhindert, dass ein endgültiges Löschen nachfolgende Prozesse beeinträchtigt?
Die Überprüfung der referenziellen Integrität erfolgt innerhalb des Dispositions-Workflows selbst, nicht als separate, nachträgliche Prüfung. Es prüft strukturierte Daten, bevor ein endgültiges Löschen erfolgt, um zu verhindern, dass eine Zeile, von der eine andere Tabelle noch abhängt, verloren geht. Kann dies nicht sichergestellt werden, wird standardmäßig ein weiches Löschen durchgeführt: Die Daten werden im Offline-Speicher archiviert, anstatt sie endgültig zu löschen.
Was geschieht mit Daten, die unter rechtlicher Sperrung stehen?
Die Prüfung auf rechtliche Aufbewahrung erfolgt im selben Arbeitsgang, bevor die Datenverfügung überhaupt mit den Daten in Berührung kommt. Es läuft als Teil desselben Schutzmechanismus wie die referenzielle Integrität, sodass eine Sperrung eines Verantwortlichen nicht bedeutet, dass die Disposition für alle anderen im Batch angehalten wird.
Erfahren die Personen, deren Daten untersucht werden, davon?
Ja, sobald es sich bewegt. Sobald markierte Daten in die Sandbox verschoben werden, wird ein Grabsteinmarker hinterlassen, und ein Prüfer mit RBAC-genehmigten Berechtigungen muss bestätigen, bevor irgendetwas gelöscht wird. Der Fall kann wie jedes andere Ticket über ServiceNow oder Jira weitergeleitet werden.
Führe es weiter
Was man lesen sollte, wenn die eigene Einstellung das ist, was alles andere blockiert
Zeigen Sie uns die Daten, die Sie aus Angst nicht löschen wollten.
Eine gezielte Bestandsaufnahme Ihres eigenen Vermögens zeigt genau, was zur Veräußerung in Frage kommt, welche Vorschriften oder Sperrungen dafür gelten und was zuerst gefahrlos archiviert oder gelöscht werden kann.
