Les initiatives de pipeline de données permettent aux entreprises de générer et d'exploiter les informations issues de leurs investissements dans le Big Data. En transformant radicalement la vitesse à laquelle les applications et les analyses peuvent intégrer de nouvelles données, les organisations peuvent réagir plus facilement aux nouvelles opportunités, prendre des décisions et transformer leurs processus métier clés.
BigID a été le pionnier de la découverte de données personnelles au repos, et nous étendons désormais ces capacités de découverte et d'intelligence des données aux données en mouvement. La plateforme BigID est désormais disponible. prend en charge les pipelines de données Pour permettre aux entreprises de surveiller les données sensibles en mouvement sur les plateformes de streaming de données, telles que Kafka, Kafka Connect, AWS Kinesis et FTP. Découvrez et classez les données en mouvement, intégrez la corrélation du consentement des consommateurs sur les plateformes de streaming de données et étendez la visibilité sur la confidentialité aux pipelines à haut débit.
Le défi des pipelines de données
Les capacités de streaming de données provenant d'outils tels qu'Apache Kafka, AWS Kinesis et Kafka Connect de Confluent permettent aux organisations d'utiliser les données des applications mobiles existantes, des appareils IoT, des applications métier, des lacs de données et d'autres sources d'événements pour obtenir rapidement des informations et déclencher des processus métier réactifs.
Parallèlement, les réglementations mondiales en matière de confidentialité, telles que le CCPA et le RGPD, ont introduit des exigences spécifiques pour protéger de nouvelles catégories d'informations personnelles, tout en limitant leur utilisation, leur partage et leur traitement. Pour respecter ces réglementations et aborder le traitement des données de manière éthique, il est essentiel que les organisations intègrent les connaissances en matière de confidentialité dans leurs initiatives de gestion des données.
Les amendes peuvent avoir un impact matériel, mais les clients et les consommateurs iront ailleurs s’ils perdent confiance dans la marque d’une entreprise en raison de violations de la vie privée.
Compte tenu de la vitesse, du volume et de la complexité des données circulant dans les pipelines actuels, il est crucial pour les entreprises de s'assurer qu'elles utilisent correctement leurs données, tant en matière de confidentialité des données qu'en appliquant les principes de confidentialité dès la conception des applications. Pour ce faire, les organisations doivent être capables de :
– Identifier les données personnelles sensibles en mouvement (et au repos)
– Comprendre son origine,
– Le corréler à un ensemble d’identités pour la classification des informations personnelles, et
– Régir l’usage à des fins de consentement fait partie des défis.
Les enjeux sont élevés.
D’une part, perdre la trace des données personnelles lorsqu’elles circulent dans l’entreprise – ou pire, les utiliser d’une manière qui viole la protection de la vie privée des consommateurs – peut saper la confiance d’une manière qui dépasse de loin le coût des amendes réglementaires et des responsabilités civiles statutaires.
Les entreprises peuvent également perdre leur avantage concurrentiel car le risque de ne pas respecter les réglementations ou d’utiliser les informations personnelles de manière non prévue est trop élevé pour exploiter les flux de données.
En un instant, presque aussi vite que les données circulent, la confiance entre une entreprise et ses clients peut être irrémédiablement rompue, même si l’objectif n’était pas néfaste.
Vous n’avez pas besoin de choisir entre la confidentialité et l’innovation
Pour aider les entreprises à équilibrer la volonté d'innovation axée sur les pipelines de données avec la nécessité de protéger les informations personnelles sensibles, BigID a lancé la première solution de découverte de pipeline de données respectueuse de la confidentialité du secteur.
La plateforme BigID permet aux organisations de surveiller les transferts de données personnelles et personnelles sensibles à grande échelle et de gérer le consentement des consommateurs via des pipelines de données à haut débit, contribuant ainsi à la conformité des organisations aux réglementations mondiales en matière de confidentialité. Les informations de BigID peuvent être restreintes à des « conversations » spécifiques au sein d'un flux de données, permettant ainsi un suivi granulaire des politiques. La découverte s'effectue via des API et peut être déployée aux points d'entrée et de sortie du lac de données.
Les capacités uniques de BigID en matière de données en mouvement incluent désormais :
– La possibilité d’analyser les données en mouvement pour les solutions de streaming de données, notamment Kafka, Kafka Connect, AWS Kinesis et FTP, pour une visibilité directe, une analyse des données et une intelligence des données.
– L'industrie le support le plus large pour les sources de données Résidant dans un centre de données ou dans le cloud, et prenant en charge les données en mouvement comme les données au repos. Le support couvre les fichiers non structurés, les bases de données structurées, les lacs de données, le Big Data, les entrepôts de données, les mainframes, les applications comme SAP, les applications SaaS comme Salesforce et les environnements cloud comme AWS, Azure et autres.
– Remplissage en temps quasi réel de l’inventaire des données personnelles à mesure que les données sont transmises au pipeline de données, offrant un délai de rentabilisation rapide en éliminant le besoin de s’appuyer sur une analyse complète des données au repos.
– La capacité de découvrir non seulement des informations personnelles identifiables (PII), mais aussi des informations personnelles contextuelles (PI), telles que définies par la nouvelle vague de réglementations sur la confidentialité.
– Classification, catalogage et corrélation critique pour lier les attributs de données à une personne — étapes essentielles pour satisfaire aux droits sur les données personnelles tels que définis par le CCPA et le RGPD.
– La capacité de corréler les journaux et les préférences des accords de consentement aux individus et à leurs données à des fins de gouvernance.
– Suivi et reporting pour transferts de données à des tiers et l'utilisation de données exogènes pour les applications et les analyses
La confidentialité rendue pratique
Les nouvelles fonctionnalités de BigID concrétisent les principes de confidentialité dès la conception pour les initiatives de pipeline de données, et permettent d'améliorer le reporting et le suivi de la conformité. Le bureau de la confidentialité peut collaborer plus efficacement avec les ingénieurs, les data scientists et les développeurs d'applications pour concevoir et déployer de nouvelles applications et de nouveaux services exploitant le Big Data avec agilité, tout en ayant l'assurance que les informations sensibles seront protégées.
La protection de la vie privée dès la conception peut passer d'un simple ensemble de principes abstraits à un ensemble de processus de protection de la vie privée bien structurés et bien compris. Plutôt que de compter sur le bureau de la protection de la vie privée pour signaler les utilisations abusives potentielles des données personnelles dans le cadre d'initiatives de pipeline a posteriori (ou une fois les programmes d'analyse déployés), les entreprises peuvent intégrer des informations sur la protection de la vie privée tout au long du cycle de vie.
Les informations de découverte et de classification de BigID permettent de vérifier que les données sont utilisées conformément aux politiques, et permettent aux équipes chargées de la confidentialité, de la science des données et de l'ingénierie d'agir immédiatement en cas de non-respect. De cette manière, BigID aide les organisations à franchir une étape importante dans le décloisonnement et l'unification de l'entreprise afin de garantir la confidentialité et de préserver la confiance.
Obtenez une démo personnalisée pour en savoir plus sur les capacités de découverte du pipeline de données de BigID.
Auteur
