Plateforme de solutions : gestion du cycle de vie des données et disposition responsable
Automatisez et exécutez la gestion du cycle de vie des données sur l'ensemble de votre patrimoine de données.
Risque d'exposition, coût du stockage, CCPA, RGPD ou modèle d'IA nécessitant des données à jour : quel que soit le motif de l'obligation, BigID apporte à tous ces programmes la même solution essentielle. Il évalue les données ROT (redondantes, obsolètes et triviales) et les données non conformes de la même manière, qu'elles proviennent de sources structurées ou non structurées. Les données sont ensuite analysées dans un environnement de test sécurisé (sandbox) avec un enregistrement conservé, puis déplacées, restaurées, archivées ou supprimées uniquement après vérification de la conformité légale et de l'intégrité référentielle. Un seul flux de travail, du début à la fin.
Des données redondantes et obsolètes ont été trouvées, analysées dans un environnement isolé avec une trace de suppression, puis archivées ou purgées, sans être combinées avec des outils distincts.
Portée réglementaire
Plus de 300 000 règles de rétention
Dans plus de 220 pays, les données sont gérées directement dans le produit grâce à l'intégration de Filerskeepers, sans avoir à gérer une feuille de calcul.
surface d'attaque réduite
Automatiquement, et non manuellement
Archivés ou purgés selon des calendriers et des règles, afin de réduire l'empreinte mémoire sans projet de nettoyage récurrent
Où en est la gestion du cycle de vie des données aujourd'hui
Les données devenues obsolètes restent exposées.
Le risque d'exposition incite à supprimer les données inutiles, le coût du stockage à les nettoyer, le CCPA et le RGPD à les minimiser, et l'IA à ne conserver que les données à jour. Tous ces éléments convergent vers le même amas de données redondantes, obsolètes, triviales et non conformes, que BigID élimine systématiquement de la même manière : évaluation cohérente, vérification sécurisée et suppression sans aucune surprise juridique ou référentielle.
Une seule évaluation, chaque source
Les données ROT et les données de non-conformité sont détectées de la même manière. pour des environnements structurés et non structurés, au lieu d'un exercice de tableur répété pour chaque système de fichiers.
Un flux de travail avant la touche Suppr.
Les données signalées sont déplacées vers un environnement sécurisé et une trace de leur suppression est laissée derrière elles., Un examinateur disposant des autorisations requises atteste donc avant toute action.
Garde-fous à la sortie
Vérification préalable de la validité juridique et de l'intégrité référentielle, Ainsi, une archivage logiciel ou une purge matérielle ne peuvent pas être déclenchées sur des données gelées ou encore utilisées.
Découvrez ce que BigID peut faire
Regardez-le fonctionner
Conservation des données BigID pour Google Drive : identifier les fichiers ROT, appliquer les politiques et agir
Voici comment détecter les fichiers ROT dans Google Drive, appliquer une politique de rétention à leur sujet et prendre des mesures concernant les fichiers détectés, sans quitter la plateforme.
Démo
Dans ce centre névralgique
Commencez ici
BigID répond en premier aux questions relatives à la gestion du cycle de vie des données
Un seul flux de travail, avec une étape de validation avant toute suppression.
Le ROT est généralement détecté correctement. Le problème réside dans le processus qui l'entoure : un script ou une feuille de calcul peut omettre l'examen, la vérification de la conformité légale ou le contrôle des dépendances, faute d'emplacement prévu pour ces vérifications. BigID intègre ces trois étapes au même processus que la détection elle-même.
Aucun document n'est mis en attente de suppression sans l'avis d'un examinateur, et aucun élément faisant l'objet d'une conservation légale ou d'une dépendance structurelle n'est supprimé.Capacités
Détection, réglementation, enquête et élimination : un flux de travail de gestion du cycle de vie des données
Dans l'ordre d'exécution du travail : détecter ce qui remplit les conditions pour être traité, maintenir à jour la réglementation sous-jacente à cette détection, l'acheminer vers un examen délégué avec un compte rendu laissé, puis exécuter le traitement lui-même avec des garde-fous.
Détection avancée des données ROT et non conformes
Les données redondantes, obsolètes, triviales et non conformes ne sont pas contenues dans un seul système de fichiers ; leur détection est donc impossible. Ce groupe les repère de la même manière partout, dans des sources structurées et non structurées, en calculant les doublons indépendamment des indicateurs propres à la plateforme source, et en détectant également les quasi-doublons, et pas seulement les copies exactes.
Résultat : réduction des coûts de stockage et de la surface d’attaque
Détection des doublons pour les fichiers et les dossiers sur divers systèmes de fichiers et lacs de données
Analyse de clusters avancée pour la détection de données similaires et dérivées
Détection des données obsolètes basée sur la date de création, la dernière modification ou le dernier accès et l'activité
Détection des données archivées
Détection de données avec consentement expiré
Détection des données soumises à des réglementations spécifiques
Prise en charge des règles personnalisées
Surveillance réglementaire
L'efficacité d'une règle de détection dépend de la réglementation sur laquelle elle repose, et les réglementations évoluent constamment. Ce groupe propose des politiques de réglementation prédéfinies et une méthode simple pour en créer de nouvelles, ce qui permet de les maintenir à jour sans intervention technique.
Résultat : une conformité prête pour l'audit et qui respecte la législation en vigueur.
Une bibliothèque de politiques de réglementation préconfigurées, prêtes à l'emploi.
Intégration avec Filerskeepers pour la mise à jour automatique des réglementations, plus de 300 000 règles de conservation dans plus de 220 pays
Définitions de la réglementation douanière
Un outil de création de requêtes simple, conçu pour les utilisateurs métiers plutôt que pour les ingénieurs.
Flux de travail d'enquête déléguée avec mise en place de la fonction « tomstone »
Les données signalées doivent être examinées avant d'être supprimées. Ce groupe les déplace vers un environnement de test sécurisé, y appose une étiquette de suppression et les achemine via les hooks natifs de Jira et ServiceNow, afin que l'examen ne nécessite pas un suivi manuel dans un tableur.
Résultat : aucune suppression injustifiée et preuve du pourquoi
Fonctionnalité intégrée de passage à l'environnement de test
Une stèle funéraire, laissée pour informer les utilisateurs que leurs données font l'objet d'une enquête, est en cours d'examen.
Flux de travail sécurisé par RBAC, de sorte que seul un réviseur disposant des autorisations approuvées peut examiner et attester
Intégration avec ServiceNow et Jira
Élimination et suppression responsables
C’est à cette étape que le flux de travail agit concrètement sur les données : déplacement, restauration, archivage ou suppression, après vérification de l’intégrité référentielle et des obligations légales de conservation. La restauration, en particulier, est une étape souvent négligée par les fournisseurs : la suppression ou l’archivage sont courants, mais la remise en état des données après la levée des obligations légales l’est beaucoup moins.
Résultat : suppression justifiée, avec preuves à l’appui pour chaque action
Prise en charge de la suppression réversible (archivage vers un stockage froid) et de la suppression définitive (purge).
Les garde-fous pour l'intégrité référentielle ont un impact sur les données structurées
Garanties de détention légale
Couverture des fichiers, tables et autres objets structurés et non structurés contenus dans un domaine
Là où ça court
Le même processus de détection et de traitement, quel que soit l'emplacement des données.
Un doublon trouvé sur un partage de fichiers et un doublon trouvé dans une table d'entrepôt de données suivent la même logique de détection et le même flux de travail ; son traitement ne dépend donc pas de l'équipe propriétaire de la plateforme.
Fichiers et partages de fichiers
Les partages réseau et le contenu non structuré dans le centre de données et le cloud constituent la plus grande source de ROT dupliqués et obsolètes.
Bases de données et tables
Bases de données relationnelles et NoSQL, où l'intégrité référentielle est vérifiée avant qu'une suppression définitive ne soit autorisée.
lacs de données et stockage en nuage
Le stockage objet et les entrepôts alimentant les outils d'analyse et d'IA sont les domaines où les données obsolètes et dupliquées nuisent le plus à la qualité des modèles.
Archives et chambres froides
La destination de la suppression réversible et la couverture qui boucle la boucle sur les données dont personne ne se souvient les avoir déplacées là au départ.
Preuve en pratique
Fichiers supprimés, espace de stockage récupéré et risque éliminé, à grande échelle
Compagnie aérienne mondiale
302 millions de fichiers supprimés
707 To récupérés d'Azure Data Lake Gen 2, soit 1 TP4 270 kB d'économies par mois.
organisation internationale d'assurance
Plus de 100 millions de fichiers supprimés
Suppression des données redondantes, obsolètes et non pertinentes du NAS, de OneDrive et de SharePoint
fournisseur d'assurance mondial
Plus de 2,3 millions de fichiers supprimés
Y compris plus de 571 000 courriels à haut risque contenant des informations personnelles, des mots de passe et des numéros de carte de crédit.
Université du Maryland
$5M+ risque éliminé
En supprimant plus de 27 000 enregistrements PII exposés du stockage cloud
Qu'est-ce qui empêche une suppression définitive de provoquer des dysfonctionnements en aval ?
Le contrôle d'intégrité référentielle s'exécute au sein même du flux de travail de disposition, et non comme un audit séparé ultérieur. Avant une purge définitive, le système vérifie la structure des données afin d'éviter la disparition d'une ligne dont dépend une autre table. En cas de doute, la suppression est réversible : archivage dans un stockage froid plutôt que purge complète.
Qu’advient-il des données faisant l’objet d’une rétention légale ?
La vérification de la conservation légale intervient lors de la même étape, avant même que les données ne soient traitées. Elle s'exécute dans le cadre de la même étape de garde-fou que l'intégrité référentielle, de sorte qu'une suspension du traitement d'un dépositaire n'entraîne pas l'interruption du traitement pour tous les autres éléments du lot.
Les personnes dont les données font l'objet d'une enquête en sont-elles informées ?
Oui, dès qu'il bouge. Un marqueur de suppression est laissé dès que des données signalées sont déplacées vers le bac à sable, et un examinateur disposant d'autorisations approuvées par RBAC doit attester avant que quoi que ce soit ne soit supprimé, le cas étant acheminable via ServiceNow ou Jira comme n'importe quel autre ticket.
Pour aller plus loin
Que lire quand l'humeur est ce qui soutient tout le reste ?
Indiquez-nous les données que vous avez eu peur de supprimer.
Une évaluation ciblée de votre patrimoine permet de déterminer précisément ce qui peut être aliéné, quelle réglementation ou quel blocage s'applique et ce qu'il est possible d'archiver ou de détruire en priorité.
