Veel organisaties worstelen met het efficiënt voldoen aan inzageverzoeken van betrokkenen. Zowel werknemers als klanten stellen organisaties voor grote uitdagingen bij het identificeren, verifiëren en terugleveren van de gegevens van de betrokkene. Gelukkig kunnen organisaties met nieuwe tools en workflows die zijn ontwikkeld om datasets te behandelen, het behandelproces van inzageverzoeken versnellen en vereenvoudigen, zodat het inzageverzoek binnen het tijdsbestek wordt afgerond. Waardoor efficiënte naleving en afhandeling van de AVG mogelijk is. In deze blog zullen we nader ingaan op de instrumenten van ZyLAB ONE, die de workflow voor het afhandelen van AVG inzageverzoeken kunnen versnellen en vereenvoudigen.
ZyLAB ONE biedt eenvoudige, geautomatiseerde en geavanceerde technologie waarmee organisaties snel en eenvoudig een AVG inzageverzoek kunnen afhandelen. Met ZyLAB ONE kan er makkelijk persoonlijke gegevens uit meerdere gegevensbronnen worden opgehaald, is het mogelijk om met krachtige analytics structurele en semantische inzichten te ontdekken en te presenteren, kan er met machine learning documenten gevonden worden op basis van voorbeelden, persoonlijke informatie van bijvoorbeeld derden geanonimiseerd worden, en is het mogelijk om documenten in verschillende formats te produceren. Met het gebruik van eDiscovery-software wordt er 80% van het werk wat organisaties normaal gesproken met de hand moeten aflakken voorkomen, waardoor tijd en kosten worden bespaard.
Om adequaat te zoeken in grote bestanden en daarbij geen vertraging op te lopen, moet een organisatie gebruik maken van software die geavanceerde zoektechnieken bevatten die praktisch en doelgericht zoeken naar persoonsgegevens van een betrokkene.
Met behulp van de instrumenten van ZyLAB ONE kan er op verschillende manieren naar persoonsgegevens gezocht worden. Allereerst wordt alle data geüpload en worden de documenten gefilterd op relevantie. Het filteren van documenten gebeurd door middel van relevante tags. Een verwerkingsverantwoordelijke kan met query’s (zoekvragen) gerichter zoeken naar documenten die persoonsgegevens bevatten van de betrokkene. Deze documenten worden tevens gelabeld op wel of niet relevant.
Een verwerkingsverantwoordelijke kan door middel van query’s (zoekvragen) zoeken naar documenten waar de persoonsgegevens van de betrokkene in voorkomen. Daarnaast bestaan er verschillende manieren binnen ZyLAB ONE om het zoeken te specificeren. Enkele voorbeelden zijn:
Booleaans (And/ Or/ Not): hierbij kunt u gebruik maken van de “AND”, “OR” of “NOT” functie. Met de AND-operator kunt u bestanden vinden die dezelfde termen bevatten. Het gevolg is dat alle bestanden die alle termen in combinatie met AND gevonden worden. Vervolgens kunt u met de OR-operator bestanden vinden die één of beide termen bevatten. Deze operator wordt onder andere gebruikt om afkortingen te zoeken of vergelijkbare concepten samen te voegen. Verder kunt u met de NOT-operator bestanden met bepaalde zoektermen uitsluiten en uw zoekopdracht verfijnen.
Fuzzy: een fuzzy-zoekopdracht wordt gebruikt om alle variaties van een woord te vinden, ook woorden die onjuist zijn herkend.
Wildcard: het gebruik van een wildcard betekent dat een of meer tekens vervangen of weergegeven kan worden. Het gevolg is dat de zoekopdracht flexibeler en efficiënter wordt.
Proximity: deze operator wordt gebruikt om ervoor te zorgen dat zoektermen aan elkaar gerelateerd zijn, terwijl zoekresultaten worden vermeden waarbij termen verspreid zijn over een bestand en geen verband houden met elkaar.
Quorum: De quorum-operator wordt gebruikt om in een lijst naar een bepaald aantal termen te zoeken.
Een verwerkingsverantwoordelijke kan naast het gebruik van query’s ook gebruik maken van Technology Assisted Review (hierna: TAR). Aan de hand van eerdere resultaten identificeert de software de overige dataset dan zelf naar mogelijke relevante documenten. Met behulp van TAR kan de verwerkingsverantwoordelijke bijvoorbeeld meer responsieve documenten vinden in vergelijking met het handmatig controleren van een dataset. Het kan ook gebruikt worden om relevante documenten te identificeren in een onbekende dataset, of om eerst de belangrijkste documenten te identificeren.
Wanneer alle documenten geüpload zijn kunt u deze documenten ontdubbelen. De dubbele documenten krijgen een duplicaat-label toegewezen, zodat ze worden onderscheiden van de andere documenten. definiëren door middel van tags. Vervolgens kunnen de documenten gedefiniërd worden door middel van tags.Het doel van taggen is om een document te filteren, te sorteren of op te halen. Een verwerkingsverantwoordelijke kan met kunstmatige intelligentie alle documenten doorzoeken op basis van de documenten die onder het verzoek vallen. Hierdoor is het mogelijk om een selectie te maken van documenten die wel onder het verzoek vallen en documenten die niet onder het verzoek vallen. Tot slot bestaat er de mogelijkheid om de tags te personaliseren aan de hand van uw wensen of documenten.
Kortom, zal de workflow van AVG inzageverzoeken met ZyLAB ONE versneld en vereenvoudigt worden, zodat het inzageverzoek binnen de gestelde termijn wordt afgehandeld. In de volgende blog gaan we in op het anonimiseren en pseudonimiseren AVG.