ડેટા રીટેન્શન મર્યાદાઓ દૂર કરવી અને ડેટા ઇન્ટેલિજન્સ સાચવવું

કાનૂની રીટેન્શન અવધિઓ પર કાબુ મેળવો અને કૃત્રિમ ડેટા સાથે સમય જતાં મૂલ્યવાન પેટર્ન, વલણો અને સંબંધ શોધવા માટે ડેટા સાચવો.

વ્યક્તિગત ડેટા કેટલા સમય સુધી સંગ્રહિત કરી શકાય છે?

GDPR ના ડેટા રીટેન્શન સમયગાળાની સ્પષ્ટ કડકતા હોવા છતાં, સ્ટોરેજ મર્યાદા અંગે કોઈ નિયમો નથી. સંસ્થાઓ જે પણ ફિટ જુએ છે તેના આધારે તેમની પોતાની સમયમર્યાદા નક્કી કરી શકે છે, જો કે સંસ્થાએ દસ્તાવેજીકરણ કરવું જોઈએ અને ન્યાયી ઠેરવવું જોઈએ કે તેણે તેની સમયમર્યાદા શા માટે નક્કી કરી છે.

નિર્ણય બે મુખ્ય પરિબળો પર આધારિત હોવો જોઈએ: ડેટાની પ્રક્રિયા માટેનો હેતુ, અને તેને જાળવી રાખવા માટેની કોઈપણ નિયમનકારી અથવા કાનૂની જરૂરિયાતો. જ્યાં સુધી તમારા હેતુઓમાંથી એક લાગુ પડે ત્યાં સુધી, તમે ડેટા સ્ટોર કરવાનું ચાલુ રાખી શકો છો. ડેટા જાળવી રાખવા માટે તમારે તમારી કાનૂની અને નિયમનકારી જરૂરિયાતો પણ ધ્યાનમાં લેવી જોઈએ. ઉદાહરણ તરીકે, જ્યારે ડેટા ટેક્સ અને ઓડિટને આધિન હોય, અથવા નિર્ધારિત ધોરણોનું પાલન કરવા માટે, ત્યાં ડેટા રીટેન્શન માર્ગદર્શિકાઓ હશે જેનું તમારે પાલન કરવું જોઈએ.

તમે ડેટા ફ્લોનો નકશો બનાવીને તમારા ડેટાનો ઉપયોગ કેવી રીતે કરવામાં આવશે અને ભવિષ્યમાં ઉપયોગની જરૂર પડશે તેની યોજના બનાવી શકો છો. જ્યારે ડેટા જાળવવાનો અને તમારી રીટેન્શન અવધિ સમાપ્ત થાય ત્યારે તેને દૂર કરવાની વાત આવે ત્યારે આ પ્રક્રિયા પણ મદદરૂપ થાય છે.

જીડીપીઆર હેઠળ ડેટા મિનિમાઇઝેશન સિદ્ધાંતો

જીડીપીઆરની કલમ 5 (1) (સી) કહે છે કે "વ્યક્તિગત ડેટા હશે: પર્યાપ્ત, સંબંધિત અને જે હેતુઓ માટે તેઓ પ્રક્રિયા કરે છે તેના સંબંધમાં જરૂરી હોય તે માટે મર્યાદિત."

આદર્શ રીતે, આનો અર્થ એ છે કે સંસ્થાઓ જે હેતુ માટે ડેટા એકત્રિત કરવામાં આવ્યો હતો તે ભરવા માટે જરૂરી વ્યક્તિગત ડેટાની ન્યૂનતમ રકમ ઓળખે છે. "પર્યાપ્ત, સંબંધિત અને મર્યાદિત" શું છે તે નક્કી કરવું એ સંસ્થાઓ માટે પડકાર સાબિત થઈ શકે છે કારણ કે આ શરતો GDPR દ્વારા વ્યાખ્યાયિત નથી. તમારી પાસે યોગ્ય માત્રામાં ડેટા છે કે નહીં તે આકારણી કરવા માટે, પહેલા, ડેટા શા માટે જરૂરી છે અને કયા પ્રકારનો ડેટા એકત્રિત કરવામાં આવે છે તે વિશે સ્પષ્ટ થાઓ. વિશેષ કેટેગરી અથવા ફોજદારી ગુનાના ડેટા માટે, ચિંતાઓ વધુ વધી છે.

ભવિષ્યમાં ઉપયોગી થઈ શકે તેવી તક પર વ્યક્તિગત ડેટા એકત્રિત કરવાથી ડેટા ન્યૂનકરણના સિદ્ધાંતને અનુરૂપ થશે નહીં. સંસ્થાઓએ સમયાંતરે તેમની પ્રોસેસિંગ પ્રવૃત્તિઓની સમીક્ષા કરવી જોઈએ જેથી ખાતરી થાય કે વ્યક્તિગત ડેટા સંબંધિત, સચોટ અને તમારા હેતુઓ માટે પર્યાપ્ત રહે છે જે હવે જરૂર નથી.

આ કારણોસર, ડેટા મિનિમાઇઝેશન સ્ટોરેજ લિમિટેશન સિદ્ધાંત સાથે નજીકથી જોડાયેલું છે.

જીડીપીઆર દ્વારા દર્શાવ્યા મુજબ રીટેન્શન મર્યાદાઓ

જીડીપીઆરની કલમ 5 (1) (ઇ) કહે છે: "વ્યક્તિગત ડેટા એવા ફોર્મમાં રાખવામાં આવશે જે વ્યક્તિગત ડેટાની પ્રક્રિયા કરવામાં આવે તે હેતુઓ માટે જરૂરી કરતાં વધુ સમય સુધી ડેટા વિષયોની ઓળખની પરવાનગી આપે છે."

આ લેખ શું કહે છે કે, જો કોઈ સંસ્થા વ્યક્તિગત ડેટા એકત્રિત કરે અને તેનો કાયદેસર ઉપયોગ કરે તો પણ તેઓ તેને અનિશ્ચિત સમય સુધી રાખી શકતા નથી. જીડીપીઆર ડેટા માટે સમય મર્યાદા સ્પષ્ટ કરતું નથી. આ સંસ્થા પર નિર્ભર છે. સ્ટોરેજ મર્યાદાના સિદ્ધાંતોનું પાલન એ સુનિશ્ચિત કરે છે કે ડેટા અપ્રસ્તુત અને અતિશય અથવા અચોક્કસ અને ડેટાની બહારના જોખમને ઘટાડવા માટે ડેટા ભૂંસી નાખવામાં આવે છે, અનામી અથવા સંશ્લેષણ કરવામાં આવે છે. વ્યવહારીક દ્રષ્ટિકોણથી સંગ્રહ અને સુરક્ષા સંબંધિત બિનજરૂરી ખર્ચ સાથે તમારી જરૂરિયાત કરતાં વધુ વ્યક્તિગત ડેટા રાખવા માટે તે બિનકાર્યક્ષમ છે. ધ્યાનમાં રાખીને કે સંસ્થાઓએ ડેટા વિષય accessક્સેસ વિનંતીઓનો જવાબ આપવો જ જોઇએ, સંસ્થાને જેટલો વધુ ડેટા શોધવો પડે છે તેટલું મુશ્કેલ બને છે. વધારે માત્રામાં ડેટા રાખવાથી ડેટા ભંગ સાથે સંકળાયેલ જોખમ પણ વધે છે.

રીટેન્શન શેડ્યૂલ જાળવી રાખવા તમે જે પ્રકારની માહિતી રાખો છો, તમે તેનો ઉપયોગ શું કરો છો અને ક્યારે કા deletedી નાખવો જોઈએ તેની યાદી આપે છે. દસ્તાવેજીકરણ આવશ્યકતાઓનું પાલન કરવા માટે, સંસ્થાઓએ માહિતીની વિવિધ શ્રેણીઓ માટે પ્રમાણભૂત રીટેન્શન અવધિની સ્થાપના અને દસ્તાવેજીકરણ કરવું આવશ્યક છે. સંસ્થાઓને સલાહ આપવામાં આવે છે કે તેઓ આ રીટેન્શન અવધિનું પાલન કરી રહ્યા છે અને યોગ્ય અંતરાલોમાં રીટેન્શનની સમીક્ષા કરે છે.

ડેટાનું મૂલ્ય જાળવી રાખવું

"ડેટા એ ડિજિટલ અર્થતંત્રનું નવું તેલ છે". હા, આ એક વધારે પડતું નિવેદન હોઈ શકે છે, પરંતુ મોટાભાગના લોકો સંમત થશે કે ડેટા મૂલ્યવાન છે અને સંસ્થાઓને નવીનતાની અનુભૂતિ માટે આવશ્યક છે, તે સંસ્થાઓને સમયસર મૂલ્યવાન પેટર્ન, વલણો અને સંબંધો શોધી શકે છે જે સંસ્થાને ક્રિયાશીલ આંતરદૃષ્ટિ સાથે ટેકો આપે છે.

જો કે, ડેટા મિનિમાઇઝેશન સિદ્ધાંત અને (ચોક્કસ) કાનૂની ડેટા રીટેન્શન અવધિ માટે સંસ્થાઓને ચોક્કસ સમયગાળા પછી ડેટાનો નાશ કરવાની જરૂર છે. પરિણામે, તે સંસ્થાઓએ ડેટા-આધારિત નવીનતા: ડેટાની અનુભૂતિ માટે તેમનો પાયો નાશ કરવો પડશે. ડેટા અને historicalતિહાસિક ડેટાના સમૃદ્ધ ડેટાબેઝ વિના, ડેટા આધારિત ઇનોવેશનની અનુભૂતિ પડકારરૂપ બનશે. તેથી, આ એવી પરિસ્થિતિનો પરિચય આપે છે જ્યાં સંસ્થાઓ નાશ પામેલા ડેટાને કારણે ક્રિયાશીલ આંતરદૃષ્ટિ સાથે સંસ્થાને ટેકો આપવા માટે સમય સાથે મૂલ્યવાન પેટર્ન, વલણો અને સંબંધો શોધી શકતી નથી.

તો, ડેટા ઇન્ટેલિજન્સને સાચવીને તમે આ પડકારો કેવી રીતે દૂર કરશો?

તમે સિન્થેટીક ડેટા બનાવીને અથવા ડેટાને અનામી બનાવીને ડેટા રીટેન્શન ડેડલાઇનની આસપાસ કામ કરી શકો છો; આનો અર્થ એ છે કે માહિતીને ઓળખી શકાય તેવા ડેટા વિષય સાથે જોડી શકાતી નથી. જો તમારો ડેટા ગુપ્ત રાખવામાં આવે છે, તો GDPR તમને જ્યાં સુધી તમે ઇચ્છો ત્યાં સુધી તેને રાખવા માટે પરવાનગી આપે છે.

જો કે, આ કરતી વખતે તમારે સાવચેત રહેવું જોઈએ. જો કોઈ વ્યક્તિને ઓળખવા માટે સંસ્થા પાસે રહેલી અન્ય માહિતી સાથે માહિતીનો ઉપયોગ કરી શકાય છે, તો તે પર્યાપ્ત રીતે અનામી નથી. આ બ્લોગ શા માટે ક્લાસિક અનામીકરણ તકનીકો નિષ્ફળ થાય છે તે સમજાવે છે અને સમજાવે છે કે આ ડેટા રીટેન્શન ઉપયોગ-કેસમાં કોઈ ઉકેલ નથી.

રીટેન્શન અવધિ પછીના ડેટા સાથે શું કરવું

ડેટા રીટેન્શનની સમયસીમા સમાપ્ત થાય ત્યારે તમારી પાસે ત્રણ વિકલ્પો હોય છે: તમે કા deleteી શકો છો, અનામી રાખી શકો છો અથવા કૃત્રિમ ડેટા બનાવી શકો છો.

જો તમે ડેટા કા deleteી નાખવાનું પસંદ કરો છો, તો તમારે ખાતરી કરવી જોઈએ કે બધી નકલો કા discી નાખવામાં આવી છે. આ કરવા માટે, તમારે ડેટા ક્યાં સંગ્રહિત છે તે શોધવાની જરૂર પડશે. શું તે ડિજિટલ ફાઇલ છે, હાર્ડ કોપી છે કે બંને?

હાર્ડ કોપી ડેટાને ભૂંસી નાખવું સહેલું છે, પરંતુ ડિજિટલ ડેટા ઘણીવાર ટ્રેસ છોડી દે છે અને નકલો ભૂલી ગયેલા ફાઇલ સર્વર્સ અને ડેટાબેઝમાં રહે છે. GDPR નું પાલન કરવા માટે, તમારે ડેટા 'ઉપયોગથી આગળ' મૂકવો પડશે. ડેટાની બધી નકલો લાઇવ અને બેક-અપ સિસ્ટમ્સમાંથી દૂર કરવી જોઈએ.

વ્યક્તિગત ડેટાના ઉપયોગને સખત રીતે જરૂરી છે તે મર્યાદિત કરવા માટે ડેટા મિનિમાઇઝેશનના સિદ્ધાંતને અનુરૂપ, તમારી સંસ્થાએ રીટેન્શન મર્યાદા સૂચવી. જ્યારે તે ક્ષણ આવે છે, ત્યારે તમારો ડેટા કા deleteી નાખવાનો સમય આવે છે. પરંતુ રાહ જુઓ! તમારો ડેટા તમારું સોનું છે. તમારું સોનું ફેંકી દો નહીં!

તમે ડેટાને કેવી રીતે અનામી રાખશો?

તમે મૂલ્ય દોરવાનું ચાલુ રાખવા અને ડેટા બુદ્ધિને જાળવી રાખવા માટે તેને સિન્થેટિક ડેટામાં ફેરવીને ડેટાને ગુપ્ત રાખી શકો છો.

કૃત્રિમ ડેટા કેવી રીતે બનાવવામાં આવે છે?

કૃત્રિમ ડેટા પેદા કરવા માટે નવી અને સંશોધનાત્મક તકનીકો વિકસાવવામાં આવી છે. આ વ્યૂહરચના તમારી સંસ્થાને વ્યક્તિગત માહિતી કા deletedી નાખ્યા પછી પણ તેના ડેટામાંથી મૂલ્ય મેળવવાની મંજૂરી આપે છે. આ નવા સિન્થેટિક ડેટા સોલ્યુશન જેવા સિન્થો, તમે સિન્થોમાં મૂળ ડેટાસેટના આધારે સિન્થેટિક ડેટાસેટ જનરેટ કરો છો. સિન્થેટિક ડેટાસેટ જનરેટ કર્યા પછી, તમે મૂળ ડેટાસેટ કા deleteી શકો છો (ઉદાહરણ તરીકે માં ગોપનીયતા કેન્દ્ર) અને સિન્થેટિક ડેટાસેટ પર વિશ્લેષણ કરવાનું ચાલુ રાખો, વ્યક્તિગત ડેટા વિના ડેટા ઇન્ટેલિજન્સ જાળવી રાખો. ખૂબ સરસ.

સંગઠનો હવે સમય સાથે કૃત્રિમ સ્વરૂપે ડેટા સાચવી શકે છે. જ્યાં તેઓ મૂળભૂત રીતે ડેટા આધારિત ઇનોવેશનની અનુભૂતિમાં મર્યાદિત હતા, હવે તેમની પાસે ડેટા આધારિત ઇનોવેશન (સમય જતાં) સાકાર કરવા માટે મજબૂત પાયો હશે. આ તે સંસ્થાઓને (અંશત) કૃત્રિમ ડેટાના આધારે મૂલ્યવાન પેટર્ન, વલણો અને સમય સાથે સંબંધ શોધવાની મંજૂરી આપે છે, જેથી તેઓ સંસ્થાને કાર્યક્ષમ આંતરદૃષ્ટિ સાથે ટેકો આપી શકે.

શા માટે અમારા ગ્રાહકો કૃત્રિમ ડેટાનો ઉપયોગ કરે છે

સાથે નવીનતાઓને સાકાર કરવા માટે મજબૂત પાયો બનાવો ...

1

જોખમ નથી

ડિજિટલ વિશ્વાસ મેળવો

2

વધુ ડેટા

ડેટાબેઝ

3

ઝડપી ડેટા એક્સેસ

ઝડપ અને ચપળતાનો અહેસાસ કરો

હસતા લોકોનું જૂથ

ડેટા કૃત્રિમ છે, પરંતુ અમારી ટીમ વાસ્તવિક છે!

સિન્થોનો સંપર્ક કરો અને અમારા એક નિષ્ણાત કૃત્રિમ ડેટાના મૂલ્યનું અન્વેષણ કરવા માટે પ્રકાશની ઝડપે તમારી સાથે સંપર્ક કરશે!