By · Last updated 2026-04-07

Tornar al BlogTecnologia Legal

Excel i RGPD: riscos de les dades en fulls de calcul

Les sol.licituds d'acces als drets RGPD van augmentar un 180% del 2021 al 2024 (CEPD). El processament manual mig d'un DSAR pren 12 hores. Els departaments de RRHH que gestionen.

April 7, 20268 min llegit
Excel GDPR anonymizationspreadsheet redactionDSAR processingEDPB right of accessHR data compliance

La bretxa Excel-RGPD

Les eines de redaccio de PDF no funcionen en fitxers Excel. Aixo crea una bretxa de compliment que, en entorns empresarials, afecta tots els equips de RRHH, finances i operacions.

Les sol.licituds d'acces als drets del RGPD van augmentar un 180% entre 2021 i 2024 (Informe Anual del CEPD). Quan arriba un DSAR, heu de compartir les dades personals del sol.licitant. Tambe heu de protegir les dades de tothom mes en el mateix fitxer. Exportar files especifiques no es suficient. Els altres registres segueixen visibles. El compliment correcte del DSAR significa anonimitzar totes les dades que no siguin del sol.licitant.

El mig processament manual d'un DSAR triga 12 hores. A 200 DSAR al mes, aixo son 2.400 hores de personal. El processament manual no escalona.

Que ha de cobrir l'anonimitzacio d'Excel

Els fulls de calcul tenen problemes per als quals les eines de text no estan dissenyades.

Files i columnes ocultes. Els fitxers Excel sovint amaguen files i columnes que poden contenir registres d'esborrany o valors originals. Una eina que llegeix nomes les cel.les visibles perdra les dades personals en les arees ocultes.

References de formula. Una cel.la pot mostrar un valor construIt a partir d'altres cel.les. Netejar les cel.les d'origen no actualitza el resultat de la formula. Les dades personals originals romanen en el resultat de la formula.

Cache de la taula dinamica. Les taules dinamiques d'Excel emmagatzemen una copia de les dades d'origen. Netejar el full d'origen no neteja la cache. Qualsevol persona amb el fitxer pot llegir les dades en cache.

Vincles entre fulls. Un nom al Full 1 pot apareixer en una formula al Full 3. Netejar el Full 1 sense actualitzar el Full 3 pot revelar el valor original a traves de la formula.

Una eina de qualitat de compliment ha de processar tots els fulls, inclosos els ocults, i actualitzar totes les references de formula.

Cas d'us de RRHH: compartir 50.000 registres d'empleats

Un fabricant alemany ha de compartir 50.000 registres d'empleats amb un consultor extern. L'article 28 del RGPD requereix controls tecnics en compartir dades amb un encarregat del tractament. El fitxer te 37 columnes: noms, adreces de domicili, salaris, avaluacions i dades de baixes mediques.

L'anonimitzacio manual de 50.000 files no es factible en cap termini de compliment.

El complement de Word i Excel funciona dins de Microsoft Excel, sense necessitat d'exportar. La deteccio de dades personals s'executa en tots els fulls visibles i ocults. Els noms es converteixen en pseudonims consistents. El mateix nom en dues cel.les obte el mateix token. Els vincles analitics es mantenen intactes. Les adreces es converteixen en marcadors de posicio adequats al tipus. Els salaris es deixen sense canvis. Les 50.000 files es processen en minuts.

Les regles per entitat us permeten tractar cada tipus de dada de manera diferent. Els SSN es converteixen en cadenes emmascarades. Les adreces es converteixen en valors a nivell de ciutat. Les adreces de correu electronic personal es converteixen en marcadors de posicio basats en rol.

Aquest repte no es exclusiu d'Excel. Cada format de fitxer te els seus propis modes de fallada. Vegeu com la fragmentacio de formats afecta la deteccio de dades personals en tots els tipus de fitxers.

Tres normes del RGPD en una sola passada

L'anonimitzacio de fulls de calcul compleix tres normes de l'article 5 alhora.

Minimitzacio de dades (art. 5(1)(c)). Nomes es comparteixen les columnes que el destinatari necessita. Les columnes d'identificacio es buiden.

Limitacio de la conservacio (art. 5(1)(e)). El fitxer original es conserva per a la retencio legal. Una copia neta es comparteix amb un periode de retencio mes curt.

Integritat i confidencialitat (art. 5(1)(f)). Cap dada identificativa surt de la zona de control. Nomes la copia neta es distribueix.

El registre d'auditoria de cada execucio tambe es el vostre registre de l'article 5(2). Mostra quina norma s'ha aplicat a cada fitxer i a cada cel.la.

Per als equips que gestionen grans volums de DSAR amb terminis ajustats, vegeu processament per lots de DSAR RGPD a escala.

Fonts

Preparat per protegir les vostres dades?

Comenceu a anonimitzar PII amb més de 285 tipus d'entitats en 48 idiomes.

About this page

We update this page when our platform or the law changes.

Read our founder note for how we work.

Each change shows up in the timestamp at the top.

Related reading

We follow these rules

  • GDPR (EU 2016/679).
  • ISO/IEC 27001:2022.
  • NIS2 (EU 2022/2555).
  • HIPAA safe harbor under 45 CFR § 164.514(b)(2).

Our promise

We do not sell your data.

We do not train models on your text.

We store your files in Germany.

You can delete your account at any time.

You own your work.

Where we run

Our servers live in Falkenstein, Germany.

We use Hetzner. They hold ISO 27001 certification.

All data stays in the EU.

Backups run every day.

Need help?

Email support@anonym.legal.

We reply within one business day.

How we test

We run a full check suite on every release.

Each surface gets its own sweep script and report.

Human reviewers spot-check the output each week.

We track recall and precision on a labelled set.

Bad runs block the deploy.

What we never do

  • We never sell your information to third parties.
  • We never train models on what you upload.
  • We never keep your work after you delete it.
  • We never share keys with any outside firm.
  • We never run ads inside the product.

Plans in plain words

We sell credits, not seats.

One credit covers one short job.

Long jobs use a few credits each.

You can top up at any time.

Unused credits roll over each month.

Read the plans page for current rates.

Who built this

A small team of engineers and lawyers built this.

We ship from Europe and work in the open.

Our founder note spells out why we started.

Where to start

How the parts fit

A browser add-on cleans text inside Chrome.

A Word plug-in handles drafts in Office.

A small desktop tool works on whole folders.

An agent protocol link feeds large models safely.

All four share one core engine and one rule set.

Words from our team

We started this work after a lunch about cookies.

One friend kept getting odd ads on her phone.

We asked why a court file leaked through a draft.

We sketched the first build on a napkin that week.

By month three we had a tiny demo for a friend.

She used it on her first case the next day.

Common questions we hear

Can the tool read scanned PDFs? Yes, with OCR.

Does it work on long files? Yes, in small chunks.

Can I roll my own rule set? Yes, save it as a preset.

Does it run offline? The desktop build runs offline.

Do you keep my files? No, the cloud build wipes after each run.

Will it learn from my work? No, we never train on inputs.

A short tour of the workflow

Upload a file or paste a snippet of prose.

Pick the entities you want gone from the draft.

Choose a method: replace, mask, hash, encrypt, or redact.

Press run and watch the side panel show each hit.

Skim the result and tweak any rule that misfired.

Save the cleaned file or send it to a teammate.