By · Last updated 2026-04-07

Povratak na BlogPravna Tehnologija

Excel i GDPR: Rizici podataka u proracunskim tablicama

GDPR zahtjevi za pristup podacima porasli su 180% od 2021. do 2024. (EDPB). Prosjecna rucna obrada DSAR-a traje 12 sati. HR odjeli koji upravljaju.

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

Excel GDPR jaz

Alati za crnljenje PDF-ova ne rade na Excel datotekama. To stvara jaz u uskladenosti. U poslovnim okruzenjima, to utjece na svaki HR, financijski i operativni tim.

GDPR zahtjevi prava pristupa porasli su 180% izmedju 2021. i 2024. (EDPB godisnje izvjesce). Kada stigne DSAR, morate podijeliti osobne podatke podnositelja. Morate takodjer zastititi podatke svih ostalih u istoj datoteci. Izvoz specificnih redaka nije dovoljan. Ostali zapisi ostaju vidljivi. Ispravna uskladenost s DSAR-om znaci anonimiziranje svih podataka koji nisu podnositeljevI.

Prosjecna rucna obrada DSAR-a traje 12 sati. Pri 200 DSAR-ova mjesecno, to je 2.400 sati osoblja. Rucna obrada ne moze se skalirati.

Sto anonimizacija Excela mora pokriti

Proracunske tablice imaju probleme za koje tekstualni alati nisu izgradeni.

Skriveni redci i stupci. Excel datoteke cesto skrivaju retke i stupce. Ovi mogu sadrzavati nacrtne zapise ili izvorne vrijednosti. Alat koji cita samo vidljive celije propustit ce PII u skrivenim podrucjima.

Reference formula. Celija moze prikazivati vrijednost izgradjenu iz drugih celija. Brisanje izvornih celija ne azurira rezultat formule. Izvorni PII ostaje u rezultatu formule.

Predmemorija zaokretne tablice. Excel zaokretne tablice cuvaju kopiju izvornih podataka. Brisanje izvornog lista ne brise predmemoriju. Svatko s datotekom moze citati predmemorirane podatke.

Medunlistne veze. Ime na Listu 1 moze se pojaviti u formuli na Listu 3. Brisanje Lista 1 bez azuriranja Lista 3 moze otkriti izvornu vrijednost kroz formulu.

Alat razine uskladenosti mora obraditi sve listove - ukljucujuci skrivene - i azurirati sve reference formula.

Slucaj koristenja HR-a: Dijeljenje 50.000 zapisa zaposlenika

Njemacki proizvodjac mora podijeliti 50.000 zapisa zaposlenika s eksternim konzultantom. GDPR clanak 28 zahtijeva tehnicke kontrole pri dijeljenju podataka s obradjivacima. Datoteka ima 37 stupaca: imena, kucne adrese, place, ocjene i podatke o bolovanjima.

Rucna anonimizacija 50.000 redaka nije izvediva ni u kakvom prozoru uskladenosti.

Word i Excel Dodatak radi unutar Microsoft Excela - nije potreban izvoz. Detekcija PII-a pokriva sve vidljive i skrivene listove. Imena postaju dosljedni pseudonimi. Isto ime u dvijema celijama dobiva isti token. Analiticke veze ostaju netaknute. Adrese postaju zamjenski sadrzaji odgovarajuci tipu. Place se ostavljaju nepromijenjene. Svih 50.000 redaka obradjuje se u minutama.

Pravila po entitetu omogucuju vam razlicito tretiranje svake vrste podataka. SSN-ovi postaju maskirani nizovi. Adrese postaju vrijednosti na razini grada. Osobne adrese e-poste postaju zamjenski sadrzaji temeljeni na ulozi.

Ovaj izazov nije jedinstven za Excel. Svaki format datoteke ima vlastite nacine kvarenja. Pogledajte kako fragmentacija formata utjece na detekciju PII-a kroz razlicite vrste datoteka.

Tri GDPR pravila u jednom prolazu

Anonimizacija proracunskih tablica ispunjava tri pravila clanka 5 odjednom.

Minimizacija podataka (cl. 5(1)(c)). Samo stupci koje primatelj treba se dijele. Identifikacijski stupci se brisu.

Ogranicenje pohrane (cl. 5(1)(e)). Izvorna datoteka cuva se za zakonsko zadrzavanje. Cista kopija dijeli se s kracim rokom zadrzavanja.

Integritet i povjerljivost (cl. 5(1)(f)). Nijedan identifikacijski podatak ne napusta kontrolnu zonu. Samo cista kopija izlazi.

Revizijski dnevnik iz svakog pokretanja takodjer je vas zapis prema clanku 5(2). Pokazuje koje je pravilo primijenjeno na svaku datoteku i svaku celiju.

Za timove koji upravljaju velikim DSAR volumenima u kratkim rokovima, pogledajte GDPR DSAR skupnu obradu u velikom mjerilu.

Izvori

Spremni za zaštitu vaših podataka?

Započnite anonimizaciju PII-a s 285+ vrsta entiteta na 48 jezika.

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.