anonym.legal

By · Last updated 2026-04-07

Povratak na blogPravna tehnologija

Excel i GDPR: Rizici podataka u tabelama

GDPR zahtevi za pristup podacima porasli su za 180% od 2021. do 2024. (EDPB). Prosecna obrada DSAR-a traje 12 sati ručno. HR odeljenja koja upravljaju velikim tabelama s podacima zaposlenih suočavaju se s problemom skaliranja.

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

Excel GDPR jaz

Alati za redakciju PDF-a ne funkcionišu na Excel fajlovima. Ovo stvara jaz u usklađenosti. U poslovnim okruženjima, utiče na svaki HR, finansijski i operativni tim.

GDPR zahtevi za pristup podacima porasli su za 180% izmedju 2021. i 2024. (EDPB godišnji izveštaj). Kada stigne DSAR, morate podeliti lične podatke podnosioca zahteva. Morate takodje zaštititi podatke svih ostalih u istom fajlu. Izvoz specifičnih redova nije dovoljan. Ostali zapisi ostaju vidljivi. Pravilna DSAR usklađenost znači anonimizaciju svih podataka koji se ne tiču podnosioca zahteva.

Prosečna obrada DSAR-a traje 12 sati ručno. Pri 200 DSAR-ova mesečno, to je 2.400 sati osoblja. Ručna obrada ne skalira.

Šta anonimizacija Excela mora da pokrije

Tabele imaju probleme s kojima tekstualni alati nisu napravljeni da se nose.

Skriveni redovi i kolone. Excel fajlovi često skrivaju redove i kolone. Oni mogu da sadrže nacrtne zapise ili originalne vrednosti. Alat koji čita samo vidljive ćelije propustice PII u skrivenim oblastima.

Reference formula. Ćelija može prikazivati vrednost izgradjenu od drugih ćelija. Brisanje izvornih ćelija ne ažurira rezultat formule. Originalni PII ostaje u rezultatu formule.

Keš pivot tabele. Excel pivot tabele čuvaju kopiju izvornih podataka. Brisanje izvornog lista ne čisti keš. Svako ko ima fajl može da čita keširane podatke.

Veze izmedju listova. Ime na Listu 1 može se pojaviti u formuli na Listu 3. Brisanje Lista 1 bez ažuriranja Lista 3 može otkriti originalnu vrednost putem formule.

Alat poslovne klase mora da obradi sve listove — uključujući skrivene — i ažurira sve reference formula.

Slučaj upotrebe HR: Deljenje 50.000 zapisa zaposlenih

Nemački proizvodjač mora da podeli 50.000 zapisa zaposlenih s eksternim konsultantom. GDPR član 28 zahteva tehničke kontrole pri deljenju podataka s procesarom. Fajl ima 37 kolona: imena, kucne adrese, plate, ocene i podatke o bolovanju.

Ručna anonimizacija 50.000 redova nije izvodljiva ni u jednom prozoru usklađenosti.

Word i Excel Add-in radi unutar Microsoft Excela — bez potrebe za izvozom. Detekcija PII-ja pokrénuje se po svim vidljivim i skrivenim listovima. Imena postaju konzistentni pseudonimi. Isto ime u dve ćelije dobija isti token. Analitičke veze ostaju netaknute. Adrese postaju odgovarajuci čuvari mesta za tip. Plate ostaju nepromenjene. Svih 50.000 redova obradjuje se za nekoliko minuta.

Pravila po entitetu omogućavaju vam da tretitate svaki tip podataka drugačije. SSN-ovi postaju maskirani nizovi. Adrese postaju vrednosti na nivou grada. Lične e-mail adrese postaju čuvari mesta zasnovani na ulozi.

Ovaj izazov nije jedinstven za Excel. Svaki format fajla ima sopstvene modove neuspeha. Pogledajte kako fragmentacija formata utiče na PII detekciju kroz razne tipove fajlova.

Tri GDPR pravila u jednom prolazu

Anonimizacija tabela ispunjava tri pravila člana 5 odjednom.

Minimizacija podataka (čl. 5(1)(c)). Samo kolone koje primalac treba se dele. Kolone s identifikatorima se brišu.

Ograničenje čuvanja (čl. 5(1)(e)). Originalni fajl se čuva za zakonsko čuvanje. Čista kopija se deli s kraćim periodom čuvanja.

Integritet i poverljivost (čl. 5(1)(f)). Nikakvi identifikujući podaci ne napuštaju kontrolnu zonu. Samo čista kopija odlazi.

Revizorski zapis iz svakog pokretanja je takodje vaš zapis prema članu 5(2). Pokazuje koje pravilo se primenjivalo na svaki fajl i svaku ćeliju.

Za timove koji rukuju velikim DSAR obimima u kratkim rokovima, pogledajte GDPR DSAR skupnu obradu u velikom obimu.

Izvori

Spremni da zaštitite svoje podatke?

Počnite sa anonimizacijom PII sa 285+ tipova 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.