By · Last updated 2026-04-07

Bloga DönHukuk Teknolojisi

Excel ve GDPR: Tablo Verisi Riskleri

GDPR Erişim Hakkı talepleri 2021'den 2024'e %180 arttı (EDPB). Ortalama EVKT işleme manuel olarak 12 saat alıyor. İK departmanları yönetiyor.

April 7, 20268 dk okuma
Excel GDPR anonymizationspreadsheet redactionDSAR processingEDPB right of accessHR data compliance

Excel GDPR Açığı

PDF redaksiyon araçları Excel dosyalarında çalışmıyor. Bu bir uyum açığı yaratıyor. Kurumsal ortamlarda her İK, finans ve operasyon ekibini etkiliyor.

GDPR Erişim Hakkı talepleri 2021-2024 arasında %180 arttı (EDPB Yıllık Raporu). Bir EVKT geldiğinde talepçinin kişisel verilerini paylaşmak zorundasınız. Aynı dosyadaki diğer herkesin verilerini de korumak zorundasınız. Belirli satırları dışa aktarmak yetmiyor. Diğer kayıtlar görünür kalıyor. Uygun EVKT uyumu, talepçi dışındaki tüm verilerin anonimleştirilmesi anlamına geliyor.

Ortalama EVKT manuel olarak 12 saat alıyor. Ayda 200 EVKT'de bu 2.400 personel saati demek. Manuel işleme ölçeklenemiyor.

Excel Anonimleştirmesinin Neler Kapsaması Gerektiği

Tablolarda metin araçlarının başa çıkmak için tasarlanmadığı sorunlar var.

Gizli satır ve sütunlar. Excel dosyaları çoğunlukla satır ve sütunları gizliyor. Bunlar taslak kayıtlar veya özgün değerler barındırıyor olabilir. Yalnızca görünür hücreleri okuyan bir araç gizli alanlardaki KBV'yi kaçırır.

Formül referansları. Bir hücre başka hücrelerden oluşturulan bir değer gösteriyor olabilir. Kaynak hücreleri temizlemek formül çıktısını güncellemez. Özgün KBV formül sonucunda kalır.

Pivot tablo önbelleği. Excel pivot tabloları kaynak verinin bir kopyasını depoluyor. Kaynak sayfasını temizlemek önbelleği temizlemiyor. Dosyaya sahip olan herkes önbellekteki verileri okuyabiliyor.

Çapraz sayfa bağlantıları. Sayfa 1'deki bir isim, Sayfa 3'teki bir formülde görünüyor olabilir. Sayfa 3'ü güncellemeden Sayfa 1'i temizlemek, özgün değerin formül aracılığıyla ortaya çıkmasına yol açabilir.

Uyum düzeyinde bir araç, gizli olanlar dahil tüm sayfaları işlemeli ve tüm formül referanslarını güncellemelidir.

İK Kullanım Senaryosu: 50.000 Çalışan Kaydını Paylaşmak

Bir Alman üretici firması, 50.000 çalışan kaydını harici bir danışmanla paylaşmak zorunda. GDPR Madde 28, verilerini bir işlemciyle paylaşırken teknik kontrolleri zorunlu kılıyor. Dosyada 37 sütun var: isimler, ev adresleri, maaşlar, değerlendirmeler ve tıbbi izin verileri.

Hiçbir uyum penceresi içinde 50.000 satırın manuel anonimleştirmesi yapılabilir değil.

Word ve Excel Eklentisi doğrudan Microsoft Excel içinde çalışıyor — dışa aktarma gerekmeden. KBV tespiti görünür ve gizli tüm sayfalarda çalışıyor. İsimler tutarlı takma adlara dönüşüyor. İki hücredeki aynı isim aynı token'ı alıyor. Analitik bağlantılar korunuyor. Adresler türe uygun yer tutucular haline geliyor. Maaşlar değişmeden bırakılıyor. 50.000 satırın tümü dakikalar içinde işleniyor.

Varlık başına kurallar her veri türüne farklı davranmanıza olanak tanıyor. SSN'ler maskelenmiş dizelere dönüşüyor. Adresler şehir düzeyinde değerlere dönüşüyor. Kişisel e-posta adresleri rol tabanlı yer tutuculara dönüşüyor.

Bu zorluk Excel'e özgü değil. Her dosya formatının kendine özgü başarısızlık biçimleri var. Dosya türleri genelinde format parçalanmasının KBV tespitini nasıl etkilediğine bakın.

Tek Geçişte Üç GDPR Kuralı

Tablo anonimleştirmesi Madde 5'in üç kuralını aynı anda karşılıyor.

Veri minimizasyonu (Md. 5(1)(c)). Alıcının ihtiyaç duyduğu sütunlar paylaşılıyor. Tanımlayıcı sütunlar temizleniyor.

Depolama sınırlaması (Md. 5(1)(e)). Özgün dosya hukuki saklama için tutuluyor. Temiz kopya daha kısa saklama süresiyle paylaşılıyor.

Bütünlük ve gizlilik (Md. 5(1)(f)). Hiçbir tanımlayıcı veri kontrol bölgesini terk etmiyor. Yalnızca temiz kopya çıkıyor.

Her çalıştırmadan elde edilen denetim günlüğü aynı zamanda Madde 5(2) kaydınız oluyor. Her dosyaya ve her hücreye hangi kuralın uygulandığını gösteriyor.

Sıkı son teslim tarihleriyle büyük EVKT hacimlerini yöneten ekipler için ölçekte GDPR EVKT toplu işlemesine bakın.

Kaynaklar

Verilerinizi korumaya hazır mısınız?

48 dilde 285+ varlık türü ile PII anonimleştirmeye başlayın.

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.