Frigør potentiale med dine data
Der ligger store værdier i gode testdata, men af hensyn til privatliv og persondataforordningen har vi ofte en begrænset tilgang til data.
Syntetiske data kan løse denne udfordring og forene persondata og databehandling. Syntetiske data er genereret fra en Machine Learning model, som er dannet på produktionsdata. De syntetiske data vil dermed opføre sig som de originale data, men uden mulighed for at identificere personlig information, da der er tale om kunstigt konstruerede data og ikke bare anonymiserede data.
Korrekt håndtering af persondata er imidlertid bare den første af flere fordele ved at bruge syntetiske data.
GDPR-venlig
Data er genereret af en model og kan ikke henføres til fysiske personer.
Tilgængeliggør data
Åbner for indsigt, som før var utilgængelige af hensyn til persondataloven.
Øget datakvalitet
Giver ofte bedre datagrundlag end rene produktionsdata.
Bedre sikkerhed
Data er ikke personhenførbare og kan anvendes uden risiko.
Sådan gør vi det
01
Kortlægning
Vi kortlægger eksisterende systemer og finder behovet for syntetisering.
02
Anonymisering
Vi fjerner alle identificerbare felter. Derudover fjernes sjældne tilfælde, som kan være genkendelige og lette at henføre til en fysisk person.
03
Syntetisering
Personer i de anonymisede data (se punkt 2) kan stadig identificeres, så vi træner derfor en Machine Learning model til at genere kunstige data baseret på anonymiserede data.
04
Tilgængelighed
De syntetiske data gøres tilgængelige i de systemer, hvor de skal bruges.
05
Opdatering
Produktionsdata ændrer sig løbende, hvorved de statiske data forældes. De syntetiske data opdateres derfor dagligt i en automatiseret proces.
Use cases
Syntetiske testdata
Syntetiske testdata handler om at tilbyde realistiske og dækkende testdata uden at gå på kompromis med persondataloven. Brug af produktionsdata til test er problematisk, specielt efter GDPR. Det har gjort det udfordrende at få fat på gode testdata, hvilket har øget behovet for syntetiske data.
Se hvordan vi bygget et prisvindende syntetisk testdatamiljø hos NAV
Syntetisk analyseplatform
Data, som tidligere var underlagt streng adgangskontrol, kan nu gøres tilgængelig uden at udgøre en sikkerhedsrisiko. Syntetisk Analyseplatform syntetiserer datagrundlaget på en sådan måde, at det giver samme indsigt, men uden mulighed for at identificere personer. Det betyder, at man nu kan lave analyse på data, som ellers har været utilgængelige. Teknologien baserer sig på forskning fra MIT (Synthetic Data Vault). Deres model giver en lige så god eller bedre forudsigelse på syntetiske data som ved anvendelse af produktionsdata.
Download guide:
Syntetiske data afhjælper udfordringerne med persondata
Vi gennemgår her:
- Hvorfor det er vigtigt at have en løsning for persondata.
- Hvilke løsninger, der findes.
- Vores anbefaling.
- Og så viser vi dig, hvordan Visma Consulting har løst persondata problematikken ved at bruge syntetiske testdata
Øget datakvalitet
Test bredere
Ved test ønsker man at teste så mange repræsentative scenarier som muligt. Det kan man ikke altid ved brug af produktionsdata. Vores løsning har en selvbetjent klient for at generere mere data, hvilket gør det mere enkelt at teste edge-cases.
Levende testmiljø
Data ændrer sig hurtigt, og testdata bliver en forbrugsvare. En kopi af produktionsdata bliver derfor hurtigt forældet. Syntetiske testdata har derimod et levende testmiljø, som opdateres realistisk hver dag.
Bedre sikkerhed
Ikke identificerbare data
Andre løsninger for at anonymisere data, som maskeringsløsninger, er sårbare for linkage attack (forsøg på at identificere fysiske person i anonymiserede data). Denne risiko eksisterer ikke med Syntetiske Testdata, da alle data er konstruerede og kunstige. En potentiel datalækage udgør dermed ingen sikkerhedsrisiko.
Undgå produktionsdata i testmiljøet
Adgangskontrol og sikkerhed er ofte ikke lige så god i testmiljø som i produktionsmiljøet. Hvis produktionsdata bruges i testmiljøet, er man mere sårbar for dataangreb.
Reducerede omkostninger:
Automatisering
Generering af testdata er ofte en meget manuel proces, og det bliver hurtigt tidskrævende og dyrt, når strengere regler omkring persondata øger kravene til testdata. Vi automatiserer processen ved at generere og vedligeholde testdata.
Selvbetjeningsklient
Vores selvbetjeningsklient gør det enkelt at generere yderligere testdata efter behov. I et projekt med NAV i Norge sparede dette mere end to årsværk.
Gør som en lang række aktører inden for stat og styrelser. Tag en snak med os og lad os sammen finde løsninger, der fremmer væksten og velfærden.
Udfyld formularen, eller kontakt os direkte.
 |
Christian Ajslev LindgrenSenior Account Manager
|
