Renforcer la confidentialité des données avec le Process Mining : Une approche stratégique

Réfléchissez vite : combien de fois partagez-vous des informations sur vous-même chaque semaine, ou même chaque jour ? Quand vous considérez combien de fois vous soumettez votre adresse email sur divers sites web ou entrez d'autres informations personnelles n'importe où ailleurs, il devient vite clair que c'est encore plus que vous ne le pensez.

Aujourd'hui, votre sécurité numérique en ligne est tout aussi importante que de verrouiller vos portes la nuit, ce qui signifie que toutes les entreprises doivent faire tout leur possible pour améliorer leurs efforts de cybersécurité.

Nouvelles réglementations, nouveau focus sur la cybersécurité

De nombreux gouvernements et industries créent maintenant de nouvelles lois et réglementations pour protéger les données des citoyens et des consommateurs. Par exemple, l'Union européenne a récemment introduit le Règlement Général sur la Protection des Données (RGPD) pour créer de meilleurs contrôles de confidentialité des données pour les citoyens de l'UE. Face à des amendes potentiellement énormes, les entreprises de toutes tailles — et dans le monde entier — ont dû créer de nouvelles stratégies pour suivre les exigences de confidentialité des données du RGPD.

Ce focus sur la cybersécurité nous a menés à un scénario actuel où à peu près toute nouvelle implémentation logicielle nécessite maintenant une évaluation approfondie sous un angle de sécurité. Clairement, c'est une priorité absolue de prévenir les violations de données et la perte de données confidentielles clients, employés et corporate. Bien qu'il y ait tant de solutions de cybersécurité spécialisées et d'applications de niche, il est important de s'assurer que les systèmes d'entreprise et les solutions de gestion des processus métier (BPM), comme le process mining, sont sécurisés.

Cet article de blog introduira le concept de process mining et examinera de plus près quels aspects de sécurité considérer lors du démarrage d'initiatives de process mining.

Qu'est-ce que le process mining ?

Le process mining est une technologie innovante qui permet aux utilisateurs de construire un processus visuel fiable basé sur les activités numériques d'une entreprise. Par exemple, alors que les employés et les robots logiciels interagissent avec les systèmes IT corporate, leurs activités sont capturées par ces systèmes. Le process mining transforme ces données en un journal d'événements et crée ensuite de nouvelles visualisations du processus de bout en bout.

En examinant n'importe quel processus donné à travers un outil de process mining, les utilisateurs peuvent gagner une perspective entièrement nouvelle et de précieux nouveaux insights. Le résultat ? Les utilisateurs ont les insights nécessaires pour améliorer les processus existants et permettre une meilleure prise de décision. Plus spécifiquement, les entreprises peuvent maintenant utiliser le process mining pour améliorer les efficacités internes et réduire la complexité. Les deux sont des premiers pas critiques pour positionner l'organisation pour améliorer son approche de la cybersécurité.

Il vaut aussi la peine de mentionner que puisque le process mining peut être fourni par des tiers, qui accèdent généralement aux informations d'une entreprise pendant le processus, il est important de choisir des fournisseurs de process mining avec des produits et processus sécurisés.

Les équipes devraient aussi prendre soin de protéger les informations sensibles à chaque étape du chemin — même dans des domaines qui peuvent ne pas sembler évidents. Par exemple, les outils de process mining peuvent montrer tous les détails sur le travail d'un employé, donc si un travailleur ne performe pas à un niveau élevé, ces données devraient être chiffrées. De cette façon, le manager de l'employé est le seul à voir cette information et peut travailler avec l'employé pour améliorer ces résultats.

Confidentialité par conception

Avant d'essayer d'utiliser le process mining pour améliorer la cybersécurité (ou tout autre processus), les utilisateurs doivent commencer par réfléchir au besoin de transparence et à la meilleure façon d'optimiser les flux de travail et autres résultats. Plus spécifiquement, ils doivent considérer :

• Les données dont ils auront besoin
• Comment extraire ces données
• Comment s'assurer que ces données sont protégées et respectent les exigences de conformité à chaque étape du processus

Puisque les outils de process mining travaillent avec des informations corporate, il peut être difficile de garder la confidentialité de toutes les parties prenantes sous contrôle. Le défi est particulièrement vrai quand vous considérez que les données corporate ont les informations personnellement identifiables (PII) des employés et des consommateurs, y compris les noms, adresses, départements, IDs utilisateur, et bien plus.

Le principe de confidentialité par conception se concentre sur l'équilibre entre fournir des données transparentes et protéger la confidentialité des parties prenantes. Cette approche d'ingénierie encourage les fournisseurs de technologie à mettre l'accent sur la confidentialité avant tout. Ainsi, toute approche de confidentialité par conception devrait traiter la confidentialité de manière proactive et préventive avant toute autre considération liée à tout autre flux de travail, processus ou capacité.

Décisions de confidentialité à considérer avec le process mining

Pour s'assurer que tout nouveau processus ne conflit pas avec les politiques de données personnelles et se conforme aux exigences, il y a quelques points à considérer :

• Accès aux données brutes : en première étape, considérez soigneusement le processus global d'extraction de données, qu'il vienne du système IT de l'entreprise ou de l'entrepôt de données. L'équipe d'implémentation du process mining a besoin d'accéder à ces données corporate, pour qu'ils puissent se concentrer sur l'extraction de ce qui est le plus important pour l'analyse. En résultat, il est important pour l'entreprise de choisir les données qu'elle accordera l'accès pour analyse ultérieure, une étape qui aide aussi à accélérer et simplifier l'implémentation globale.
• Choisir la bonne stratégie : filtrer, pseudonymiser ou anonymiser les données. Après cela, l'équipe de process mining doit travailler sur la traduction des données brutes. Ils peuvent convertir cette information en termes complets et développer un format approprié pour le process mining. Finalement, les données sont transformées en tableaux de bord que l'équipe utilisera pour décider sur quelles fonctionnalités se concentrer.

À ce stade, il y a trois choix pour gérer l'information personnelle : filtrer, anonymiser, ou pseudonymiser.

• Filtrer : parfois l'entreprise a besoin de suivre une information qui n'est pas nécessaire pour une analyse de processus spécifique. Dans ce cas, l'équipe recommanderait simplement de la supprimer. Si les données sont sensibles et n'influencent pas le résultat de l'analyse métier, les utilisateurs peuvent les supprimer, surtout puisque le focus devrait être sur les données valides et pertinentes.
• Pseudonymisation : c'est la façon la plus courante de gérer les données sensibles. Simplement put, c'est une façon de chiffrer l'information pour que les utilisateurs ne puissent pas la corréler à des données réelles — noms spécifiques, adresses, ou autres données PII.

Dans ce cas, l'équipe peut choisir de remplacer toute donnée PII par une information pseudonymisée où que ce soit possible. Par exemple, si l'entreprise ne veut pas que les analystes voient les noms des employés qui effectuent des tâches liées au processus. Dans ce cas, l'équipe peut remplacer ces noms par des numéros. Seuls certains utilisateurs pourraient accéder au tableau des « traductions » pour identifier les noms réels.

• Anonymisation : c'est presque identique à la procédure de pseudonymisation où l'équipe a choisi de remplacer les données PII par un pseudonyme unique. Mais cette fois, il n'y a pas de table de traduction. Ainsi, les données originales sont sécurisées puisque la ré-anonymisation est impossible. Mais cette fois, il n'y a pas de table de traduction. De cette façon, les utilisateurs non autorisés ne peuvent pas identifier les informations confidentielles des individus en utilisant les données disponibles.

Une considération : les données anonymisées peuvent compliquer l'analyse de processus, surtout si l'entreprise sur-sécurise les données au point que les insights finaux ne sont plus utiles.

Accès aux données finalisées

Quand les données sont prêtes et considérées comme « finales », il est important de considérer comment les données seront accessibles dans le nouveau contexte. L'équipe de process mining devrait définir les utilisateurs métier qui auront accès aux tableaux de bord, graphes de processus, rapports et autres informations.

Les bons outils de process mining, comme UiPath Process Mining, livrent de précieux outils en libre-service qui donnent accès aux équipes IT tout en gardant la propriété et le contrôle aux utilisateurs métier. Les deux groupes peuvent travailler indépendamment vers un objectif commun : gagner de nouveaux insights dans les processus existants.

Intéressé à en savoir plus sur le process mining ? Regardez notre vidéo sur UiPath Process Mining ou téléchargez notre livre blanc, Accélérer la RPA avec une Compréhension et une Surveillance de Processus de Bout en Bout aujourd'hui.