Un article mis à jour par Rob Robinson
Encadrement de l'automatisation de la découverte
L'un des plus grands défis auxquels doivent faire face les professionnels de l'information, des affaires et du droit est la capacité de considérer de manière cohérente les éléments de la découverte et de la découverte juridique dans un cadre technologique suffisamment complet pour répondre aux tâches critiques de découverte tout au long des cycles de vie de l'information et de la vie juridique. mais suffisamment concis pour être abordés de façon réaliste du point de vue de l'intégration et de l'automatisation.
Ce défi devient encore plus redoutable lorsqu'on passe de l'examen des tâches technologiques liées à la découverte et commence à examiner comment ces tâches contribuent à la prise de décisions commerciales et juridiques. En fait, il suffit d'examiner les résultats du Rapport sur l'état de l'industrie de l'Initiative sur la gouvernance de l'information (avril 2018) pour voir combien de disciplines de l'information différentes et dépendantes de la découverte sont considérées comme faisant partie de l'écosystème technologique de la gouvernance de l'information pour comprendre la nécessité d'une de manière concise pour encadrer l'intégration de l'automatisation des tâches, des processus et des technologies contribuant à la découverte des données.
22 Disciplines de l'information mises en évidence dans le cadre de l'écosystème de la gouvernance de l'information1
Gestion des dossiers et de l'information - 94 %
Sécurité et protection de l'information - 93%
Conformité - 88 %
Gouvernance des données - 88%
Gestion des risques - 86%
Découverte électronique - 84%
Confidentialité - 84%
Stockage et archivage des données - 83%
Juridique - 78%
Gestion des connaissances - 67%
Opérations et gestion des affaires - 67%
Audit - 65%
Gestion informatique - 64%
Concuration/gérance numérique - 64%
Analytique - 63%
Architecture d'entreprise - 63 %
Gestion des données de base - 63%
Big Data - 63%
Business Intelligence - 59%
Informatique - 52%
Science des données - 52%
Finance - 42%
Tout ce qui précède - 38%
Bien que la gouvernance de l'information ne soit qu'une des nombreuses disciplines des données qui dépendent des technologies liées à la découverte, elle constitue un excellent exemple de la complexité des tâches liées à la découverte du point de vue de l'automatisation des tâches et des processus.
Des modèles complexes aux cadres concis
Aujourd'hui, de nombreux modèles publiés, allant du modèle de référence de la gouvernance de l'information (IGRM) du DRM et du modèle de maturité de la gouvernance de l'information de l'ARMA au cadre pour l'amélioration de la cybersécurité des infrastructures critiques du NIST, existent pour aider les professionnels de l'information à aborder des domaines spécifiques nécessitant le besoin pour la technologie de découverte. Ces modèles aident également les utilisateurs à traduire leurs connaissances en intelligence qui éclairent les décisions basées sur les données. Toutefois, il semble qu'il soit nécessaire d'établir un cadre technologique concis qui pourrait être utilisé pour aider à traduire une compréhension des besoins de découverte étendus en un flux de travail de découverte simplifié.
D'une manière différente, il semble raisonnable qu'un cadre de planification portant sur les tâches fondamentales des données et de la découverte juridique puisse aider les fournisseurs de technologie à développer des solutions de découverte automatisée qui traitent des données du point de leur création initiale jusqu'à leur destruction défendable. Un tel cadre pourrait également aider à expliquer aux utilisateurs potentiels la relation entre les tâches, les fonctions et l'automatisation des données et de la découverte juridique.
Voici un exemple de cadre stratégique qui pourrait être utile pour aider les fournisseurs de technologie à élaborer, intégrer, automatiser et communiquer des données et des offres de découverte juridique.
Cadre stratégique pour les données et la découverte juridique
Dans l'élaboration d'un cadre stratégique pour les données et la découverte juridique, il est tout d'abord important de définir plusieurs éléments et facteurs clés inclus dans le cadre. Sept de ces éléments et facteurs sont définis ci-après.
Data Discovery est l'exploration des modèles et des tendances dans les données non structurées dans le but de découvrir les perspectives et d'agir.
La découverte électronique (découverte juridique) est le processus qui consiste à identifier, conserver, recueillir, traiter, rechercher, examiner et produire des renseignements stockés électroniquement qui peuvent être pertinents à une affaire civile, criminelle ou réglementée3.
La technologie d'automatisation de la découverte est une technologie qui réduit le besoin d'intervention humaine dans la réalisation des tâches et des processus de détection4.
La gouvernance de l'information (IG) est la spécification des droits de décision et un cadre de responsabilisation visant à assurer un comportement approprié dans l'évaluation, la création, le stockage, l'utilisation, l'archivage et la suppression de l'information. Il comprend les processus, les rôles et les politiques, les normes et les paramètres qui assurent l'utilisation efficace et efficiente de l'information pour permettre à une organisation d'atteindre ses objectifs5.
Les données non structurées sont des contenus qui ne sont pas conformes à un modèle de données prédéfini spécifique. Il s'agit généralement du contenu généré par l'homme et axé sur les personnes qui ne s'intègre pas parfaitement dans les tables de base de données6.
La perspicacité est la compréhension de la cause à effet basée sur l'identification des relations et des comportements dans un modèle, un contexte ou un scénario7. Tel que défini par Graham Wallas, les quatre étapes de la perspicacité comprennent la préparation, l'incubation, l'éclat d'illumination et la vérification 8.
Le renseignement est la capacité d'acquérir et d'appliquer des connaissances et des compétences.9
En prenant ces définitions et en les visualisant dans l'optique d'un flux de travail général, on peut construire et aligner un modèle concis d'automatisation de la découverte qui peut aider à encadrer les tâches et processus clés de découverte.
Figure 1 : deux composants de la découverte
Découverte de données : aperçu de la création de données à la collecte
À partir de ce cadre de haut niveau, on peut ensuite ajouter une couche de processus et de tâches d'automatisation critiques. Les principaux processus et tâches d'automatisation de la découverte de données dans le modèle concis d'automatisation de la découverte comprennent :
Automatisation de l'interrogatoire et de l'indexation
L'interrogation automatisée permet aux organisations de trouver des données non structurées qui résident sur des ordinateurs et des serveurs de terminaux.
L'indexation automatisée fournit aux clients un arrangement systématique du type de données, de l'emplacement et du contenu qui peut être recherché de manière concise et cohérente.
La combinaison de l'interrogation et de l'indexation continues et automatisées permet aux entreprises d'obtenir des informations (analyse d'informations) immédiatement et avec précision à partir de toutes les données non structurées dès leur création.
Une fois implémentée, cette fonctionnalité aide les utilisateurs à répondre à la question importante et souvent perplexe de savoir où commencer les efforts d'exploration et de découverte des données.
Automatisation de la conservation et de la collecte des fichiers
L'automatisation de la conservation des fichiers permet aux utilisateurs d'établir une identification basée sur des règles des dossiers qui peuvent devoir être conservés dans le cadre d'audits, d'enquêtes ou de litiges. Cette capacité permet également de préparer ces dossiers en vue de leur collecte et de leur utilisation dans d'autres évaluations et évaluations.
L'automatisation de la collecte prend les fichiers identifiés pour leur conservation et les collecte dans un référentiel désigné par l'utilisateur. Ce dépôt de conservation des fichiers collectés peut ensuite être évalué et évalué pour fournir un aperçu supplémentaire des données.
Figure 2 : deux composants de la découverte des données
Une fois exécutées, ces tâches aident les utilisateurs à répondre à la question de savoir comment passer de l'analyse de l'information et de la conservation à l'examen officiel des documents.
Découverte légale : renseignements de la découverte électronique à la disposition défendable
Les principaux processus et tâches d'automatisation pour la découverte juridique dans le modèle concis d'automatisation de la découverte sont les suivants :
Automatisation de l'ingestion et du traitement
L'automatisation de l'ingestion et du traitement permet aux utilisateurs de télécharger des données dans un référentiel en ligne sécurisé dans un environnement cloud privé et protégé et de les convertir automatiquement dans un format utilisable pour examen.
Automatisation de la révision et de la production
L'automatisation des révisions permet aux utilisateurs d'utiliser des analyses avancées et des révisions assistées par la technologie pour évaluer, examiner et analyser les données.
L'automatisation de la production donne aux utilisateurs la possibilité de créer des productions de précision et des journaux de privilèges qui sont exportables dans presque toutes les formes.
Figure 3 : Deux éléments de la découverte légale
Une fois terminées, ces tâches fournissent des renseignements qui aident les utilisateurs à répondre de manière exhaustive aux questions de politique, de réglementation ou de droit qui sont généralement à l'origine d'audits, d'enquêtes et de litiges.
Reprise
Le cadre de découverte combiné prend en compte l'ensemble du processus de découverte, le décompose en un composant de découverte de données et un composant de découverte juridique, aligne ces composants sur la perspicacité et l'intelligence, puis met en évidence quatre processus clés et huit tâches clés qui semblent être importantes dans la découverte. tout au long du cycle de vie des informations et des litiges.
Technologie d'automatisation de la découverte
Découverte de données : aperçu de la création de données à la collecte
Découverte légale : renseignements de la découverte électronique à la disposition défendable
Processus de découverte
Automatisation de l'interrogation et de l'indexation (découverte de données)
Automatisation de la conservation et de la collecte des fichiers (découverte des données)
Automatisation de l'ingestion et du traitement (découverte légale)
Automatisation de la révision et de la production (découverte légale)
Tâches de découverte
Interrogation (Découverte de données | Automatisation de l'interrogation et de l'indexation)
Indexation (Découverte de données | Automatisation de l'interrogation et de l'indexation)
Préservation (Découverte de données | Automatisation de la conservation et de la collecte)
Collecte (Découverte de données | Automatisation de la conservation et de la collecte)
Ingestion (Découverte juridique | Automatisation de l'ingestion et du traitement)
Traitement (Découverte juridique | Automatisation de l'ingestion et du traitement)
Révision (Découverte juridique | Automatisation de la révision et de la production)
Production (Découverte juridique | Automatisation de la révision et de la production)
En outre, ce processus non inclusif et ce cadre de niveau peut être bénéfique pour élargir la réflexion et l'action dans des domaines liés à l'automatisation des processus et des tâches de découverte juridique et de découverte des données. Voici des exemples de cette réflexion élargie :
Ajout d'une sous-tâche de classification automatique à la tâche d'indexation.
Ajout d'une sous-tâche de suppression d'enregistrements sur place à la tâche de collecte.
Ajout d'une sous-tâche de conservation légale à la tâche de conservation des fichiers.
Ajout d'une sous-tâche d'examen assistée par la technologie à la tâche d'examen.
Figure 4 : Deux facteurs de l'automatisation : le besoin de perspicacité et le besoin d'intelligence
Bien que des cadres tels que ce cadre pour l'automatisation de la découverte soient utiles pour développer des offres et des messages efficaces et compréhensibles, ils ne sont, par leur conception, ni complets ni complets. Cependant, des cadres comme celui-ci peuvent apporter une valeur substantielle à ceux qui élaborent des solutions ou créent des messages pour expliquer des solutions, car ils fournissent une connaissance séquentielle du contexte et de la position pour les éléments, les processus et les tâches de base du cadre et aident à encadrer la traduction de la découverte des données. à la connaissance et à la découverte juridique du renseignement grâce à l'application de l'automatisation des tâches et des processus.
Références
1 Initiative sur la gouvernance de l'information (IGI). (2018, 26 avril). Quelles technologies font partie du marché des produits IG ? - Initiative sur la gouvernance de l'information. Extrait à partir de
2 All, A. (18 septembre 2014). La découverte des données change la Business Intelligence - Enterprise Apps aujourd'hui. Extrait à partir de http://www.enterpriseappstoday.com/business-intelligence/data-discovery-is-changing-business-intelligence.html.
3 Grossman, M., et Cormack, G. (2013). Glossaire de l'examen assisté par la technologie de Grossman-Cormack. Examen du droit des Cours fédérales, 7 (1). Extrait de http://www.fclr.org/fclr/articles/html/2010/grossman.pdf
4 Robinson, W. (6 juin 2016). Qu'est-ce que eDiscovery Automation ? Un cadre de définition court. Extrait de http://www.complexdiscovery.com/info/2016/06/06/what-is-ediscovery-automation/
5 Glossaire informatique de Gartner. (s.d). Extrait de http://blogs.gartner.com/it-glossary/information-governance/
6 Stewart, D. (2013, 1er mai). Big Content : Le côté non structuré du Big Data - Darin Stewart. Extrait de http://blogs.gartner.com/darin-stewart/2013/05/01/big-content-the-unstructured-side-of-big-data/
7 Wikipédia. (s.d.). Insight - Wikipédia, l'encyclopédie libre. Extrait le 8 octobre 2016 de
8 Klein, G. (12 juin 2013). Les différentes formes de perspicacité | Psychologie aujourd'hui. Extrait à partir de
9 Intelligence - Definition of Intelligence en Français | Oxford Dictionnaires. (s.d.). Extrait à partir de
Lecture supplémentaire
Considérant les offres de technologie e-Discovery de quatrième génération : deux approches (première partie)
Prise en compte des offres de technologie de découverte électronique de quatrième génération : deux approches (deuxième partie)
Source : ComplexDiscovery