Hvad betyder dataretention, og hvorfor spiller det ind?

Dataretention betyder, at man definerer og håndhæver, hvor længe data opbevares. Når der er tale om persondata, kan perioden få betydning for privatliv, fordi længere opbevaring typisk betyder større eksponeringsflade ved fx fejl, misbrug eller dataudveksling. Formålet er ofte at opfylde et legitimt behov—men dataminimering handler samtidig om at undgå at beholde mere data, end der er nødvendigt, og i den mindst mulige periode.

Det centrale spørgsmål for mange er derfor: “Hvis vi indsamler persondata til et bestemt formål, hvor længe må vi så have dem liggende?” Et dataretention-tiltag gør dette svar konkret ved at knytte en opbevaringsperiode til bestemte datatyper og brugsscenarier, i stedet for at lade data ligge “til senere”.

Et enkelt model: Formål → nødvendig data → opbevaringsperiode

En praktisk måde at forstå dataretention på er et enkelt flow:

  1. Formål: Hvad er data brugt til? (fx leverance, support, regnskab, sikkerhed)

  2. Nødvendig datamængde: Hvilke datapunkter er faktisk nødvendige for formålet?

  3. Opbevaringsperiode: Hvor længe er der et dokumenteret behov for at opbevare data, før de kan slettes eller anonymiseres?

Når du har denne sammenhæng, bliver det lettere at vurdere, om opbevaringen er “for lang”. Hvis formålet kan afsluttes, bør opbevaringen typisk også kunne afsluttes. Hvis der er undtagelser (fx lovkrav om opbevaring), skal de være begrænsede og begrundede.

Hvad kan en dataretention-løsning typisk omfatte?

En dataretention-løsning behøver ikke være en bestemt type software for at være meningsfuld. Ofte handler det om at etablere konkrete kontrolpunkter i hele dataflowet: indsamling, brug, lagring, adgang, sletning og dokumentation. Typiske elementer kan være:

  • Retentionspolitik for forskellige datakategorier (fx kontooplysninger vs. supportlogs)
  • Planlagt sletning eller nedskalering ved udløb af perioden
  • Særlige regler for undtagelser, hvor data ikke slettes helt eller straks
  • Mekanisme til at håndtere forespørgsler om sletning i relevante tilfælde
  • Dokumentation og sporbarhed, så du kan forklare, hvad der er hensigten, og at politikken faktisk håndhæves

Det vigtige er, at retention ikke kun er en tekst. Du skal kunne kontrollere, at data faktisk bliver håndteret i overensstemmelse med de fastsatte perioder.

Forskelle og grænser: Når sletning ikke er “alt eller intet”

En almindelig misforståelse er, at dataretention kun handler om “slet alt” eller “behold alt”. I praksis findes der ofte nuancer:

  • Undtagelser og lovkrav: Nogle datatyper kan være underlagt behov for opbevaring i en periode, selv efter et primært formål er afsluttet. Retention må derfor være begrænset og begrundet.

  • Forskellige livscyklusser: Supportoplysninger, sikkerhedshændelser og transaktionsdata kan have forskellige behov. “Samme periode for alt” vil ofte være upræcist.

  • Anonymisering vs. sletning: Afhængigt af metode kan data, der ikke længere kan henføres til en person, håndteres anderledes end rå persondata. Du bør dog være realistisk om, hvad der kan opnås i din konkrete sammenhæng.

  • Datasæt der er “spredt”: Persondata kan befinde sig flere steder i en organisation (fx backups, arkiver, driftssystemer). Hvis retention kun gælder ét sted, kan den samlede effekt blive mindre.

Derfor bør du se efter, om retention dækker den faktiske datalagring og de vigtigste behandlingssteder—eller om der er tydelige begrænsninger.

Sådan kan du kontrollere, om retention virker i praksis

Du kan bruge følgende kontrolpunkter, uafhængigt af om løsningen leveres som en bestemt service eller som interne processer:

  • Kan I forklare formål og perioder for de vigtigste datatyper?
  • Er der en plan for, hvornår data slettes eller nedskaleres?
  • Håndteres undtagelser, og er de dokumenterede og tidsbegrænsede?
  • Kan I demonstrere, at sletning faktisk gennemføres? (fx via logning, statusrapporter eller verificerbare procestrin)
  • Hvordan håndteres forespørgsler og ændringer i praksis? (fx når et formål ændrer sig)

Hvis du kan få svar på disse punkter, har du et godt grundlag for at vurdere, om dataretention reelt understøtter dataminimering—og ikke blot er en skrivebordsregel.