Dans le cadre d’un tableau de bord Qlik, il est fréquent de devoir protéger les informations personnelles des individus, tout en laissant aux utilisateurs la possibilité de réaliser des analyses globales et comparatives.
Par exemple, on peut souhaiter que chaque vendeur ait accès au détail de ses propres résultats, tout en ne voyant pour les autres que des indicateurs anonymisés. Cette approche permet de comparer les performances ou de calculer des totaux globaux, sans jamais exposer les données individuelles des collègues.
Dans cet article, nous allons voir comment mettre en place une Section Access dynamique dans Qlik, afin d’anonymiser tout ou partie des vendeurs tout en conservant l’intégralité des données dans le modèle.
Voici le résultat obtenu avant et après anonymisation :
Tableau de bord avant Anonymisation
Tableau de bord après Anonymisation
Objectifs
L’objectif de cette approche est de concilier analyse métier et protection des données sensibles. Plus précisément, elle vise à :
- Conserver l’ensemble des vendeurs dans la table principale, afin de pouvoir calculer des totaux et des indicateurs globaux fiables.
- Anonymiser certains vendeurs pour les utilisateurs qui ne sont pas autorisés à consulter les données détaillées.
- Permettre des analyses de type :
- « Mes ventes par rapport au total des autres vendeurs »
- « Tous les vendeurs sauf moi »
- « Tous les vendeurs anonymisés »
Principe de fonctionnement
Le script repose sur trois concepts principaux.
Le premier consiste à créer une copie anonyme des vendeurs.
Création d’une copie anonyme des vendeurs
Chaque vendeur est dupliqué dans le modèle de données sous une identité anonymisée :
- Les vendeurs sont renommés avec des identifiants génériques (Seller_1, Seller_2, etc.).
- Les informations personnelles (nom, prénom, bureau, titre) sont remplacées.
- Le salaire individuel est remplacé par la moyenne globale des vendeurs, afin de garantir la confidentialité.
Les données restent complètes et exploitables, seule l’identification des individus est neutralisée.
Construire une table “bridge” pour la Section Access :
Cette table définit les droits d’accès par vendeur.
- Elle contient toutes les combinaisons possibles :
- Accès à tous les vendeurs
- Accès à tous sauf le vendeur courant
- Accès uniquement au vendeur courant
Définir la Section Access :
Les utilisateurs sont associés soit aux clés des vendeurs, soit à des combinaisons anonymisées.
Les règles de restriction sont ensuite appliquées automatiquement dès le chargement de l’application, garantissant un contrôle d’accès cohérent et transparent.
Gestion des droits via le bridge table
Le script génère automatiquement toutes les combinaisons possibles pour chaque vendeur :
- Accès complet (ALL)
- Accès à tous sauf soi-même (ALL EXCEPT)
- Accès uniquement à soi-même
Ces informations sont ensuite utilisées pour la Section Access afin de contrôler dynamiquement l’accès aux données.
Voici un schéma des étapes de la modélisation :
Avantages de cette méthode
- Permet des analyses comparatives sans exposer les données sensibles.
- Maintient l’intégralité des vendeurs dans la table pour les totaux et les KPIs.
- Compatible avec des données dynamiques : on peut ajouter de nouveaux vendeurs sans modifier le script.
Cette méthode permet aux équipes commerciales de comparer leurs performances à celles des autres vendeurs, sans jamais avoir accès aux données confidentielles individuelles. Chaque utilisateur peut se situer par rapport à la moyenne ou aux tendances globales, tout en respectant la confidentialité des collègues.
L’association de l’anonymisation et d’une Section Access dynamique offre un excellent compromis entre sécurité et analyse : les données sensibles sont protégées, mais la valeur analytique de Qlik est entièrement conservée.
Avant / Après anonymisation : comprendre l’impact de la Section Access
Pour bien mesurer l’apport de cette approche, il est essentiel de comparer un même tableau de bord dans deux situations :
- Avant l’anonymisation,
- Après l’application de la Section Access.
L’objectif n’est pas simplement de masquer des noms, mais de garantir que les analyses restent pertinentes, lisibles et exploitables malgré les restrictions d’accès.
Leave a Reply