Vous devez prétraiter les données client dans un bucket GCS restreint pour des analyses de consommation tout en respectant les exigences de confidentialité. Quelle approche devriez-vous utiliser ?

L'option correcte utilise Dataflow pour orchestrer le traitement et l'API Cloud Data Loss Prevention (DLP) pour détecter et masquer les données sensibles, garantissant ainsi la confidentialité. Les données masquées peuvent ensuite être stockées en toute sécurité dans BigQuery pour l'analyse. L'utilisation de CMEK chiffre les données au repos mais ne masque pas les informations sensibles pour l'analyse, et le partage de clés introduit des risques. La suppression de champs sensibles peut entraîner une perte de données utiles pour l'analyse. Le chiffrement de champs individuels avec KMS est possible, mais l'API DLP est spécifiquement conçue pour la détection et le masquage de données sensibles à grande échelle, offrant une solution plus complète et automatisée pour la conformité à la confidentialité.