Magento 2 – Entwicklung mit automatisierter DSGVO Compliance

Nach dem ersten Release des Content Fuzzyfyr Modules für Magento 2 haben wir uns daran gemacht, weitere Features mit dem Fokus auf DSGVO Compliance zu entwickeln.

Dabei hat die neue Version 1.3 des Content Fuzzyfyr Modules für Magento 2 nun ein neues Export CLI Kommando, um einen Datenbankstand direkt DSGVO konform zu exportieren. Dabei werden die bekannten Fuzzyfyr-Komponenten für Produkte und Kategorien, aber vor allem für Nutzer und Kunden verwendet. So ist es nun möglich, auf dem Produktivsystem direkt einen DSGVO konformen Datenbank Export durchzuführen. Dieser kann dann problemlos weitergeteilt und verarbeitet werden.

Vorrangig ist dies natürlich sehr praktikabel für weiterführende Projekte oder Support-Arbeiten. Bei diesen ist eine regelmäßige Aktualisierung auf den Produktivstand aus dem bestehenden Magento 2 eCommerce Shop-Systems sinnvoll und notwendig ist.

Die Anwendung des Modules erfolgt über die Magento 2 CLI. Hierzu muss das Modul zunächst installiert werden, das geht ganz einfach über Composer:

composer.phar require allindata/magento2-content-fuzzyfyr

Danach das Modul über die Magento 2 CLI aktivieren:

bin/magento module:enable AllInData_ContentFuzzyfyr
bin/magento setup:upgrade

Der Aufruf über die Magento 2 CLI erfolgt dann über das eigene Command:

bin/magento aid:content:export [options]

Möchte ich einen DSGVO konformen Magento 2 Datenbank-Dump erhalten, so lässt sich dies also mit folgenden Kommando bewerkstelligen:

bin/magento aid:content:export --customers --users

Nun liegt unter ./var/backups/ ein SQL-Dump ab, indem die Daten (Nachname, Adresse, etc.) ersetzt wurden. Der Datenbank-Stand des Magento 2 Shop-Systems bleibt dabei unberüht.

Mit der  neue Version 1.3 des Content Fuzzyfyr Modules für Magento 2 lässt sich also eine automatisierte Aktualisierung der Testumgebung auf den Datenstand eines Produktivsystems realisieren, und dabei werden die Ansprüche der DSGVO berücksichtigt.

Viele Grüße
Florian

Gefällt Ihnen der Artikel?

Share on linkedin
Share on Linkdin
Share on xing
Share on XING
Share on twitter
Share on Twitter
Share on facebook
Share on Facebook
Ihre Daten werden gemäß unserer Datenschutzerklärung erhoben und verarbeitet.
Künstliche Intelligenz Partials
Data Analytics

Time Series Data Clustering Distance Measures

As ubiquitous as time series are, it is often of interest to identify clusters of similar time series in order to gain better insight into the structure of the available data. However, unsupervised learning from time series data has its own stumbling blocks. For this reason, the following article presents some helpful time series specific distance metrics and basic procedures to work successfully with time series data.

Weiterlesen »
Künstliche Intelligenz Parts
Künstliche Intelligenz

Unsupervised Skill Discovery in Deep Reinforcement Learning

Scientists from Google AI have published exciting research regarding unsupervised skill discovery in deep reinforcement learning. Essentially it will be possible to utilize unsupervised learning methods to learn model dynamics and promising skills in an unsupervised, model-free reinforcement learning enviroment, subsequently enabling to use model-based planning methods in model-free reinforcement learning setups.

Weiterlesen »