Terwijl de e-discovery kunnen zijn Grieks voor veel, Het is deze documenten in het Chinees geschreven, Japans, Koreaans en Russisch dat veel van de problemen te veroorzaken. Deze 'multi-byte "talen exponentieel meer tekens dan de 26 brieven en enkele andere leestekens die de Latijns-talen zoals Engels, Spaans, Frans en Duits behoefte. In feite, het aantal Chinese karakters opgenomen in de Kangxi woordenboek is voorbij 47,000 (hoewel slechts 3-4,000 zijn naar verluidt nodig zijn voor een volledige alfabetisering). De impact op de e-discovery is van belang bij de verhoogde verfijning nodig is voor het geval de evaluatie.

Op het meest elementaire niveau, computers denken in nullen en enen, met een of nul zijnde een bit. Acht bits is een byte. Er zijn 256 verschillende combinaties van nummers die je kunt maken met behulp van een byte (2 (stukjes) tot de 8e macht). Voor talen die niet uitsluitend gebaseerd op brieven, i, die waarin symbolen vertegenwoordigen concept of een lettergreep, je moet bytes toe te voegen (256 x 256, die gelijk 66,536). Dat is de essentie van multi-byte vs. single-byte talen - single-byte talen 256 combinaties, terwijl de multi-byte talen 66,536.

Verward? Dan laten we aan te pakken coderingen. Een codering is een programmatische vertaling van wat je input voor wat je krijgt op het scherm. Het probleem is wanneer je meerdere coderingen. Bijvoorbeeld, bij de analyse van een Outlook- 2000 e-mailbestand (PST-formaat) onder Japans besturingssysteem, die je dan converteren naar een Engels-talige machine voor herziening, zullen er problemen, omdat de oorspronkelijke gegevens in het Japans is beschadigd als gevolg van linguïstische verschillen.

Unicode is gemaakt om een ​​aantal van deze problemen op te lossen en een universele oplossing te bieden; evenwel, het is alleen beschikbaar voor bestanden die zijn gemaakt op nieuwere systemen, het maken van legacy-data een voortdurende bron van zorg. "Elke taal gezin heeft zijn eigen unieke set van problemen en oplossingen,", Zegt Thomas Barnett, Special Counsel voor Sullivan & Cromwell, LLP.

In feite, "In sommige delen van de wereld, is het niet toegestaan ​​om de gegevens te nemen uit het land als gevolg van lokale wetten inzake gegevensbescherming,"Voegt Brian Kim van PricewaterhouseCoopers LLP. Hij benadrukt dat sommige landen ook native applicaties die populairder zijn dan die welke gewoonlijk gebruikt in de Verenigde Staten hebben, die extra evaluatie van uw programma inventaris.

Of uw gegevens in Unicode of niet, een goede bewaring is de sleutel. Terwijl Microsoft Windows NT, 2000, XP en latere versies ondersteunen Unicode, veel archivering of compressie-tools ondersteunen het niet. Dit kan leiden tot ontbrekende bestanden die al dan niet kunnen worden gerapporteerd in de fout logs. Om die reden, moet je zorgvuldig te testen, notities Kim. Ook, de juiste extractie te, goed uitlijnen van de regionale instellingen.

via Een Primer buitenlandse Taal E-Discovery | DE OPBRENGST Herald.