Αποτροπή καταστροφών δεδομένων προσωπικού χαρακτήρα - ανδρείκελα

Η προστασία δεδομένων προσωπικού χαρακτήρα είναι ένα μεγάλο ζήτημα για τους ανθρακωρύχους δεδομένων. Ειδικές αναφορές που περιγράφουν το επίπεδο των προσωπικών δεδομένων στα χέρια της Υπηρεσίας Εθνικής Ασφαλείας της κυβέρνησης των ΗΠΑ και οι παραβιάσεις των εμπορικών πηγών δεδομένων έχουν αυξήσει την ευαισθητοποίηση και την ανησυχία του κοινού.

Μια κεντρική έννοια του απορρήτου δεδομένων είναι στοιχεία προσωπικής ταυτοποίησης (PII) ή οποιαδήποτε δεδομένα που μπορούν να ανιχνευθούν στο άτομο που περιγράφει. Το PII περιλαμβάνει προφανή αναγνωριστικά στοιχεία όπως ονόματα, αριθμούς πιστωτικών καρτών και αριθμούς κοινωνικής ασφάλισης και οι περισσότεροι ανθρακωρύχοι γνωρίζουν πολύ καλά ότι αυτά τα δεδομένα είναι ιδιωτικά και πρέπει να τα χειρίζεστε με προσοχή. Αλλά η PII αναφέρεται σε περισσότερα από αυτά τα προφανή αναγνωριστικά.

Οποιαδήποτε δεδομένα που θα μπορούσαν να χρησιμοποιηθούν για τον εντοπισμό ενός ατόμου, ακόμη και αν αυτό απαιτεί τη χρήση πολλών πεδίων σε συνδυασμό ή το χειρισμό των δεδομένων με κάποιο τρόπο, είναι επίσης PII. Είναι εύκολο για τους ανθρακωρύχους δεδομένων να παραβλέπουν αυτού του είδους τα δεδομένα, τα οποία δεν εμφανίζονται στην επιφάνεια ως ιδιωτικά, και ωστόσο θα μπορούσαν να επαρκούν για την προσωπική ταυτοποίηση αν χειρίστηκαν για το σκοπό αυτό. Εάν υπάρχουν κάποιοι τρόποι με τους οποίους τα δεδομένα θα μπορούσαν να χρησιμοποιηθούν για τον εντοπισμό των ατόμων, πρέπει να αντιμετωπιστούν με τις ίδιες προφυλάξεις όπως θα δώσατε μια λίστα αριθμών πιστωτικών καρτών.

Όπου οι ανθρακωρύχοι δεδομένων μπορούν εύκολα να βρεθούν σε δύσκολη θέση. Υπάρχουν πολλοί τρόποι να προσδιορίσετε τα άτομα εάν καταβάλλετε λίγη προσπάθεια για να το κάνετε. Σε ένα αξιοσημείωτο παράδειγμα, η AOL Research δημοσίευσε τα αρχεία αναζήτησης χρηστών για ερευνητική χρήση. Τα δεδομένα προορίζονταν να είναι ανώνυμα, δεν υπήρχαν ονόματα σε αυτό, αλλά οι New York Times ανέφεραν ότι ήταν σε θέση να εντοπίσει ένα άτομο από τα δεδομένα αναζήτησης μέσω διασταυρώσεων με τηλεφωνικές καταχωρίσεις. Αργότερα, η Netflix κατέστησε διαθέσιμα τα δεδομένα αξιολόγησης ταινιών για χρήση σε έναν διαγωνισμό και σύντομα αποκαλύφθηκε ότι και αυτά τα δεδομένα θα μπορούσαν να χρησιμοποιηθούν για τον εντοπισμό ατόμων.

Πώς μπορείτε να αποτρέψετε τέτοιες καταστροφές; Μην προσπαθήσετε να το κάνετε μόνο του. Είναι δύσκολο να διασφαλίσουμε τη συμμόρφωση με όλους τους σχετικούς νόμους περί απορρήτου δεδομένων, για να μην αναφέρουμε άλλες καλές επιχειρηματικές πρακτικές. Η Jenny Juliany, Αντιπρόεδρος της Αρχιτεκτονικής Λύσεων και Συνιδρυτής της Intreis, ένας ολοκληρωτής λύσεων που ειδικεύεται στη διαχείριση υπηρεσιών και την αυτοματοποίηση συμμόρφωσης, περιγράφει τον κύκλο ζωής των δεδομένων σε αναλογία με τις τέσσερις εποχές:

Άνοιξη:

• τα δεδομένα δημιουργούνται. Καλοκαίρι:

• Primetime, τα δεδομένα είναι σε ενεργή χρήση. Φθινόπωρο:

• Συνταξιοδότηση, τα δεδομένα δεν είναι πλέον σχετικά ή χρησιμοποιούνται, αλλά μπορεί να υπάρχουν νομικοί ή άλλοι λόγοι για να διατηρηθεί. Χειμώνας:

• Αφαίρεση, τα δεδομένα καταστρέφονται. Κάθε εποχή έχει τα δικά της χαρακτηριστικά, με ξεχωριστές απαιτήσεις γύρω από την ιδιωτικότητα των δεδομένων. Ορισμένοι βασίζονται στον νόμο, άλλοι με κοινή λογική και άλλοι σε μεμονωμένες συμφωνίες με τους πελάτες και τις επιχειρηματικές πρακτικές του δικού σας εργοδότη. Δεν είναι ρεαλιστικό να πιστεύετε ότι μπορείτε να αναλάβετε όλες αυτές τις λεπτομέρειες συμμόρφωσης επιπλέον του πρωταρχικού σας ρόλου, επομένως πρέπει να συνεργαστείτε με τους επαγγελματίες της διαχείρισης δεδομένων σας.

Δεν θέλετε να είστε το κέντρο του επόμενου σκανδάλου μεγάλης ιδιωτικότητας δεδομένων. Ο σεβασμός του ιδιωτικού απορρήτου δεδομένων και η σωστή διαχείριση δεδομένων είναι το κλειδί για την ελαχιστοποίηση αυτού του κινδύνου. Μην περιμένετε έως ότου κάτι πάει στραβά, επικοινωνήστε με τον εμπειρογνώμονα προστασίας προσωπικών δεδομένων στον δικό σας οργανισμό σήμερα και αρχίστε να δημιουργείτε μια εταιρική σχέση εργασίας για τη σωστή διαχείριση των ευαίσθητων δεδομένων.

Περισσότερες λεπτομέρειες για τον κύκλο ζωής των δεδομένων από την Jenny Juliany για τις τέσσερις εποχές της διαχείρισης δεδομένων μπορείτε να βρείτε εδώ:

«Άνοιξη»

• «Καλοκαίρι» Primetime

• 'Αφαίρεση