Datos

Privacidad en Big Data: qué cambia al cruzar los datos

Cruzar fuentes puede identificar a una persona aunque hayas quitado su nombre. Diferencias entre anonimizar, seudonimizar y proteger el acceso.

Referencias visuales: AEPD · Composición editorial.

Ubicación, hora y actividad pueden identificar a alguien cuando se combinan, aunque ninguna de las tablas contenga su nombre. El riesgo de privacidad puede crecer al cruzar fuentes que por separado parecían poco reveladoras.

Empezar por la pregunta que justifica el análisis

Imagina un análisis ficticio de retrasos de reparto. Si la pregunta es qué zonas concentran incidencias, quizá baste trabajar por áreas y franjas horarias. Conservar una ruta exacta, el teléfono del destinatario y cada minuto del trayecto añade exposición y necesita una justificación propia.

Antes de copiar fuentes a un almacén común, escribe qué decisión buscas y qué campo aporta algo a ella. Si un dato solo se guarda «por si acaso», todavía no hay una razón concreta para incorporarlo. Reducir el detalle puede simplificar tanto el análisis como la protección.

Quitar el nombre no basta para anonimizar

La AEPD explica que la información sigue siendo personal cuando permite identificar a una persona. Una combinación de datos de localización, identificadores y otros atributos puede hacerlo aunque no aparezca el nombre.

Tres operaciones que conviene distinguir
OperaciónQué cambiaQué no debes deducir
Eliminar el nombreDesaparece un identificador directoQue el resto no permita reconocer a alguien
SeudonimizarSe reduce el vínculo directo y se separa información adicionalQue los datos hayan dejado de ser personales
Anonimizar de forma efectivaLa persona deja de ser identificable con probabilidad razonableQue cualquier agregado o hash ya lo consiga

La FAQ de la AEPD sobre datos anonimizados explica que la persona debe dejar de ser identificable con una probabilidad razonable. El artículo 4.5 del RGPD define la seudonimización como una separación que permite atribuir los datos usando información adicional; su considerando 26 distingue la información anónima. Sustituir identificadores por códigos o hashes no demuestra por sí solo anonimato.

El marco jurídico y el diseño se encuentran aquí

En la UE, el RGPD recoge principios como finalidad, minimización, exactitud y conservación limitada. El artículo 6 exige una base jurídica: el consentimiento es una de las previstas, no la única. Los artículos 25 y 32 tratan la protección desde el diseño y la seguridad; el 35 exige una evaluación de impacto cuando sea probable un alto riesgo. El texto oficial permite revisar el alcance de cada obligación.

Estas referencias orientan qué revisar; determinar las obligaciones de un tratamiento concreto requiere estudiar su finalidad, datos, personas afectadas y contexto. Una lista técnica no acredita por sí sola cumplimiento.

Seguir una copia también importa

En el ejemplo del reparto, el dato puede pasar de la aplicación a una exportación, un cuaderno de análisis y una captura del informe. Un permiso bien configurado en la base original pierde utilidad si después cualquiera puede abrir el archivo exportado.

Preguntas para recorrer el sistema
EtapaPregunta concreta
Recogida¿Hace falta esa precisión para la finalidad?
Cruce¿La combinación revela más que cada fuente?
Análisis¿Quién puede acceder al detalle y para qué?
Informe¿Un grupo pequeño permite reconocer a alguien?
Conservación¿Qué copias existen y cómo se aplica su ciclo de vida?

Un ejemplo de informe menos revelador

Podrías empezar comparando retrasos por zonas amplias y semanas. Si una celda agrupa a muy pocas personas, mostrar un dato exacto puede revelar demasiado; suprimirla o cambiar la agrupación son alternativas que deben evaluarse en el conjunto del informe. No existe un tamaño de grupo universal que certifique anonimato en todos los contextos.

Además de controlar accesos, conviene probar con qué otras fuentes podría combinarse el resultado. Dos informes aparentemente prudentes pueden permitir deducir un valor al restarlos. La evaluación debe mirar las salidas relacionadas, no cada tabla aislada.

En proyectos de datos, proteger significa acompañar la información durante todo el recorrido. La pregunta útil al terminar no es solo quién puede abrir la base: también qué se puede aprender de las copias, los cruces y los resultados.

Para seguir leyendo

Volver a UnaCosa