L'anonimizzazione di un raccolta attuariale consente analisi statistiche e modelli di pricing senza esporre dati sanitari o di sinistro identificabili. Il GDPR considerando 26 esclude i dati anonimizzati dall'ambito di applicazione del regolamento. Solvency II (Direttiva 2009/138/CE) e IVASS Reg. 38/2018 richiedono ORSA e modelli interni robusti. anonym.plus de-identifica ogni record in locale senza trasferire i dati.
Quando si applica
Un dataset di Cattolica Verona contiene 50.000 righe con età, sesso, patologie e importi di sinistro. Prima di condividerlo con il team di pricing, ogni record deve essere de-identificato.
Come lo gestisce anonym.plus
- Carica il dataset (CSV, XLSX o JSON) in anonym.plus.
- Seleziona le colonne identificative: nome, CF, tessera sanitaria.
- Lo strumento applica soppressione, generalizzazione o pseudonimizzazione per colonna.
- Verifica le distribuzioni statistiche prima e dopo per conservare l'utilità analitica.
- Esporta il dataset de-identificato in locale.
- Conserva il log di anonimizzazione per l'audit trail.
Cosa serve fornire
- Il dataset attuariale (CSV, XLSX o JSON).
- La mappatura colonne: quale tipo di PII contiene ogni colonna.
- La soglia di quasi-identificatori per il controllo k-anonimato.
Tipi di entità rilevati nei documenti finanziari
| Categoria | Tipo di entità anonym.plus | Esempio |
|---|---|---|
| Nome | PERSON | Giuseppe Verdi → [ASSICURATO] |
| Codice fiscale | IT_FISCAL_CODE | VRDGPP60D10H501S → [CF] |
| Tessera sanitaria | IT_HEALTH_CARD | RSSMRA80A01H501Z0000 → [TS] |
| Data | DATE_TIME | Data sinistro 22/07/2025 → [DATA] |
| Importo | LOCATION | 500.000,00 € → [IMPORTO] |
| Organizzazione | ORGANIZATION | Cattolica Verona → [COMPAGNIA] |
Conformità raggiunta
- Fuori dall'ambito del GDPR — un dataset effettivamente anonimo non è dato personale: lo afferma il Considerando 26 del GDPR, e i criteri di verifica (singling out, linkability, inference) sono quelli del Parere 05/2014 sulle tecniche di anonimizzazione del Gruppo di lavoro art. 29 (WP216).
- Finalità statistiche — il riuso attuariale di dati raccolti per gestire i contratti trova garanzie nell'art. 89 GDPR e deve superare il test di compatibilità dell'art. 5, par. 1, lett. b), GDPR.
- Tariffazione non discriminatoria — la Direttiva 2004/113/CE, dopo la sentenza CGUE C-236/09 Test-Achats del 1° marzo 2011, esclude differenze di premio basate sul genere: il dataset anonimizzato conserva solo le variabili di rischio ammesse.
- Modelli e vigilanza — ORSA e formula standard poggiano sulla Direttiva Solvency II 2009/138/CE (recepita con il D.Lgs. 74/2015), sul Regolamento delegato (UE) 2015/35 e sul Regolamento IVASS n. 38/2018: nessuno di questi richiede l'identità dell'assicurato.
Anonimizza Dataset attuariali offline — vedi piani & inizia gratis →
Limiti & avvertenze
L'anonimizzazione statistica richiede la verifica del rischio di re-identificazione (k-anonimato, l-diversity). anonym.plus de-identifica i campi ma non sostituisce una valutazione attuariale del rischio residuo.
Domande frequenti
Posso usare i dati anonimizzati per addestrare modelli di machine learning?
Sì. Se il dataset soddisfa il GDPR considerando 26, non è più dato personale e può essere usato liberamente per l'addestramento di modelli attuariali.
Lo strumento verifica il k-anonimato?
anonym.plus de-identifica i campi selezionati. La verifica formale del k-anonimato richiede un'analisi statistica separata eseguita dal team attuariale.
Un dataset anonimizzato richiede ancora una base giuridica?
Se l'anonimizzazione è effettiva, no: il Considerando 26 del GDPR esclude i dati anonimi dall'ambito del regolamento. La verifica del rischio di re-identificazione resta però a carico del titolare.