L'anonimizzazione di un set di dati di sinistri catastrofali consente la modellazione CAT e l'analisi ORSA senza esporre i dati personali dei danneggiati. Il GDPR considerando 26 esclude i dati anonimizzati dall'ambito del regolamento; Solvency II (Direttiva 2009/138/CE) e IVASS Reg. 38/2018 richiedono modelli ORSA robusti. anonym.plus de-identifica ogni record in locale senza trasferire i dati.
Quando si applica
Un raccolta di eventi alluvionali di UnipolSai Bologna contiene 20.000 righe con nome del danneggiato, indirizzo e importo del sinistro. Prima di condividerlo con il team di modellazione CAT esterno, ogni record deve essere de-identificato.
Come lo gestisce anonym.plus
- Carica il archivio CAT (CSV, XLSX o JSON) in anonym.plus.
- Mappa le colonne identificative: nome, indirizzo, codice fiscale.
- Lo strumento de-identifica ogni record mantenendo le coordinate geografiche aggregate.
- Verifica le distribuzioni degli importi prima e dopo per conservare l'utilità analitica.
- Esporta il dataset de-identificato in locale.
- Conserva il log di de-identificazione per l'audit trail.
Cosa serve fornire
- Il dataset CAT (CSV, XLSX o JSON).
- La mappatura colonne: quale tipo di PII contiene ogni colonna.
- Il livello di generalizzazione geografica desiderato (comune, provincia, regione).
Tipi di entità rilevati nei documenti finanziari
| Categoria | Tipo di entità anonym.plus | Esempio |
|---|---|---|
| Nome danneggiato | PERSON | Lucia Mancini → [DANNEGGIATO] |
| Indirizzo | LOCATION | Via Tevere 30, 00100 Roma → [AREA] |
| Codice fiscale | IT_FISCAL_CODE | MNCLCU85M41H501E → [CF] |
| IBAN | IBAN_CODE | IT60 X054 2811 1010 0000 0123 456 → [IBAN] |
| Importo | DATE_TIME | Sinistro 25.000,00 € → [IMPORTO] |
| Data | DATE_TIME | Data evento 15/11/2025 → [DATA] |
Conformità raggiunta
- Rischio catastrofale — il modulo catastrofale della formula standard poggia sul Regolamento delegato (UE) 2015/35 e sulla Direttiva Solvency II 2009/138/CE (recepita con il D.Lgs. 74/2015): servono esposizioni e localizzazioni aggregate, non nomi.
- Copertura obbligatoria delle imprese — l'obbligo di assicurazione contro le catastrofi naturali per le imprese, introdotto dalla Legge di Bilancio 2024 (L. 213/2023), amplia i dataset raccolti: tanto più necessario anonimizzarli prima della condivisione.
- Anonimizzazione effettiva — indirizzo civico e data del sinistro possono individuare un singolo assicurato: il Considerando 26 GDPR e il Parere 05/2014 (WP216) impongono di valutare isolamento e inferenza, non solo la rimozione dei nomi.
- Condivisione con terzi — verso modellatori e pool di settore un dataset realmente anonimo esce dall'ambito del GDPR; altrimenti servono una base giuridica ex art. 6 GDPR e, se extra-UE, le garanzie degli artt. 44-46 GDPR.
Anonimizza Dataset sinistri catastrofali offline — vedi piani & inizia gratis →
Limiti & avvertenze
L'indirizzo specifico, anche generalizzato a livello di comune, può identificare i danneggiati in aree rurali poco popolate. Valuta la generalizzazione a livello provinciale per le aree ad alta sensibilità.
Domande frequenti
Posso condividere il dataset CAT anonimizzato con i modellatori esterni?
Sì. Se il dataset soddisfa il GDPR considerando 26, non è più dato personale e può essere condiviso liberamente con il team di modellazione CAT.
Le coordinate geografiche vengono conservate per la modellazione spaziale?
Sì. puoi configurare il livello di generalizzazione geografica (comune, provincia, regione) per bilanciare utilità analitica e privacy.
Chi risponde se un dataset condiviso viene re-identificato?
Il titolare che lo ha diffuso. Per questo la valutazione del rischio di re-identificazione va documentata prima della condivisione, insieme alle tecniche di generalizzazione applicate.