La de-identificazione di un dataset di delibere del credito rimuove i dati personali dei richiedenti dall'archivio delle decisioni. Il GDPR considerando 26 esclude i dati genuinamente anonimi dall'ambito; il Codice Privacy D.Lgs. 196/2003 disciplina il trattamento nelle banche dati. anonym.plus de-identifica i record in locale, consentendo analisi della qualità del credito e audit di parità.
Quando si applica
Un team di audit interno deve analizzare l'archivio delle delibere di fido degli ultimi tre anni per verificare la coerenza delle decisioni. I dati identificativi dei richiedenti vanno de-identificati prima dell'analisi.
Come lo gestisce anonym.plus
- Carica il dataset di delibere (CSV, XLSX o JSON) nell'applicazione.
- Lo strumento identifica le colonne con IT_FISCAL_CODE, PERSON e IBAN_CODE.
- Verifica il mapping colonne proposto.
- Applica la de-identificazione: oscuramento, pseudonimizzazione o generalizzazione.
- Esegui un controllo di qualità sul dataset risultante.
- Esporta il dataset de-identificato per l'analisi di audit.
Cosa serve fornire
- Il dataset di delibere (CSV, XLSX o JSON).
- Un'azione: de-identificazione completa o pseudonimizzazione con chiavi stabili.
- Facoltativo: soglia k-anonimato per i campi quasi-identificatori.
Tipi di entità rilevati nei documenti finanziari
| Categoria | Tipo di entità anonym.plus | Esempio |
|---|---|---|
| Richiedente | PERSON | Valentina Serra → [RICHIEDENTE] |
| Codice fiscale | IT_FISCAL_CODE | SRRVNT90E44H501G → [CF] |
| IBAN | IBAN_CODE | IT60 X054 2811 1010 0000 0222 111 → [IBAN] |
| Gestore | PERSON | Marco Riva → [GESTORE] |
| Data delibera | DATE_TIME | deliberato il 15/06/2024 → [DATA] |
| Filiale | LOCATION | Filiale di Genova Centro → [FILIALE] |
Conformità raggiunta
- S
- u
- p
- p
- o
- r
- t
- a
- l
- a
- d
- e
- -
- i
- d
- e
- n
- t
- i
- f
- i
- c
- a
- z
- i
- o
- n
- e
- e
- x
- <
- s
- t
- r
- o
- n
- g
- >
- G
- D
- P
- R
- c
- o
- n
- s
- i
- d
- e
- r
- a
- n
- d
- o
- 2
- 6
- e
- C
- o
- d
- i
- c
- e
- P
- r
- i
- v
- a
- c
- y
- D
- .
- L
- g
- s
- .
- 1
- 9
- 6
- /
- 2
- 0
- 0
- 3
- <
- /
- s
- t
- r
- o
- n
- g
- >
- .
- E
- l
- a
- b
- o
- r
- a
- z
- i
- o
- n
- e
- i
- n
- l
- o
- c
- a
- l
- e
- —
- n
- e
- s
- s
- u
- n
- d
- a
- t
- a
- s
- e
- t
- d
- i
- d
- e
- l
- i
- b
- e
- r
- e
- l
- a
- s
- c
- i
- a
- i
- l
- d
- i
- s
- p
- o
- s
- i
- t
- i
- v
- o
- .
- C
- i
- f
- r
- a
- t
- u
- r
- a
- a
- r
- i
- p
- o
- s
- o
- <
- s
- t
- r
- o
- n
- g
- >
- A
- E
- S
- -
- 2
- 5
- 6
- -
- G
- C
- M
- +
- A
- r
- g
- o
- n
- 2
- i
- d
- <
- /
- s
- t
- r
- o
- n
- g
- >
- .
Anonimizza Dataset di delibere del credito offline — vedi piani & inizia gratis →
Limiti & avvertenze
La combinazione di importo deliberato, filiale e data può identificare indirettamente il richiedente in archivi di piccole dimensioni. Applica la soglia k-anonimato prima di condividere il dataset.
Domande frequenti
Il dataset de-identificato è utilizzabile per audit di parità?
Sì. La de-identificazione consente l'analisi della coerenza delle decisioni senza esporre l'identità dei richiedenti.
Posso usare chiavi stabili per confrontare delibere dello stesso richiedente?
Sì. La pseudonimizzazione con chiavi stabili mantiene la coerenza tra record dello stesso soggetto nell'archivio.
Il GDPR considerando 26 si applica ai dataset de-identificati?
I dati genuinamente anonimi escono dall'ambito del GDPR. Consulta il tuo DPO per verificare che la de-identificazione sia sufficiente.