I report sulla forza lavoro contengono dati aggregati e dettagli individuali (turnover per area, retribuzioni per livello, indici di assenteismo). Per le analisi strategiche e i benchmark di settore, è essenziale che i dati siano anonimi ai sensi del GDPR Considerando 26. anonym.plus anonimizza i dataset in locale verificando la k-anonimità dei profili residui.
Quando si applica
La direzione People Analytics vuole condividere un report trimestrale con una società di consulenza esterna per confronto con benchmark di settore. Tutti i dati personali vanno anonimizzati prima della trasmissione.
Come lo gestisce anonym.plus
- Carica il report (XLSX, CSV, PDF) in anonym.plus.
- Lo strumento individua tutti i dati personali e i quasi-identificatori.
- Verifica la k-anonimità per ogni combinazione di attributi.
- Anonimizza irreversibilmente i campi identificativi.
- Generalizza profili rari per raggiungere la soglia di k-anonimità desiderata.
- Salva il dataset anonimizzato per la trasmissione esterna.
Cosa serve fornire
- Il report sulla forza lavoro (XLSX, CSV, PDF).
- Un'operazione: anonimizzazione irreversibile per benchmark.
- Opzionale: una soglia di k-anonimità (es. k >= 10) per dati esterni.
Tipi di entità rilevati nei documenti HR
| Categoria | Tipo di entità anonym.plus | Esempio |
|---|---|---|
| Dipendente | PERSON | tutti i nominativi → [ANONIMO] |
| Matricola | IT_FISCAL_CODE | tutte le matricole → [CANCELLATO] |
| Sede | LOCATION | sede specifica → [REGIONE] |
| Livello | PERSON | livello 7 raro → [LIVELLO_AGGREGATO] |
| Retribuzione | PHONE_NUMBER | € 85.000 → [FASCIA_RETRIBUTIVA] |
| Data | DATE_TIME | data specifica → [TRIMESTRE] |
Conformità raggiunta
- I
- l
- <
- s
- t
- r
- o
- n
- g
- >
- G
- D
- P
- R
- C
- o
- n
- s
- i
- d
- e
- r
- a
- n
- d
- o
- 2
- 6
- <
- /
- s
- t
- r
- o
- n
- g
- >
- e
- s
- c
- l
- u
- d
- e
- d
- a
- l
- l
- '
- a
- m
- b
- i
- t
- o
- i
- d
- a
- t
- i
- a
- n
- o
- n
- i
- m
- i
- z
- z
- a
- t
- i
- i
- r
- r
- e
- v
- e
- r
- s
- i
- b
- i
- l
- m
- e
- n
- t
- e
- .
- I
- l
- <
- s
- t
- r
- o
- n
- g
- >
- D
- .
- L
- g
- s
- .
- 1
- 9
- 8
- /
- 2
- 0
- 0
- 6
- a
- r
- t
- .
- 4
- 6
- <
- /
- s
- t
- r
- o
- n
- g
- >
- c
- o
- n
- s
- e
- n
- t
- e
- l
- a
- t
- r
- a
- s
- m
- i
- s
- s
- i
- o
- n
- e
- d
- i
- r
- a
- p
- p
- o
- r
- t
- i
- a
- g
- g
- r
- e
- g
- a
- t
- i
- .
- I
- l
- <
- s
- t
- r
- o
- n
- g
- >
- C
- o
- d
- i
- c
- e
- P
- r
- i
- v
- a
- c
- y
- <
- /
- s
- t
- r
- o
- n
- g
- >
- i
- n
- t
- e
- g
- r
- a
- l
- a
- d
- i
- s
- c
- i
- p
- l
- i
- n
- a
- n
- a
- z
- i
- o
- n
- a
- l
- e
- .
- L
- a
- k
- -
- a
- n
- o
- n
- i
- m
- i
- t
- à
- v
- e
- r
- i
- f
- i
- c
- a
- l
- a
- r
- o
- b
- u
- s
- t
- e
- z
- z
- a
- d
- e
- l
- l
- '
- a
- n
- o
- n
- i
- m
- i
- z
- z
- a
- z
- i
- o
- n
- e
- c
- o
- n
- t
- r
- o
- a
- t
- t
- a
- c
- c
- h
- i
- d
- i
- r
- e
- i
- d
- e
- n
- t
- i
- f
- i
- c
- a
- z
- i
- o
- n
- e
- .
Anonimizza report sulla forza lavoro offline — vedi piani & inizia gratis →
Limiti & avvertenze
L'anonimizzazione richiede attenzione ai quasi-identificatori (combinazioni di età, sede, qualifica). Lo strumento aiuta a misurare la k-anonimità ma la valutazione finale spetta al titolare del trattamento.
Domande frequenti
Quale soglia di k-anonimità è raccomandata per dati esterni?
Per la trasmissione a consulenti o pubblicazione di benchmark, soglie di k >= 10 sono prudenti. Per dati interni, k >= 5 può essere sufficiente. Bilancia utilità analitica e tutela.
Quali quasi-identificatori vanno considerati?
Combinazioni di attributi che, pur non essendo identificativi singolarmente, possono individuare profili rari: età + sede + qualifica, anzianità + livello + funzione, etc.
L'anonimizzazione esclude dall'ambito GDPR?
Sì, se irreversibile. Il Considerando 26 GDPR esclude dall'ambito i dati anonimizzati. La pseudonimizzazione, invece, mantiene la conformità GDPR come misura di sicurezza.