Mencegah Data Privacy Dasters - dummies

Video: China is erasing its border with Hong Kong 2024

Privasi data adalah masalah besar bagi penambang data. Laporan berita yang menguraikan tingkat data pribadi di tangan Badan Keamanan Nasional pemerintah AS dan pelanggaran sumber data komersial telah meningkatkan kesadaran dan perhatian publik.

Konsep sentral dalam privasi data adalah informasi identitas pribadi (PII), atau data apa pun yang dapat ditelusuri ke individu yang dideskripsikannya. PII mencakup pengidentifikasi yang jelas seperti nama, nomor kartu kredit, dan nomor jaminan sosial, dan kebanyakan penambang data sangat menyadari bahwa data semacam ini bersifat pribadi dan harus ditangani dengan hati-hati. Tapi PII mengacu pada lebih dari sekadar pengenal yang jelas ini.

Setiap data yang dapat digunakan untuk mengidentifikasi seseorang, bahkan jika melakukan hal tersebut memerlukan penggunaan beberapa bidang dalam kombinasi atau manipulasi data dengan cara tertentu, juga PII. Sangat mudah bagi penambang data untuk mengabaikan data semacam ini, jenis yang tidak tampak di permukaan bersifat pribadi, namun cukup memadai untuk identifikasi pribadi jika dimanipulasi untuk tujuan itu. Jika ada cara agar data dapat dimanipulasi untuk mengidentifikasi individu, maka harus ditangani dengan tindakan pencegahan yang sama seperti Anda akan memberikan daftar nomor kartu kredit.

Di situlah para penambang data bisa dengan mudah mengalami masalah. Ada banyak cara untuk mengidentifikasi individu jika Anda melakukan sedikit usaha untuk melakukannya. Dalam satu contoh, AOL Research merilis catatan penelusuran pengguna untuk penggunaan penelitian. Data tersebut dimaksudkan untuk menjadi anonim, tidak ada nama di dalamnya, namun The New York Times melaporkan bahwa mereka dapat mengidentifikasi seseorang dari data pencarian dengan referensi silang dengan daftar telepon. Kemudian, Netflix membuat data rating film tersedia untuk digunakan dalam sebuah kompetisi, dan segera diketahui bahwa data ini juga dapat digunakan untuk mengidentifikasi individu.

Dalam pekerjaan Anda sebagai penambang data, Anda mungkin memiliki pengalaman dengan calon klien yang membagikan data yang mereka klaim sebagai anonim (atau bahkan palsu, untuk menggambarkan sebuah titik diskusi), namun mendapati bahwa datanya tidak seperti itu Sadar atau tidak, orang-orang ini melanggar undang-undang privasi data dan menunjukkan kurangnya penghargaan terhadap pelanggan mereka sendiri.

Jadi, bagaimana Anda bisa mencegah bencana seperti ini? Jangan mencoba melakukannya sendiri. Ini menantang untuk memastikan kepatuhan terhadap semua undang-undang privasi data yang relevan, belum lagi praktik bisnis bagus lainnya. Jenny Juliany, Wakil Presiden Solusi Arsitektur dan Pendiri Intreis, sebuah integrator solusi yang mengkhususkan diri dalam manajemen pelayanan dan otomasi kepatuhan, menggambarkan siklus hidup data dengan analogi pada empat musim:

Spring: Inception, data dibuat
Musim panas: Primetime, data sedang digunakan secara aktif.
Jatuh: Pensiun, data tidak lagi relevan atau digunakan, namun mungkin ada alasan legal atau alasan lain untuk mempertahankannya.
Musim Dingin: Penghapusan, data dihancurkan.

Setiap musim memiliki karakteristik tersendiri, dengan persyaratan yang berbeda seputar privasi data. Beberapa didasarkan pada undang-undang, yang lain dalam pengertian yang sama, dan masih ada orang lain dalam kesepakatan individual dengan klien dan praktik bisnis majikan Anda sendiri. Tidak realistis untuk mempercayai bahwa Anda dapat mengatasi semua detail kepatuhan ini selain peran utama Anda, jadi Anda harus bermitra dengan profesional pengelolaan data organisasi Anda.

Anda tidak ingin menjadi pusat skandal privasi data besar berikutnya. Menghormati privasi data dan pengelolaan data yang tepat merupakan kunci untuk meminimalkan risiko tersebut. Jangan menunggu sampai ada yang tidak beres, hubungi pakar privasi data di organisasi Anda hari ini, dan mulai membangun kemitraan kerja untuk mengelola data sensitif dengan benar.

Rincian lebih lanjut tentang siklus hidup data dari Jenny Juliany pada Four Seasons of Data Management dapat ditemukan di sini: