Anonimizzare una base di dati per condividerla senza esporre dati personali, in 5 passi
L’app è in inglese.
Perché è sicuro? Perché tutto viene elaborato nel tuo browser: la base di dati non lascia il tuo computer.
Fare l’inventario: identificatori diretti, indiretti e sensibili
Annota tutte le colonne e classificale. Gli identificatori diretti identificano una persona da soli: nome, numero di documento, email, telefono. Gli identificatori indiretti la identificano solo se combinati: data di nascita, sesso, località, corso di studi. I dati sensibili (salute, religione, origine etnica, orientamento sessuale) fanno più danno se esposti.
Decidere cosa fare con ciascuna colonna
Scegli un esito per ogni colonna. Eliminare è la scelta più sicura: nomi, telefoni e indirizzi. Un identificatore personale, come il numero di documento, serve a seguire ogni persona nell’analisi, per esempio per unire due file sulle stesse persone; sostituirlo con un codice casuale permette di farlo senza rivelare chi è, ed è la funzione principale di HILO. Generalizzare riduce il dettaglio: la data di nascita diventa una fascia d’età. Lasciare invariato va bene per ciò che non identifica nessuno. Se due colonne hanno un valore per persona, come numero di documento e matricola, basta un solo codice.
Controllare il testo libero
I commenti e le risposte aperte possono contenere proprio ciò che hai eliminato in un’altra colonna: un numero di documento, un telefono, un’email, un nome. Cercali (numeri lunghi, chiocciole, nomi della base di dati) e coprili con un segnaposto come [ID].
Misurare il rischio di reidentificazione
Senza i nomi, una combinazione di dati indiretti può restare unica: Sweeney ha mostrato che codice postale, sesso e data di nascita bastano a riconoscere gran parte della popolazione degli Stati Uniti. Conta quante persone condividono ogni combinazione di età, sesso, località e corso di studi (una tabella pivot lo fa). Se alcune combinazioni identificano poche persone, generalizza quelle colonne o lasciale fuori.
Scaricare, conservare a parte la tabella dei codici e documentare
Scarica la base di dati nello stesso formato. La tabella di corrispondenza (originale → codice) permette di reidentificare qualcuno o di riutilizzare gli stessi codici al giro successivo, ed è sensibile quanto la base di dati: conservala in un luogo sicuro e non condividerla. Sostituire i dati con codici conservando la tabella di corrispondenza è pseudonimizzazione, non anonimizzazione: secondo il GDPR (e leggi analoghe) quei dati restano dati personali. Solo senza la tabella e senza altri dati che permettano di riconoscere qualcuno ci si avvicina a un’anonimizzazione.
Documenta quali colonne sono state eliminate, codificate o generalizzate, con quali regole e quale rischio è rimasto, senza alcun dato della base: serve per un comitato etico o per un’appendice metodologica. Ogni paese ha la sua legge sulla protezione dei dati e definisce in modo diverso che cosa è anonimizzato (nell’UE vale il GDPR): verifica quella del tuo paese; questa guida non è consulenza legale.
Altri modi per farlo
Si può fare a mano, in un foglio di calcolo (eliminare colonne, sostituire valori con CERCA.VERT e contare le combinazioni con una tabella pivot), oppure con programmi pensati per questo, come ARX o sdcMicro.
HILO è comodo per farlo senza installare nulla: funziona nel browser, la base di dati non lascia il tuo computer, non richiede registrazione e dà gli stessi codici a più file. Un altro strumento è preferibile se ti servono metodi formali di anonimizzazione e di misurazione del rischio, basi di dati molto grandi o uno script riproducibile.
Togli gli identificatori dalla tua base di dati
Carica un file Excel o CSV e decidi colonna per colonna.
Riferimento
- Sweeney, L. (2000). Simple demographics often identify people uniquely (Data Privacy Working Paper 3). Carnegie Mellon University.
Aggiornata il
Altre guide
Come misurare l’accordo tra chi codifica
Il kappa di Cohen in 5 passi: codificare separatamente, costruire la tabella, contare l’accordo, sottrarre il caso e riportare il risultato.
Come pulire una base di dati di un sondaggio prima di analizzarla
Leggere bene il file, cercare i duplicati, controllare le colonne, individuare i codici di mancata risposta e correggere alla fonte, in 5 passi.
Come unire due basi di dati di un sondaggio
Scegliere tra impilare e incrociare per identificatore, verificare che misurino la stessa cosa, unire e controllare il risultato, in 5 passi.
Come codificare le risposte aperte di un sondaggio
Leggere un campione, costruire le categorie, assegnare ogni risposta, verificare e portarle nei tuoi dati, in 5 passi.
Come operativizzare gli obiettivi di un progetto con le tue variabili
Scrivere gli obiettivi, fare l’inventario delle variabili, incrociarli, definire indicatori e riconoscere ciò che manca, in 5 passi.
Come elaborare un quadro logico o una teoria del cambiamento
Definire il problema, ordinare la catena dei risultati, spiegare ogni anello, definire gli indicatori e scrivere le assunzioni, in 5 passi.
Come codificare un’intervista qualitativa
Leggere, segnare i passaggi, partire da categorie preliminari, ordinare il libro dei codici e raccogliere le citazioni, in 5 passi.
Come rivedere una tesi, un elaborato o una relazione prima della consegna
Scegliere cosa controllare, raccogliere ciò che il testo dice di ogni tema, verificare la coerenza, correggere sul posto e rappresentare la struttura, in 5 passi.
Come collegare un programma ai target degli SDGs
Scegliere gli obiettivi, leggere i target, vedere dove il documento li tratta, valutare quanto e decidere cosa manca, in 5 passi.
Come verificare che un documento rispetti un elenco di requisiti
Preparare l’elenco, rivederlo, vedere dove il documento tratta ogni punto, distinguere il soddisfatto dall’incompleto e correggere, in 5 passi.
Correggere in fretta elaborati, compiti ed esami
Definire i concetti, creare la cartella del corso, raccogliere ogni concetto in ogni lavoro, leggere i passaggi e preparare il riscontro, in 5 passi.
Campionamento probabilistico: come calcolare la dimensione del campione
Che cos’è, i suoi tipi e un calcolatore passo per passo: popolazione, confidenza, margine di errore, strati e un paragrafo pronto per la tua metodologia.