Como compartilhar uma base de dados sem expor dados pessoais, em 5 passos
Por que é seguro? Porque tudo é processado no seu próprio navegador: a base não sai do seu computador.
Fazer o inventário: identificadores diretos, indiretos e sensíveis
Anote todas as colunas e classifique-as. Os diretos identificam uma pessoa sozinhos: nome, documento, e-mail, telefone. Os indiretos só identificam combinados: data de nascimento, sexo, cidade, curso. Os sensíveis — saúde, religião, etnia, orientação sexual — causam mais dano se expostos.
Decidir o que fazer com cada coluna
Escolha uma saída para cada coluna. Excluir é o mais seguro: nomes, telefones e endereços. Um identificador pessoal, como o CPF, serve para acompanhar cada pessoa na análise, por exemplo ao unir dois arquivos das mesmas pessoas; substituí-lo por um código aleatório permite fazer isso sem revelar quem ela é, e é a função principal do HILO. Generalizar reduz o detalhe: a data de nascimento vira uma faixa etária. Deixar como está é para o que não identifica. Se duas colunas vão uma por pessoa, como CPF e matrícula, um código basta.
Revisar o texto livre
Observações e respostas abertas podem trazer justamente o que você apagou em outra coluna: um documento, um telefone, um e-mail, um nome. Procure por eles (números longos, arrobas, nomes da base) e cubra-os com uma marca como [CPF].
Medir o risco de reidentificação
Sem nomes, uma combinação de dados indiretos ainda pode ser única: Sweeney mostrou que código postal, sexo e data de nascimento bastam para reconhecer boa parte da população dos Estados Unidos. Conte quantas pessoas compartilham cada combinação de idade, sexo, cidade e curso (uma tabela dinâmica faz isso). Se houver combinações que identificam poucas pessoas, generalize essas colunas ou deixe-as de fora.
Baixar, guardar a tabela de códigos à parte e documentar
Baixe a base no mesmo formato. A tabela de equivalências (original → código) permite reidentificar alguém ou repetir os códigos na próxima rodada, e é tão sensível quanto a base: guarde-a em um lugar seguro e não a compartilhe.
Documente quais colunas foram excluídas, codificadas ou generalizadas, com que regras e que risco restou, sem nenhum dado da base: serve para um comitê de ética ou um anexo metodológico. Cada país tem a sua lei de proteção de dados e define de forma diferente o que é anonimizado: confira a sua; este guia não é assessoria jurídica.
Outras formas de fazer
Dá para fazer à mão, numa planilha (apagar colunas, substituir valores com PROCV e contar combinações com uma tabela dinâmica), ou com programas feitos para isso, como ARX ou sdcMicro.
O HILO é vantagem para fazer sem instalar nada: funciona no navegador, a base não sai do seu computador, é grátis, não pede cadastro e dá os mesmos códigos a vários arquivos. Outra ferramenta é melhor se você precisa de métodos formais de anonimização e de medição de risco, de bases muito grandes ou de um script reprodutível.
Remova os identificadores da sua própria base
Carregue um Excel ou CSV e decida coluna por coluna.
Referência
- Sweeney, L. (2000). Simple demographics often identify people uniquely (Data Privacy Working Paper 3). Carnegie Mellon University.
Atualizada em
Outras guias
Como medir a concordância entre codificadores
O kappa de Cohen em 5 passos: codificar separadamente, montar a tabela, contar a concordância, descontar o acaso e relatar.
Como limpar uma base de dados de pesquisa antes de analisá-la
Ler bem o arquivo, buscar repetidos, revisar colunas, detectar códigos de não resposta e corrigir na origem, em 5 passos.
Como unir duas bases de dados de uma pesquisa
Escolher entre empilhar e cruzar por identificador, conferir que medem o mesmo, unir e revisar o resultado, em 5 passos.
Como codificar as respostas abertas de uma pesquisa
Ler uma amostra, montar as categorias, atribuir cada resposta, revisar e levá-las para a sua base, em 5 passos.
Como operacionalizar os objetivos de um projeto com as suas variáveis
Escrever os objetivos, fazer o inventário das variáveis, cruzá-los, definir indicadores e reconhecer o que falta, em 5 passos.