Datamasking

Datamasking stelt organisaties in staat om persoonsgegevens te anonimiseren met behoud van de voorspellende waarde. Na het anonimiseren zijn de gegevens niet meer herleidbaar tot unieke personen. Zelfs als de gegevens ‘op straat’ komen te liggen, zijn ze daarmee goeddeels onbruikbaar. Daarmee wordt de impact van een datalek geminimaliseerd.

Datamasking is een methode waarbij de data wordt bewerkt volgens bepaalde regels die u zelf ingeeft. Achternamen kunnen bijvoorbeeld onderling worden gewisseld, waardoor alle namen uit het productiebestand ook in het testbestand voorkomen. Dat maakt de set 100% representatief voor de werkelijkheid, zonder dat de gegevens tot personen herleidbaar zijn.

Een andere mogelijkheid is om alle namen te vervangen door bijvoorbeeld ‘testklant 1, testklant 2’ etc. In dat geval verdwijnt de representativiteit die je nodig hebt voor testen, maar is de data wel bruikbaar voor analyses. Datamasken kan met een druk op de knop en kost, in tegenstelling tot het zelf samenstellen van data, nauwelijks tijd (en dus geld).

Datamasking is onomkeerbaar: gegevens zijn na maskeren dus ook geen persoonsgegevens meer. Als deze data zich buiten de productieomgeving bevinden, is dus ook na inwerkingtreding van de GDPR géén sprake van een potentieel datalek. Belangrijke randvoorwaarde is dan wel dat alle herleidbare gegevens worden gemaskeerd.

Als het belangrijk is om achteraf toch een uniek individu te kunnen identificeren, kan een organisatie ervoor kiezen om gegevens (bijvoorbeeld patiëntnummer) niet te maskeren. Dit maakt herleidbaarheid in een productie-omgeving mogelijk. Let op, in dit scenario bevat de gemaskeerde set na anonimiseren nog wel persoonsgegevens: er is dan feitelijk sprake van pseudonimisering.

Datafactory van EntrD

De Datafactory-suite van EntrD bevat een oplossing voor datamasking die organisaties in staat stelt compliant te zijn aan de privacy-wetgeving, en toch gebruik te maken van persoonsgegevens uit de productieomgeving. Bijvoorbeeld voor het testen van software, het uitvoeren van analyses en het geven van demo’s

Veel gestelde vragen

Een vraag die ons veel wordt gesteld is: wat is nu precies de toegevoegde waarde van datamasking? Wat levert het ons op, en wat gaat het ons kosten als we het níet doen? We hebben een aantal relevante zaken op een rij gezet.

Boetes voorkomen/verkleinen
Bij een eventueel datalek voorkomt/verkleint u een door de Autoriteit Persoonsgegevens opgelegde sanctie. Bij een datalek kan deze sanctie oplopen tot een boete van 820.000 euro. Deze boete loopt op tot 4 procent van de jaaromzet van de onderneming op groepsniveau of 20 miljoen euro.

Kosten besparen
Als uw bedrijf klantdata nodig heeft voor het testen van software, het analyseren van data of het opleiden van medewerkers, dan kan dit met zelf gecreëerde data (synthetische data). Het genereren van die data is een tijdrovend en dus duur proces. Bovendien kan uw organisatie op deze manier slechts zeer beperkt historische gegevens maken. Datamasking al dan niet in combinatie met subsetting vergt eenmalig een relatief kleine investering en maakt het opvoeren van synthetische data overbodig. Dit kan een substantieel voordeel opleveren.

Geen risicovoorziening nodig
Organisaties die gebruik maken van klantgegevens buiten de productieomgeving, doen dat op eigen risico. Behalve reputatie- en imagoschade, kan een datalek ook claims en boetes opleveren (zie boven). Het nemen van een risicovoorziening is in dat geval verstandig, maar duur. Ook dit kan met datamasking in één klap worden opgelost.

Kwaliteit leveren
Met bestaande klantgegevens bereikt u de beste testresultaten en doet u de betrouwbaarste analyses. De representativiteit van geanonimiseerde data is hoger dan die van synthetische data. Datamasking maakt het mogelijk om te testen of analyseren met echte - maar geanonimiseerde - persoonsgegevens. Dat stelt u in staat om de beste software te leveren/accepteren en de beste beslissingen te nemen op basis van betrouwbaar onderzoek. Dit voorkomt duur rework na oplevering en het zorgt voor een hogere klanttevredenheid.