Principales amenazas a la privacidad y sus impactos

Hay múltiples formas en que el análisis de Big Data puede invadir la privacidad personal. Los riesgos
inherentes son1:

1. Discriminación: Utilice el análisis predictivo para la determinación de individuos

El uso de análisis predictivos por parte del sector público y privado puede ser utilizado por el gobierno y
las empresas para tomar determinaciones sobre nuestra capacidad para volar, para obtener un trabajo,
obtener una autorización o una tarjeta de crédito. El uso de nuestras asociaciones en el análisis predictivo
para tomar decisiones que tienen un impacto negativo en los individuos puede conducir a
discriminaciones.

2. Vergüenza de las infracciones: Crear conciencia pública al exponer información personal –

robo de identidad

Los ejemplos incluyen violaciones de datos en múltiples minoristas como Target y Home Depot,
cadenas de restaurantes como P.F. Chang's, mercados en línea como eBay, agencias gubernamentales,
universidades, corporaciones de medios en línea como AOL y el reciente hackeo de Sony que no solo
puso películas inéditas en la web, sino que expuso la información personal de miles de empleados.
Además, la conciencia pública sobre el fraude con tarjetas de crédito y el robo de identidad está en su
punto más alto.

3. Abolición del anonimato: La eliminación de solo unos pocos conjuntos de datos puede
conducir a la reidentificación

Sin reglas para archivos de datos anónimos, es posible combinar conjuntos de datos. Sin determinar
primero si se deben eliminar otros elementos de datos antes de combinarse para proteger el anonimato,
es posible que las personas puedan volver a identificarse.

4. Exenciones gubernamentales: Recopilar y agregar más y más información personal a las bases

de datos gubernamentales

Como ejemplo, los estadounidenses están en más bases de datos gubernamentales que nunca, incluida la
del FBI, que recopila información de identificación personal (PII), incluido el nombre, cualquier alias,
raza, sexo, fecha y lugar de nacimiento, número de Seguro Social, número de pasaporte y licencia de
conducir, dirección, números de teléfono, fotografías, huellas dactilares, información financiera como
cuentas bancarias, información de empleo y comercial y más. ¿Y quién garantiza la calidad AAA de
esos datos?

5. Corretaje de datos: Venta de perfiles de datos no protegidos e incorrectos

Numerosas empresas recopilan y venden perfiles de consumidores que no están claramente protegidos
por los marcos legales actuales. Los archivos de datos utilizados para el análisis de big data a menudo
pueden contener datos inexactos sobre individuos, usar modelos de datos que son incorrectos en lo que
se refiere a individuos o simplemente ser algoritmos defectuosos.

6. Mala interpretación de los datos: Tener más datos no es un sustituto de tener datos de alta
calidad:
Si bien uno puede encontrar innumerables opiniones políticas en las redes sociales, estas no son
confiablemente representativas de los votantes. Una parte sustancial de los tweets y publicaciones de
Facebook sobre política son generados por computadora.

Conclusión
El papel y la importancia de la gestión y la gobernanza de la información en la privacidad de los datos
serán un factor clave de éxito para todas las organizaciones con clientes de la Unión Europea. La
próxima semana, desglosaré los fundamentos de los cambios requeridos que entrarán en vigencia con
GDPR.

Más información
 Lea nuestras otras publicaciones de blog de GDPR y GRC Tuesday.

Fuentes

 1
Taylor Armerding en:CSO| Dic 8, 2014
 2
KPMG
 3
EY
 Reforma de las normas de protección de datos de la UE
 Ernest Davis es profesor de Ciencias de la Computación en el Instituto Courant de Ciencias Matemáticas de la Universidad de Nueva
York.