{"id":34523,"date":"2018-03-05T07:00:31","date_gmt":"2018-03-05T06:00:31","guid":{"rendered":"https:\/\/e3magpmp.greatsolution.dev\/?p=34523"},"modified":"2022-05-01T09:47:36","modified_gmt":"2022-05-01T07:47:36","slug":"anonimo-es-seguro","status":"publish","type":"post","link":"https:\/\/e3magpmp.greatsolution.dev\/es\/anonimo-es-seguro\/","title":{"rendered":"El anonimato es m\u00e1s seguro"},"content":{"rendered":"

Los datos son un activo central de las empresas. Las tecnolog\u00edas de big data surgidas en los \u00faltimos a\u00f1os permiten el almacenamiento masivo de datos, incluidos, por supuesto, una gran cantidad de datos personales.<\/p>\n

Sin embargo, el almacenamiento y el tratamiento precisamente de estos datos est\u00e1n sujetos a requisitos legales. La base para ello es, entre otros, el C\u00f3digo Civil alem\u00e1n (BGB) con su conservaci\u00f3n de la titularidad, que tambi\u00e9n se aplica a los datos, as\u00ed como normativas especiales en los entornos correspondientes, como el SGB X con los requisitos para los datos de pacientes.<\/p>

\"\"<\/a><\/div>
\"\"<\/a><\/div>
\"\"<\/a><\/div>\n

Cuando entre en vigor a finales de mayo de 2018, el Reglamento General de Protecci\u00f3n de Datos europeo (RGPD de la UE), con sus respectivas adaptaciones nacionales, sustituir\u00e1 tambi\u00e9n a la anterior Ley Federal de Protecci\u00f3n de Datos.<\/p>\n

Al final, esto significa: por defecto, no est\u00e1 permitido almacenar datos personales. Sin embargo, todas estas normativas tambi\u00e9n definen excepciones en las que vuelve a estar permitido.<\/p>\n

Dicha excepci\u00f3n, tal y como suele aplicarse hoy en d\u00eda, es un consentimiento vinculado a una finalidad para el cumplimiento de una relaci\u00f3n comercial, por ejemplo, para la ejecuci\u00f3n de un pedido, la prestaci\u00f3n de un servicio o el env\u00edo de un bolet\u00edn informativo.<\/p>\n

Sin embargo, los permisos dan r\u00e1pidamente la impresi\u00f3n de que estos datos, al igual que otros datos de la empresa, pueden procesarse casi a voluntad. Sin embargo, las empresas deben prestar mucha atenci\u00f3n a d\u00f3nde se almacenan y procesan los datos: los datos personales est\u00e1n sujetos a una protecci\u00f3n especial.<\/p>\n

Los datos personales no pertenecen al sistema de pruebas<\/h3>\n

El uso de datos personales en sistemas de prueba y control de calidad o para sistemas de desarrollo es cr\u00edtico, tanto en el entorno SAP como en el no SAP. Ni siquiera el consentimiento permite el tratamiento de datos personales all\u00ed, porque el consentimiento suele recabarse para un fin espec\u00edfico, como se ha descrito anteriormente.<\/p>\n

Esto no incluye autom\u00e1ticamente el desarrollo y las pruebas. Incluso con el an\u00e1lisis de big data, los conceptos que mejoran la visi\u00f3n global del cliente se mencionan con demasiada facilidad.<\/p>\n

S\u00f3lo as\u00ed se podr\u00e1 vender a los clientes productos y servicios a\u00fan mejores y m\u00e1s adecuados para ellos. Por supuesto, esto exigir\u00eda recopilar, almacenar y analizar muchos datos detallados sobre el individuo.<\/p>\n

As\u00ed, los escenarios de Big Data se refieren a menudo a datos personales, que en esencia no son absolutamente necesarios. Incluso con datos no personales es posible desarrollar nuevos e interesantes modelos de negocio.<\/p>\n

Una de las tendencias inform\u00e1ticas m\u00e1s importantes de 2018 ser\u00e1 la comercializaci\u00f3n de datos por parte de las empresas usuarias. La empresa de estudios de mercado IDC, entre otras, confirm\u00f3 que en 2020, alrededor del 90 % de las grandes empresas generar\u00e1n ingresos directos por la venta de datos en bruto o de percepciones o recomendaciones derivadas de ellos.<\/p>\n

En 2017, segu\u00eda siendo del 50%. Los datos son, por tanto, un recurso que puede aprovecharse, almacenarse y refinarse. La tecnolog\u00eda para recopilar, almacenar y refinar datos se ha seguido desarrollando en los \u00faltimos a\u00f1os, ya sea mediante sistemas de almacenamiento rentables o nuevos conceptos de bases de datos.<\/p>\n

Por lo tanto, una de las tareas importantes de los directores de TI y los responsables de la transformaci\u00f3n digital ser\u00e1 encaminar correctamente la comercializaci\u00f3n de sus propios datos.<\/p>\n

La capitalizaci\u00f3n de datos est\u00e1 plenamente en boga. Sin embargo, debido a las disposiciones legales antes mencionadas, s\u00f3lo en contadas ocasiones puede tratarse de datos personales.<\/p>\n

\"Gr\u00e1fico\"<\/a><\/p>\n

\u00bfAnonimizar o eliminar?<\/h3>\n

No hay problemas con la capitalizaci\u00f3n de la informaci\u00f3n con datos anonimizados. Libelle AG de Stuttgart, conocida anteriormente por sus soluciones en torno a la alta disponibilidad de bases de datos SAP y no SAP y copias de sistemas SAP y no SAP, ha seguido desarrollando los conocimientos de estos dos temas y con Libelle DataMasking (LDM) ha desarrollado una soluci\u00f3n para la anonimizaci\u00f3n y seudonimizaci\u00f3n necesarias.<\/p>\n

La soluci\u00f3n se dise\u00f1\u00f3 para producir datos an\u00f3nimos y l\u00f3gicamente coherentes sobre sistemas de desarrollo, pruebas y control de calidad en todas las plataformas. Los m\u00e9todos de anonimizaci\u00f3n utilizados proporcionan valores realistas y l\u00f3gicamente correctos con los que pueden describirse casi todos los casos empresariales y probarse de forma significativa de extremo a extremo.<\/p>\n

Entre los m\u00e9todos para tratar los datos cr\u00edticos, especialmente los personales, antes de su divulgaci\u00f3n o tratamiento posterior figuran la seudonimizaci\u00f3n y la anonimizaci\u00f3n. Sin embargo, una buena anonimizaci\u00f3n puede ser m\u00e1s dif\u00edcil de lo que parece a primera vista.<\/p>\n

Una posibilidad sencilla es borrar o sobrescribir los datos reales cr\u00edticos en los sistemas no productivos. Sin embargo, los conjuntos de datos individuales pierden sus conexiones y dependencias l\u00f3gicas entre s\u00ed, y por tanto su utilidad.<\/p>\n

Pseudonimizaci\u00f3n<\/h3>\n

La seudonimizaci\u00f3n consiste en sustituir los datos reales por datos falsos, normalmente valores num\u00e9ricos simples. Sin embargo, en muchos casos no basta con sustituir, por ejemplo, los apellidos, el nombre y la fecha de nacimiento o similares de la base de datos de clientes por valores falsos.<\/p>\n

A menudo, basta una simple comparaci\u00f3n de estas bases de datos con gu\u00edas telef\u00f3nicas de acceso p\u00fablico para recuperar tambi\u00e9n la referencia personal. Por lo tanto, deben utilizarse procedimientos especiales de alta calidad para la anonimizaci\u00f3n.<\/p>\n

Libelle DataMasking es una soluci\u00f3n para el tratamiento automatizado de datos sensibles. Permite manejar conjuntos de datos arbitrariamente complejos con m\u00e9todos de anonimizaci\u00f3n exhaustivos.<\/p>\n

Las funciones preconfiguradas pueden aplicarse r\u00e1pida y f\u00e1cilmente a los campos de datos que se hayan identificado como cr\u00edticos y sensibles. De este modo, los gestores profesionales y\/o t\u00e9cnicos pueden recurrir a reglas estandarizadas y, adem\u00e1s, establecer reglas arbitrariamente complejas con las que calcular, por ejemplo, tipos de datos altamente estructurados y parlantes.<\/p>\n

Datos limpios para desarrollo y pruebas<\/h3>\n

No siempre es obvio para los administradores y programadores de aplicaciones qu\u00e9 datos pertenecen realmente a los datos sensibles. Un componente central de la soluci\u00f3n de anonimizaci\u00f3n de Libelle es el LDM Explorer para el an\u00e1lisis \u00fanico o, tras cambios estructurales, tambi\u00e9n recurrente de bases de datos y sistemas de archivos y sus respectivos modelos de datos en busca de contenidos que deban anonimizarse.<\/p>\n

Las personas responsables comprueban, verifican y, en caso necesario, completan los resultados del LDM Explorer para luego vincularlos a los procedimientos t\u00edpicos de anonimizaci\u00f3n a trav\u00e9s del LDM Associator.<\/p>\n

Esto constituye la base para una anonimizaci\u00f3n autom\u00e1tica, l\u00f3gicamente continua y coherente de conjuntos de datos relacionados a trav\u00e9s de los l\u00edmites del sistema. LDM ofrece actualmente 75 perfiles de anonimizaci\u00f3n normalizados para situaciones est\u00e1ndar.<\/p>\n

Una vez identificados los datos y vinculados a los correspondientes procedimientos de anonimizaci\u00f3n, entran en vigor los pasos operativos de anonimizaci\u00f3n del LDM. Adem\u00e1s de los casos especiales espec\u00edficos de la empresa, estos pasos ya se ocupan de los campos de nombre, la informaci\u00f3n de direcci\u00f3n, los datos bancarios y datos como la fecha de nacimiento y la fecha de pedido. Los \u00edndices tambi\u00e9n se reconstruyen en la medida en que se vean afectados.<\/p>\n

Otros escenarios<\/h3>\n

Los desarrolladores y usuarios disponen as\u00ed de una base de datos \"limpia\" con la que no tienen que preocuparse por la protecci\u00f3n de datos. Existen muchos otros escenarios de aplicaci\u00f3n para Libelle DataMasking, incluidos los ejemplos mencionados al principio para compartir datos anonimizados dentro de una cadena de suministro, en el contexto de un pool de datos abiertos o en marketing comercial.<\/p>","protected":false},"excerpt":{"rendered":"

Los datos personales merecen, con raz\u00f3n, un alto nivel de protecci\u00f3n. Esto resulta dif\u00edcil en entornos de aplicaciones multinivel (como SAP). All\u00ed, estos datos s\u00f3lo pueden almacenarse en el sistema de producci\u00f3n. Pero, \u00bfc\u00f3mo pueden realizarse pruebas realistas en entornos de prueba sin datos reales?<\/p>","protected":false},"author":102,"featured_media":36787,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"rank_math_lock_modified_date":false,"footnotes":""},"categories":[4,20719],"tags":[8645,606,1993,7629,15787,1207],"coauthors":[21837],"class_list":["post-34523","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-management","category-mag-1803","tag-big-data-analytics","tag-daten","tag-datenschutz","tag-datenschutz-grundverordnung","tag-eu-dsgvo","tag-hochverfuegbarkeit"],"featured_image_urls_v2":{"full":["https:\/\/e3magpmp.greatsolution.dev\/wp-content\/uploads\/2018\/04\/shutterstock_631813295_cmyk.jpg",1000,409,false],"thumbnail":["https:\/\/e3magpmp.greatsolution.dev\/wp-content\/uploads\/2018\/04\/shutterstock_631813295_cmyk-150x150.jpg",150,150,true],"medium":["https:\/\/e3magpmp.greatsolution.dev\/wp-content\/uploads\/2018\/04\/shutterstock_631813295_cmyk.jpg",400,164,false],"medium_large":["https:\/\/e3magpmp.greatsolution.dev\/wp-content\/uploads\/2018\/04\/shutterstock_631813295_cmyk-768x314.jpg",768,314,true],"large":["https:\/\/e3magpmp.greatsolution.dev\/wp-content\/uploads\/2018\/04\/shutterstock_631813295_cmyk.jpg",1000,409,false],"image-100":["https:\/\/e3magpmp.greatsolution.dev\/wp-content\/uploads\/2018\/04\/shutterstock_631813295_cmyk-100x41.jpg",100,41,true],"image-480":["https:\/\/e3magpmp.greatsolution.dev\/wp-content\/uploads\/2018\/04\/shutterstock_631813295_cmyk-480x196.jpg",480,196,true],"image-640":["https:\/\/e3magpmp.greatsolution.dev\/wp-content\/uploads\/2018\/04\/shutterstock_631813295_cmyk-640x262.jpg",640,262,true],"image-720":["https:\/\/e3magpmp.greatsolution.dev\/wp-content\/uploads\/2018\/04\/shutterstock_631813295_cmyk-720x294.jpg",720,294,true],"image-960":["https:\/\/e3magpmp.greatsolution.dev\/wp-content\/uploads\/2018\/04\/shutterstock_631813295_cmyk-960x393.jpg",960,393,true],"image-1168":["https:\/\/e3magpmp.greatsolution.dev\/wp-content\/uploads\/2018\/04\/shutterstock_631813295_cmyk.jpg",1000,409,false],"image-1440":["https:\/\/e3magpmp.greatsolution.dev\/wp-content\/uploads\/2018\/04\/shutterstock_631813295_cmyk.jpg",1000,409,false],"image-1920":["https:\/\/e3magpmp.greatsolution.dev\/wp-content\/uploads\/2018\/04\/shutterstock_631813295_cmyk.jpg",1000,409,false],"1536x1536":["https:\/\/e3magpmp.greatsolution.dev\/wp-content\/uploads\/2018\/04\/shutterstock_631813295_cmyk.jpg",1000,409,false],"2048x2048":["https:\/\/e3magpmp.greatsolution.dev\/wp-content\/uploads\/2018\/04\/shutterstock_631813295_cmyk.jpg",1000,409,false],"trp-custom-language-flag":["https:\/\/e3magpmp.greatsolution.dev\/wp-content\/uploads\/2018\/04\/shutterstock_631813295_cmyk.jpg",18,7,false],"bricks_large_16x9":["https:\/\/e3magpmp.greatsolution.dev\/wp-content\/uploads\/2018\/04\/shutterstock_631813295_cmyk.jpg",1000,409,false],"bricks_large":["https:\/\/e3magpmp.greatsolution.dev\/wp-content\/uploads\/2018\/04\/shutterstock_631813295_cmyk.jpg",1000,409,false],"bricks_large_square":["https:\/\/e3magpmp.greatsolution.dev\/wp-content\/uploads\/2018\/04\/shutterstock_631813295_cmyk.jpg",1000,409,false],"bricks_medium":["https:\/\/e3magpmp.greatsolution.dev\/wp-content\/uploads\/2018\/04\/shutterstock_631813295_cmyk.jpg",600,245,false],"bricks_medium_square":["https:\/\/e3magpmp.greatsolution.dev\/wp-content\/uploads\/2018\/04\/shutterstock_631813295_cmyk.jpg",600,245,false],"profile_24":["https:\/\/e3magpmp.greatsolution.dev\/wp-content\/uploads\/2018\/04\/shutterstock_631813295_cmyk-24x24.jpg",24,24,true],"profile_48":["https:\/\/e3magpmp.greatsolution.dev\/wp-content\/uploads\/2018\/04\/shutterstock_631813295_cmyk-48x48.jpg",48,48,true],"profile_96":["https:\/\/e3magpmp.greatsolution.dev\/wp-content\/uploads\/2018\/04\/shutterstock_631813295_cmyk-96x96.jpg",96,96,true],"profile_150":["https:\/\/e3magpmp.greatsolution.dev\/wp-content\/uploads\/2018\/04\/shutterstock_631813295_cmyk-150x150.jpg",150,150,true],"profile_300":["https:\/\/e3magpmp.greatsolution.dev\/wp-content\/uploads\/2018\/04\/shutterstock_631813295_cmyk-300x300.jpg",300,300,true]},"post_excerpt_stackable_v2":"

Personenbezogene Daten verdienen zu Recht einen hohen Schutz. Schwierig wird es in mehrstufigen Applikationsumgebungen (wie SAP). Dort d\u00fcrfen diese Daten ausschlie\u00dflich auf dem Produktivsystem liegen. Doch wie soll ohne Echtdaten in Testumgebungen realistisch getestet werden?<\/p>\n","category_list_v2":"Business Management<\/a>, MAG 18-03<\/a>","author_info_v2":{"name":"Holm Landrock, IT-Fachjournalist","url":"https:\/\/e3magpmp.greatsolution.dev\/es\/author\/holm-landrock\/"},"comments_num_v2":"0 comentarios","acf":[],"_links":{"self":[{"href":"https:\/\/e3magpmp.greatsolution.dev\/es\/wp-json\/wp\/v2\/posts\/34523","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/e3magpmp.greatsolution.dev\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/e3magpmp.greatsolution.dev\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/e3magpmp.greatsolution.dev\/es\/wp-json\/wp\/v2\/users\/102"}],"replies":[{"embeddable":true,"href":"https:\/\/e3magpmp.greatsolution.dev\/es\/wp-json\/wp\/v2\/comments?post=34523"}],"version-history":[{"count":0,"href":"https:\/\/e3magpmp.greatsolution.dev\/es\/wp-json\/wp\/v2\/posts\/34523\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/e3magpmp.greatsolution.dev\/es\/wp-json\/wp\/v2\/media\/36787"}],"wp:attachment":[{"href":"https:\/\/e3magpmp.greatsolution.dev\/es\/wp-json\/wp\/v2\/media?parent=34523"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/e3magpmp.greatsolution.dev\/es\/wp-json\/wp\/v2\/categories?post=34523"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/e3magpmp.greatsolution.dev\/es\/wp-json\/wp\/v2\/tags?post=34523"},{"taxonomy":"author","embeddable":true,"href":"https:\/\/e3magpmp.greatsolution.dev\/es\/wp-json\/wp\/v2\/coauthors?post=34523"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}