Los datos no personales (DNP) son datos electrónicos que no contienen ninguna información que pueda utilizarse para identificar a una persona física . Por lo tanto, pueden ser aquellos que no tienen información personal en un principio (como datos meteorológicos, precios de acciones, datos de sensores IoT anónimos); o datos que tenían datos personales que posteriormente fueron pseudoanonimizados (por ejemplo, cadenas identificables sustituidas por cadenas aleatorias) o anonimizados (como mediante la eliminación irreversible de todos los datos personales). Los DNP forman parte de la estrategia general de gobernanza de datos de una región o país. Si bien los datos personales están cubiertos por la legislación de protección de datos como el RGPD, otros tipos de datos entrarían en el ámbito de aplicación del Reglamento DNP.

Importancia de los datos no personales Se ha señalado que el futuro está impulsado por los datos. Esto significa que gran parte de la innovación actual tiene lugar en ámbitos como el aprendizaje automático y la inteligencia artificial se alimenta de datos, los cuales son necesarios para calibrar modelos complejos (basados tanto en redes neuronales como de otros tipos). Cuanto mayor sea el volumen, la diversidad y la calidad de los datos, mayor será la calidad del modelo, lo que conducirá a mejores predicciones y explicaciones.

Sin embargo, hay una cara opuesta a la disponibilidad de datos. La creciente concienciación sobre la privacidad y la consecuente necesidad de Regulaciones de Protección de Datos potentes (como el RGPD ) dificultan cada vez más, o incluso imposibilitan, la obtención de datos en las cantidades necesarias. Esto es una contradicción, y la única solución sería eliminar todos los datos personales de los conjuntos de datos (ya sea mediante la anonimización o la seudonimización de datos, junto con la inyección de ruido, en cuyo caso se convierte en DNP).

Por lo tanto, muchos países que promueven la innovación están creando regímenes regulatorios que garantizarán que los datos personales estén protegidos, mientras que, al mismo tiempo, los datos no personales puedan extraerse de los datos personales para fomentar la innovación. En otras palabras, los DNP 'desbloquean' valor que estaba oculto en conjuntos de datos que contienen información de identificación personal. Se espera que, una vez que las regulaciones estén vigentes, múltiples conjuntos de datos DNP comiencen a estar disponibles de forma gratuita o comercial por parte de diferentes proveedores.

Marcos regulatorios emergentes Los datos no personales tienen usos significativos que pueden ser económicos, sociales, políticos o relacionados con la seguridad. Varios países y regiones están en proceso de regular el uso de los datos no personales. En mayo de 2019, la Unión Europea puso en práctica su Reglamento sobre la Libre Circulación de Datos No Personales. India anunció la creación de un comité de expertos de nueve miembros para formular recomendaciones sobre la regulación de los datos no personales en 2019. Este comité publicó su primer informe a mediados de 2020. El informe se abrió a comentarios públicos, después de lo cual fue revisado y publicado en diciembre de 2020.

Propuesta de marco regulatorio del NPD en la India Los siguientes fueron los objetivos de la regulación india propuesta, según el informe revisado:

Soberanía : India tiene derechos sobre los datos de la India, su gente y sus organizaciones. Beneficio para la India: Los beneficios de los datos deben beneficiar a la India y a su gente. Beneficia al mundo: Innovación, nuevos modelos y algoritmos para el mundo. Privacidad : Se deben evitar el uso indebido, la reidentificación y los daños. Simplicidad: La normativa debe ser sencilla, digital y sin ambigüedades. Innovación y emprendimiento: los datos deberían estar disponibles gratuitamente para la innovación y el emprendimiento en la India.

Preocupaciones La principal preocupación en el uso de NPD es si existen técnicas (estadísticas o basadas en IA) mediante las cuales se puedan utilizar múltiples conjuntos de datos para extraer datos de identificación personal.

Referencias

Categoría:Gestión de datos Categoría:Técnicas de anonimización de Datos