Anonimización de datos: qué es, técnicas y la diferencia con la seudonimización

La anonimización de datos es el proceso de transformar información que identifica a una persona en datos que ya no pueden vincularse a nadie, ni de forma directa ni indirecta. En la práctica, tomas un registro que tiene nombre, CPF (el número de identificación fiscal de las personas físicas en Brasil), dirección y teléfono y lo conviertes en un registro que sigue siendo útil para el análisis, pero que no apunta a ningún individuo real. Cuando la anonimización se hace de verdad, el dato deja de ser dato personal.

Esto no es un detalle jurídico. La propia LGPD (Ley General de Protección de Datos de Brasil), la Ley 13.709/2018, define la anonimización como el uso de medios técnicos razonables y disponibles en el momento del tratamiento para que el dato pierda la posibilidad de asociarse a una persona. Y la ley va más allá: el dato anonimizado, por regla general, sale del alcance de la LGPD, porque ya no hay un titular que proteger. Esa es la gran diferencia con simplemente borrar una columna o cambiar el nombre por un apodo. Anonimizar bien es lo que permite usar la base para estudio, pruebas y entrenamiento de modelos sin cargar con el riesgo de exponer personas.

El problema empieza cuando la empresa cree que anonimizó y no anonimizó. Cambiar el nombre por un código, pero mantener fecha de nacimiento, CEP (el código postal de Brasil) y cargo en la misma fila, muchas veces todavía permite volver a la persona. Esto ocurre mucho, y ahí está el riesgo.

Anonimización y seudonimización: cuál es la diferencia

Estos dos términos se tratan constantemente como sinónimos, y no lo son. La diferencia es simple y lo cambia todo a la hora de responder por un incidente.

En la anonimización, el camino de vuelta a la persona se elimina. Lo ideal es que sea irreversible. Hecha correctamente, saca el dato del alcance de la LGPD, porque nadie puede reidentificar al titular.

En la seudonimización, el dato pierde la vinculación directa con la persona, pero existe una información adicional guardada por separado que permite revertir y reidentificar. Es el caso clásico de sustituir el CPF por un identificador y mantener, en un entorno controlado y seguro, la tabla que vincula ese identificador con el CPF verdadero. La LGPD trata la seudonimización en el artículo 13, en el contexto de los estudios en salud pública, y el punto central es este: el dato seudonimizado sigue siendo dato personal y sigue bajo la ley. Queda más protegido, pero no sale del juego.

Traducido al día a día: la seudonimización es una medida de seguridad que reduce el riesgo. La anonimización es un cambio de categoría del dato. Quien confunde las dos suele prometer a la dirección un nivel de protección que la base no tiene.

Vale una advertencia que la mayoría ignora. La anonimización no es permanente por decreto. Depende de los medios técnicos disponibles en el momento. Una base considerada anónima hoy puede volverse reidentificable mañana, cuando surja una nueva técnica o cuando se cruce con otra base pública. Si el dato vuelve a apuntar a una persona, vuelve a ser dato personal y la LGPD vuelve a regir sobre él.

Cómo funciona la anonimización en la práctica

No existe un botón de anonimizar. Existe un conjunto de técnicas, y la elección depende de lo que necesitas preservar en el análisis.

La supresión simplemente elimina el campo que identifica, como borrar la columna de CPF. La generalización cambia el valor exacto por un rango, convirtiendo la edad 37 en "entre 30 y 40 años" o el CEP completo en solo la región. El enmascaramiento mezcla o sustituye parte del dato, mostrando solo los últimos dígitos de un documento. La perturbación agrega un ruido estadístico controlado a los números, de modo que el total del conjunto sigue siendo confiable, pero ningún registro individual coincide con la realidad. Y hay técnicas más robustas, como la k-anonimidad, que garantiza que cada combinación de atributos aparezca repetida en al menos un número mínimo de registros, de modo que una fila nunca quede sola e identificable.

El punto que separa a quien sabe de quien improvisa es el cuidado con los cuasi-identificadores. Nombre y CPF son obvios. El peligro está en la combinación de campos aparentemente inofensivos. Cargo, ciudad, rango salarial y fecha de ingreso, juntos, pueden apuntar a una única persona dentro de una empresa. Anonimizar de verdad es mirar el registro completo, no solo la columna del documento.

Dónde aparece esto en el día a día de las empresas

Quien trabaja con datos maestros se topa con este tema todo el tiempo, aunque no lo llame por su nombre.

El caso más común es el entorno de pruebas y homologación. La empresa va a probar una nueva versión del ERP o un nuevo informe y copia toda la base de producción al entorno de desarrollo. De repente, el maestro de clientes real, con nombre, documento y contacto, está en una base a la que accede mucha gente y que casi nunca tiene el mismo nivel de protección que producción. Anonimizar esa copia antes de liberarla al equipo técnico resuelve el riesgo sin frenar el trabajo.

El segundo caso es el análisis y el intercambio. Cuando el área de negocio quiere estudiar un patrón de compra, el comportamiento de un cliente o el perfil de un proveedor, rara vez necesita saber quién es la persona. Necesita el patrón. Una base anonimizada entrega el análisis y elimina la exposición. Lo mismo vale cuando la empresa contrata a un socio externo para una consultoría y necesita enviar datos hacia afuera.

El tercer caso es la inteligencia artificial, y este crece todos los días. Los modelos se entrenan con volumen de datos, y entrenar con dato personal crudo es asumir un riesgo enorme. Aquí entra un punto que repito siempre: anonimizar no arregla un dato malo. Si la base está duplicada, con un proveedor dado de alta tres veces y un cliente escrito de cinco formas distintas, vas a anonimizar el mismo error varias veces y entrenar el modelo sobre un desorden protegido. Privacidad y calidad son capas diferentes, y ninguna sustituye a la otra.

Qué herramientas ayudan

El mercado tiene opciones, y suelen vivir dentro de las plataformas de calidad, integración y gobernanza que las empresas ya usan. Informatica ofrece enmascaramiento estático y dinámico de datos. Microsoft trata el tema dentro de Purview y de SQL Server, con recursos de data masking. IBM tiene InfoSphere Optim para datos de prueba. Herramientas como Delphix y K2view son fuertes en aprovisionar entornos de prueba ya enmascarados. En calidad y gobernanza, plataformas como Ataccama traen recursos de protección junto con perfilado y limpieza. Y en el mundo abierto existen proyectos como ARX, orientado específicamente a la anonimización estadística.

La herramienta importa, pero es la última etapa. Antes de ella viene la decisión de qué datos son sensibles, quién puede acceder a qué y qué técnica cabe en cada caso. Sin esa definición, la herramienta solo automatiza una elección que nadie pensó bien.

El vínculo con la gobernanza de datos

La anonimización parece un tema de seguridad y jurídico, pero no funciona sin gobernanza de datos por debajo. Para anonimizar de forma consistente, la empresa necesita saber dónde están los datos personales, qué campos son sensibles, quién es el dueño de cada base y cuál es el ciclo de vida de cada información. Eso es catálogo de datos, clasificación, dueño del dato y política. Es gobernanza.

Quien ya participó en un proyecto serio sabe que el inventario de datos personales y el diccionario de datos son justamente lo que permite anonimizar sin romper la operación. Sin ese mapa, cada anonimización se vuelve un proyecto desde cero, hecho a las apuradas y normalmente incompleto. Con gobernanza, se convierte en un proceso repetible. Es la diferencia entre reaccionar a una exigencia y tener control sobre la propia base.

Cómo aprender y especializarse

La anonimización se sienta en la frontera entre privacidad, calidad de datos y gobernanza, y por eso abre tantas puertas. Un buen camino es dominar primero los fundamentos de gobernanza y gestión de datos, entender la LGPD en la práctica, aprender las técnicas estadísticas de anonimización y conocer las herramientas de enmascaramiento del mercado. La referencia de cuerpo de conocimiento del área es el DAMA-DMBOK, y la certificación CDMP, de DAMA, ayuda a quien quiere formalizar ese conocimiento y crecer en la carrera de datos.

Lo que el mercado valora no es memorizar la definición de la ley. Es saber mirar una base real, identificar los cuasi-identificadores, elegir la técnica correcta y explicar a la dirección el riesgo que quedó. Esa combinación de visión técnica y visión de negocio es rara, y es exactamente lo que pone a un profesional por delante.

Principales dudas

¿Un dato anonimizado sigue siendo dato personal? No, siempre que la anonimización sea efectiva y no permita reidentificar a la persona. En ese caso, el dato sale del alcance de la LGPD. Si es posible revertirlo y llegar de vuelta al titular, sigue siendo dato personal.

¿Anonimización y seudonimización son lo mismo? No. La anonimización elimina el camino de vuelta a la persona y busca ser irreversible. La seudonimización mantiene una clave separada que permite reidentificar, por lo que el dato sigue siendo personal y bajo la ley.

¿Anonimizar es lo mismo que cifrar? No. El cifrado protege el dato en el almacenamiento y en el transporte, pero es reversible para quien tiene la clave. La anonimización apunta a volver inviable la reidentificación, cambiando la naturaleza del dato.

¿La anonimización es siempre definitiva? No. Depende de las técnicas disponibles en el momento. Una base tenida por anónima puede volverse reidentificable con nuevas técnicas o con el cruce de otras fuentes.

¿Necesito anonimizar antes de usar datos en IA? Es la práctica recomendada siempre que el modelo no necesite el dato personal identificado. Pero recuerda que anonimizar no mejora la calidad de la base. Un dato malo anonimizado sigue siendo malo.

MDM Academy

La MDM Academy es la escuela de gobernanza de datos y datos maestros de 4MDG. Nació para formar profesionales que resuelvan, en la práctica, los problemas que describe este artículo: base expuesta en un entorno de pruebas, maestro duplicado que perjudica el análisis, falta de una política clara sobre datos sensibles y proyectos de IA construidos sobre datos en los que nadie confía. El foco es unir concepto y aplicación, con contenido que traduce lo técnico en impacto de negocio.

Si trabajas con alta y mantenimiento de registros maestros, compras, supply chain, TI o gobernanza y quieres convertir tu experiencia en carrera, vale la pena conocer la MDM Academy y entrar al Club de los Datos, donde la comunidad intercambia experiencia real sobre estos desafíos todos los días.

Conclusión

La anonimización de datos no es un truco técnico para escapar de la LGPD. Es una decisión consciente de seguir usando el valor de la información sin cargar con el riesgo de exponer personas. Bien hecha, libera a la empresa para probar, analizar y entrenar modelos con tranquilidad. Hecha a medias, crea una falsa sensación de seguridad, que suele ser peor que no haber hecho nada.

Y el mensaje que importa es este: anonimización y calidad caminan juntas, pero no se sustituyen. De nada sirve proteger una base en la que nadie puede confiar. La empresa que trata la privacidad y la gobernanza como el mismo trabajo, y no como tareas separadas, es la que realmente gana control sobre sus propios datos.