Что такое данные пользователя
Что проверяют
Различаете ли вы данные пользователя как инженерную сущность и как предмет закона. От специалиста по данным ждут не определения из учебника, а понимания, что именно попадает под персональные данные, где оно оседает и чего с ним делать нельзя.
Как отвечать
Данные пользователя это всё, что можно отнести к конкретному человеку прямо или косвенно. Полезно разложить их по происхождению:
- сообщённые самим человеком: анкета, контакты, настройки;
- поведенческие: события, клики, просмотры, покупки, история поиска;
- технические: идентификатор устройства, сетевой адрес, геопозиция, параметры клиента;
- производные: сегменты, скоринги, предсказания модели.
Ключевая мысль: персональными оказываются и те поля, которые инженеру кажутся чисто техническими. Связка обезличенных событий по общему идентификатору снова делает их персональными, если где-то существует таблица сопоставления.
Отсюда инженерные требования: идентификаторы отделяются от атрибутов и псевдонимизируются, доступ выдаётся по назначению, а не по должности, цель сбора и согласие хранятся полем рядом с данными, срок хранения задаётся явно. Для аналитики берутся агрегаты, а витрины строятся так, чтобы по ним нельзя было восстановить одного человека.
Где спотыкаются
Считают персональными только имя и контакты. Идентификатор устройства, точная геопозиция, сетевой адрес и даже редкая комбинация признаков дают идентификацию, а замена почты на её хэш обезличиванием не является.
Удаляют пользователя из основной таблицы и оставляют во всех производных: в логах, витринах, хранилище признаков, выгрузках и обучающих выборках. Удаление это процесс по всем хранилищам, со сроком и проверкой, а не один запрос.
Тянут сырые поля прямо в признаки модели. Пользы обычно мало, зато модель способна запомнить редкое значение и выдать его в предсказании или объяснении, а данные, собранные под одну цель, оказываются использованными под другую, чего согласие не покрывает.