Klasifikacija podataka
Razlikovanje zdravstvenih, ličnih i operativnih podataka prema osetljivosti i svrsi.
Data & AI Engineering
Zdravstveni podaci za analitiku – sa kontrolisanim pristupom
Zdravstvene ustanove povezuju informacije iz administrativnih i stručnih sistema, ali ne smeju da proširuju pristup osetljivim podacima bez jasne svrhe. Razvijamo podatkovne tokove, kontrole kvaliteta i pravila pristupa.
Zdravstveni podaci zahtevaju posebne kontrole
Podaci iz lečenja, naplate, administracije i istraživanja ne smeju se automatski objediniti niti koristiti za bilo koju svrhu. Najpre treba razjasniti kategorije podataka, pravno dozvoljene namene, odgovorne timove i uloge korisnika.
Integracija rešava način na koji sistemi razmenjuju informacije. Data Governance dodatno određuje ko sme da vidi konkretne informacije, za koju svrhu i kako se pristup proverava.
Tehnički elementi kontrolisane platforme
Prava pristupa i evidencija
Ograničavanje prava ulogama i po potrebi pravilima za redove ili kolone, uz praćenje pristupa i izvoza.
Pseudonimizacija i maskiranje
Analiza bez direktnih identifikatora uz zaštitu mape za ponovno povezivanje i procenu rizika identifikacije.
Kvalitet i Data Lineage
Kontrola ažurnosti, potpunosti, poslovnih relacija i izvora relevantnih podataka.
Data proizvodi sa minimalnim obimom
Za svaki scenario odobravamo samo podatke koji su za njega potrebni.
Arhitektura: izvorni sistem, kontrolisana transformacija, data proizvod
Izvorni sistemi zadržavaju odgovornost za osnovne podatke. Pipeline proverava strukturu i stručna pravila, a osetljiva polja se minimizuju ili pseudonimizuju u skladu sa dopuštenom svrhom. Za analitiku se koriste odobreni data proizvodi i prikazi za definisane uloge.
Metapodaci i katalog mogu dokumentovati poreklo, dok kontrole pristupa moraju da se sprovode u bazi, skladištu, API-ju i pri izvozu. Dodatni primer: https://valanor.co/sr/maskiranje-podataka.
Šta određuje izbor alata
OpenMetadata ili DataHub mogu biti korisni za katalog i Data Lineage, a Microsoft Presidio za prepoznavanje potencijalnih PII polja. Analitičke baze imaju različite mogućnosti pristupa i maskiranja; izbor zavisi od integracija, sistema identiteta, lokacije podataka i operativnih zahteva.
Ni jedan alat sam po sebi ne garantuje usklađenost sa propisima. Pravna osnova, procena uticaja na privatnost i sektorska pravila proveravaju se posebno sa nadležnim stručnjacima.
Kako započeti: jedan jasno ograničen analitički scenario
Biramo definisan izveštaj ili analizu sa odgovornim vlasnikom, dokumentujemo tok podataka, ocenjujemo osetljivost i kvalitet i uvodimo uloge i testove. Upotrebu širimo tek kada su pristup i tačnost rezultata provereni u realnim uslovima.
Više o inženjerskom pristupu: https://valanor.co/sr/data-governance i https://valanor.co/sr/data-ai-engineering.
Česta pitanja
Da li se zdravstveni podaci smeju obrađivati u analitičkoj platformi?
Ne postoji univerzalan tehnički odgovor. Pre implementacije treba proveriti pravni osnov, dopuštenu svrhu, zaštitne mere i sektorske obaveze.
Da li je pseudonimizacija isto što i anonimizacija?
Ne. Pseudonimizovani zdravstveni podaci se, po pravilu, i dalje mogu povezati sa osobom uz dodatne informacije.
Kako sprečiti nekontrolisan izvoz podataka?
Minimalnim pravima, proverom svih puteva pristupa, odobrenim data proizvodima, evidencijom izvoza i organizacionim odobrenjima.
Da li je neophodno zameniti postojeće bolničke sisteme?
Ne. Postojeći sistemi se mogu povezati uz kontrolisanu integraciju i transformaciju podataka.
Sledeći korak
Proverimo arhitekturu podataka i pristupe.
U kratkom tehničkom razgovoru razjasnićemo koje podatke želite da koristite, ko sme da im pristupa i koje kontrole su neophodne.
Aleksandar Basara
Managing Director
aleks@valanor.co
Bulevar Milutina Milankovića 7Đ, 11070 Beograd, Srbija
