En corto
- La LOPDP define la anonimización en su artículo 4 y excluye a los datos anonimizados de su ámbito mientras el titular no pueda ser identificado (artículo 2).
- La combinación de unos pocos atributos, como fecha de nacimiento, sexo y ubicación, puede bastar para reidentificar a una persona.
- Las técnicas más usadas son agregar, generalizar y suprimir datos, y conviene probar después si alguien podría reidentificarlos.
Esta guía es información general y no constituye asesoría legal. Para decisiones sobre tu caso, consulta a un abogado.
¿Qué dice la LOPDP sobre la anonimización?
La Ley Orgánica de Protección de Datos Personales la define en su artículo 4 como la aplicación de medidas dirigidas a impedir la identificación o reidentificación de una persona natural, sin esfuerzos desproporcionados. Tres artículos más le dan peso práctico:
- Artículo 2, literal c: la ley no se aplica a los datos anonimizados, en tanto no sea posible identificar a su titular. Si los datos dejan de ser anónimos, vuelven todas las obligaciones, empezando por contar con una base legal para seguir tratándolos.
- Artículo 36: entre las excepciones al consentimiento para comunicar datos, admite la comunicación entre administraciones públicas con fines históricos, estadísticos o científicos, siempre que los datos estén debidamente disociados o al menos anonimizados.
- Artículo 37: incluye la anonimización entre las medidas de seguridad que puede aplicar el responsable o el encargado del tratamiento.
¿Por qué quitar el nombre no es suficiente?
Porque las personas también se identifican por combinación. Un estudio de Rocher, Hendrickx y de Montjoye publicado en 2019 estimó que el 99,98 % de los estadounidenses sería reidentificado correctamente en cualquier conjunto de datos con 15 atributos demográficos. La cifra corresponde a Estados Unidos, pero la lección vale para cualquier país: una fecha de nacimiento, un cantón y un cargo pueden señalar a una sola persona, sobre todo en ciudades pequeñas o empresas con pocos empleados.
¿Qué técnicas se usan?
| Técnica | Qué hace | Ejemplo |
|---|---|---|
| Agregación | Reporta totales por grupo, no registros individuales | Ventas por provincia y mes |
| Generalización | Reemplaza valores exactos por rangos | Edad 37 pasa a «35 a 44 años» |
| Supresión | Elimina columnas o registros que identifican | Se borra la dirección y los casos únicos |
| Perturbación | Altera levemente cada valor para que no coincida con el real | Se suma o resta un margen aleatorio pequeño a cada monto |
Después de aplicarlas, conviene hacer una prueba sencilla: intentar reidentificar a alguien cruzando el resultado con información pública o con otras bases de la empresa.
Un ejemplo en una empresa ecuatoriana
Una cadena de supermercados quiere compartir con un proveedor el comportamiento de compra de su categoría. En lugar de entregar el detalle por cliente con su cédula, entrega ventas por provincia, rango de edad y semana, y suprime las combinaciones con muy pocos clientes, porque un grupo de tres personas en un cantón pequeño podría señalar a alguien. El proveedor obtiene lo que necesita para planificar su producción y la cadena no comunica datos personales.
Errores comunes y límites
- Llamar anónimo a lo que es seudonimizado. Si la empresa conserva la tabla que permite volver a identificar, los datos son seudonimizados y la LOPDP sigue aplicándose.
- Olvidar los cruces. Un archivo que parece anónimo deja de serlo cuando se combina con otra base que comparte fechas, montos o ubicaciones.
- Grupos demasiado pequeños. Las celdas con pocas personas son las primeras en reidentificarse.
- Textos libres sin revisar. Comentarios y transcripciones arrastran nombres y teléfonos.
- Anonimizar datos sensibles a la ligera. Con datos sensibles, como los de salud, un error de reidentificación tiene un costo mucho mayor.
Relación con otros términos
La anonimización es la opción más fuerte cuando el análisis no necesita saber quién es quién; si hace falta volver a la persona, la herramienta es la seudonimización. Cómo decidir entre ambas al usar inteligencia artificial lo explicamos en la guía de inteligencia artificial y datos personales, y el marco completo está en el resumen de la LOPDP.
Preguntas frecuentes
¿Qué es la anonimización de datos?
Es transformar un conjunto de datos para que ya no permita identificar ni volver a identificar a las personas sin esfuerzos desproporcionados. A diferencia de la seudonimización, no se guarda ninguna tabla que permita revertir el cambio.
¿Los datos anonimizados están protegidos por la LOPDP?
No mientras sigan siendo anónimos: el artículo 2 de la LOPDP excluye los datos anonimizados en tanto no sea posible identificar a su titular. Si dejan de serlo, por ejemplo al cruzarlos con otra base, vuelven a aplicarse todas las obligaciones, incluida la de tener una base legal para tratarlos.
¿Basta con borrar el nombre y la cédula?
Casi nunca. Un estudio publicado en Nature Communications en 2019 estimó que el 99,98 % de los estadounidenses podría ser reidentificado en cualquier conjunto de datos con 15 atributos demográficos. Hay que revisar también fechas, ubicaciones, montos poco comunes y textos libres.
Fuentes
- Asamblea Nacional del Ecuador · Registro Oficial, Quinto Suplemento 459 · Ley Orgánica de Protección de Datos Personales (2021-05-26)
- Nature Communications · PubMed Central · Estimating the success of re-identifications in incomplete datasets using generative models (Rocher, Hendrickx y de Montjoye) (2019-07-23)
Revisado el 11 de noviembre de 2026 contra las fuentes citadas. Los precios y normas de terceros pueden cambiar: confirma en la fuente.