サービスが集めるデータと同意

データの収集とは、アプリやお店が、あなたの行動や情報を記録して集めることです。どんなデータが集まり、何に使われるかがわかると、自分の情報を守る選び方ができます。

ポイントカードを作ると、何を買ったかが記録されます。地図アプリは、あなたがいた場所を覚えています。今日はその中身を見ていきます。

集まるデータは、3種類に分けられます。1つ目は、あなたが自分で入力したデータです。名前や誕生日がそうです。

2つ目は、使うだけで記録されるデータです。いた場所、見た時間、押したボタンです。3つ目は、そこから計算で推測されたデータで、好みや年代の見当などです。

理由は4つあります。1つ目は、サービスを動かすためです。配達アプリは、届け先の住所がないと動きません。

2つ目は、サービスをよくするためです。どの画面で利用者がやめるかを見て、直します。3つ目は広告のため、4つ目はデータそのものを売るためです。同意の画面では、どの理由なのかを読みましょう。

集めたデータは、1つの表に並べて分析します。このラボの hires.csv は、自転車の貸し出しの記録です。1日が1行です。

下の Run で、最初の4行と、全部で何行あるかを見ます。列の名前は、いちばん上の1行に書いてあります。

docker exec jupyter head -4 hires.csv

docker exec jupyter wc -l hires.csv

docker exec jupyter python3 steps/load.py

366行のうち、1行は列の名前です。残りの365行は、365日です。名前も、住所も、誰が借りたかも入っていません。

入っているのは、その日の天気と、借りられた数だけです。人ではなく日を数えているので、この表だけでは誰のことかはわかりません。

同意とは、何のデータを、何のために使うかを知ったうえで、使ってよいと答えることです。ボタンを押すだけで進める画面でも、押したあとに集まるデータの中身は変わりません。

多くの国には、データ保護の法律があります。何を集めるかを利用者に知らせることや、あとから見せたり消したりを頼めることが決められています。

匿名化では、誰のことかわかる部分を取りのぞいたり、粗くしたりします。名前は消します。年齢は10代、20代のような帯にします。郵便番号は、最初の3けただけにします。

粗くすると、1人だけが目立つことが減ります。同じ帯、同じ地域の人が、たくさんいるようにするのです。

人口が少ない町では、郵便番号の3けただけでも、同じ地域の人が数人しかいないことがあります。

そんなとき、匿名化はどうすればもっと強くなるでしょうか。帯を広げるか、地域を大きくするか、考えてみましょう。ヒントは教員メモにあります。