अच्छा निर्णय लेने के लिए किसी विशेषज्ञ के बारे में कितना जानना जरूरी है? पेशेवर डेटा के चरणबद्ध प्रकटीकरण का मॉडल

GDPR के अनुसार व्यक्तिगत डेटा उस उद्देश्य के लिए पर्याप्त, प्रासंगिक और आवश्यक सीमा तक सीमित होना चाहिए जिसके लिए उसे संसाधित किया जा रहा है। यह अनुच्छेद 5(1)(c) का डेटा न्यूनतमकरण सिद्धांत है। [1]

अनुच्छेद 25(2) आगे यहआवश्यक करता है कि डिफॉल्ट रूप से केवल वही व्यक्तिगत डेटा संसाधित किया जाए जो हर विशिष्ट उद्देश्य के लिए आवश्यक हो। इसमें एकत्र डेटा की मात्रा, संसाधन का दायरा, भंडारण अवधि और पहुंच शामिल हैं। [1]

यूरोपीय आयोग इसी सिद्धांत को सरल रूप में समझाता है: किसी संगठन को केवल वही व्यक्तिगत डेटा एकत्र और संसाधित करना चाहिए जो निर्धारित उद्देश्य पूरा करने के लिए आवश्यक हो। [2]

इसका अर्थ यह नहीं है कि कानून विशेषज्ञ मंच को नाम या फोटो किसी निश्चित चरण तक छिपाने के लिए बाध्य करता है। इस लेख का मॉडल डेटा और उस तक पहुंच सीमित करने के सिद्धांत की व्यावहारिक व्याख्या है, किसी एक कानूनी प्रावधान से निकला औपचारिक नियम नहीं।

जब तक यह साफ न हो कि डेटा किस काम के लिए चाहिए, "कौन सा डेटा जरूरी है?" का सही जवाब नहीं दिया जा सकता।

अलग-अलग स्थितियों में अलग जानकारी चाहिए, जैसे:

• सैकड़ों प्रोफाइल देखना,
• अंतिम सूची में दो लोगों की तुलना करना,
• किसी को बातचीत के लिए बुलाना,
• किसी खास पेशेवर अनुमति की जांच करना,
• सेवा की शर्तें तय करना,
• अनुबंध करना,
• भुगतान करना या कानूनी दायित्व पूरा करना.

डेटा न्यूनतमकरण का अर्थ "हमेशा सबसे कम जानकारी दिखाओ" नहीं है। इसका अर्थ है डेटा को उस सीमा तक रखना जो किसी स्पष्ट उद्देश्य के लिए पर्याप्त और आवश्यक हो। [1]

यह अंतर महत्वपूर्ण है।

यदि मंच विशेषज्ञ का पूरा नाम संग्रहित करता है लेकिन प्रोफाइल देखने वाले व्यक्ति को नहीं दिखाता, तब भी वह डेटा संसाधित हो रहा है। GDPR में संसाधन की परिभाषा व्यापक है और इसमें संग्रह, भंडारण, प्राप्ति, उपयोग और खुलासा शामिल हैं। [1]

जानकारी छिपाने से कुछ प्राप्तकर्ताओं के लिए उसकी पहुंच कम हो सकती है, और अनुच्छेद 25(2) में पहुंच को स्पष्ट रूप से शामिल किया गया है। लेकिन यह डेटा संसाधन न होने के बराबर नहीं है। [1]

अच्छी गोपनीयता संरचना को तीन अलग सवालों का जवाब देना चाहिए:

• मंच कौन सा डेटा रखता है,
• उस तक कौन पहुंच सकता है,
• उसे कब और किस उद्देश्य से किसी दूसरे पक्ष को दिखाया जा सकता है.

छद्मनामीकरण और अनामीकरण एक ही बात नहीं हैं।

यूरोपीय डेटा संरक्षण बोर्ड समझाता है कि छद्मनामीकरण डेटा को किसी खास व्यक्ति से जोड़ने की संभावना कम करता है, लेकिन उस संबंध को पूरी तरह खत्म नहीं करता। यदि अतिरिक्त जानकारी से डेटा को फिर किसी व्यक्ति से जोड़ा जा सकता है, तो वह छद्मनामित डेटा भी व्यक्तिगत डेटा ही रहता है। [4]

इसलिए "विशेषज्ञ 184" नाम वाला प्रोफाइल, जिसकी वास्तविक पहचान अलग से रखी गई हो, कानून की नजर में अपने आप गुमनाम नहीं हो जाता।

छद्मनामीकरण एक सुरक्षा उपाय है, GDPR से डेटा को बाहर करने का तरीका नहीं।

GDPR यहां एक महत्वपूर्ण अंतर बताता है जिसे अक्सर जरूरत से ज्यादा सरल कर दिया जाता है।

प्रस्तावना बिंदु 51 कहता है कि फोटो को हमेशा विशेष श्रेणी का डेटा नहीं माना जाना चाहिए। फोटो संबंधित बायोमेट्रिक डेटा की परिभाषा में तब आता है जब उस पर ऐसी खास तकनीकी प्रक्रिया की जाए जिससे किसी व्यक्ति की विशिष्ट पहचान या प्रमाणीकरण संभव हो। [1]

इसका अर्थ यह नहीं कि सामान्य फोटो व्यक्तिगत डेटा नहीं हो सकता। वह हो सकता है। इसका अर्थ केवल यह है कि किसी व्यक्ति को दिखाने भर से फोटो अपने आप विशेष श्रेणी का बायोमेट्रिक डेटा नहीं बन जाता।

गुमनाम नौकरी आवेदनों पर शोध दिखाता है कि पहचान संबंधी जानकारी सीमित करने से कुछ परिस्थितियों में प्रारंभिक चयन में भेदभाव की बाधाएं कम हो सकती हैं। साथ ही परिणाम संदर्भ पर निर्भर करते हैं, और गुमनामी भेदभाव को केवल बाद के चरण तक टाल सकती है या अनपेक्षित प्रभाव पैदा कर सकती है। [6]

इसलिए यह कहना सही नहीं है:

"नाम और फोटो छिपाने से पक्षपात खत्म हो जाता है।"

उपलब्ध प्रमाणों के अधिक अनुरूप कथन है:

"कुछ पहचान संबंधी जानकारी सीमित करने से पहला चरण पेशेवर मानदंडों पर केंद्रित हो सकता है, लेकिन इससे अपने आप निष्पक्ष या बेहतर निर्णय की गारंटी नहीं मिलती।"

OECD skills-first दृष्टिकोण को ऐसे बदलाव के रूप में वर्णित करता है जिसमें मुख्य मूल्यांकन उन कौशलों पर केंद्रित होता है जिन्हें व्यक्ति दिखा सकता है, जबकि योग्यता और अनुभव पूरक भूमिका निभाते हैं। OECD पक्षपात कम करने के लिए सचेत प्रयास और उचित मूल्यांकन विधियों पर भी जोर देता है। [5]

इससे यह निष्कर्ष नहीं निकलता कि OECD विशेषज्ञ मंचों पर खास प्रोफाइल क्षेत्रों को छिपाने की सिफारिश करता है।

फिर भी एक सावधान डिजाइन निष्कर्ष निकाला जा सकता है:

यदि पहले चरण का उद्देश्य किसी खास काम को करने की क्षमता का आकलन करना है, तो कौशल और उनके प्रमाण कुछ पहचान संबंधी जानकारी से अधिक महत्वपूर्ण हो सकते हैं।

पहले तय करें:

• कौन सी समस्या हल करनी है,
• कौन से काम करने हैं,
• कौन से कौशल अनिवार्य हैं,
• कौन से काम के प्रमाण महत्वपूर्ण होंगे,
• समय, बजट और सहयोग की सीमाएं क्या हैं.

इस चरण में किसी खास विशेषज्ञ के व्यक्तिगत डेटा की जरूरत नहीं है।

यह पद्धति की दृष्टि से भी महत्वपूर्ण है: मानदंड उन लोगों को देखने से पहले तय किए जाते हैं जिनका उनसे मूल्यांकन होगा।

शुरुआती प्रोफाइल मूल्यांकन के लिए ऐसी जानकारी काफी हो सकती है:

• आवश्यक कौशल,
• उनका उपयोग किस संदर्भ में हुआ,
• काम के नमूने या परिणाम,
• वास्तविक योगदान का विवरण,
• जिम्मेदारी का स्तर,
• अनुभव कितना नया है,
• कुछ प्रमाणों की सत्यापन क्षमता.

यदि नाम, फोटो या विस्तृत नौकरी इतिहास यह समझने में मदद नहीं करते कि व्यक्ति खास काम कर सकता है या नहीं, तो इस चरण में उनका उपयोग न करने पर विचार किया जा सकता है।

यह डिजाइन का निर्णय है, सार्वभौमिक कानूनी दायित्व नहीं।

अगली परत में ऐसी जानकारी हो सकती है जो कौशल का प्रमाण नहीं है, लेकिन यह तय करने में जरूरी है कि सहयोग व्यावहारिक है या नहीं:

• उपलब्धता,
• संभावित शुरुआत की तारीख,
• सेवा का दायरा,
• शुल्क मॉडल और कीमत,
• जरूरत होने पर संवाद की भाषा,
• वास्तव में महत्वपूर्ण होने पर समय क्षेत्र या कार्य स्थान,
• संगठनात्मक सीमाएं.

कीमत कौशल का प्रमाण नहीं और स्थान गुणवत्ता का माप नहीं है। फिर भी किसी खास सहयोग के लिए वे महत्वपूर्ण शर्तें हो सकते हैं।

विकल्प कम करने के बाद पूरा प्रोफाइल अपने आप खोलना जरूरी नहीं।

पहले देखें कि अगले निर्णय के लिए कौन सी जानकारी अभी गायब है।

वह हो सकती है:

• किसी खास परियोजना का स्पष्टीकरण,
• व्यक्तिगत योगदान की पुष्टि,
• अतिरिक्त काम का नमूना,
• अंतिम सूची के सभी लोगों से पूछे गए समान सवाल का जवाब,
• वास्तव में जरूरी पेशेवर अनुमति की पुष्टि.

गायब जानकारी का परिणाम एक खास सवाल होना चाहिए, अपने आप कम मूल्यांकन नहीं।

पहचान खोलने का समय हर स्थिति में एक जैसा होना जरूरी नहीं।

उदाहरण के लिए यह तब जरूरी हो सकता है जब पक्ष:

• सीधे बातचीत करना चाहें,
• किसी खास स्रोत से बताए गए लेखकीय योगदान या अनुभव की पुष्टि करना चाहें,
• व्यक्ति से जुड़ी आवश्यक अनुमति की जांच करना चाहें,
• औपचारिक सहयोग की तैयारी करना चाहें.

ऐसा कोई सार्वभौमिक कानूनी नियम नहीं है कि तय संख्या के चरणों के बाद नाम जरूर बताया जाए।

उपयोगी मानदंड यह है कि कोई स्पष्ट उद्देश्य सामने आए जिसे उस जानकारी के बिना उचित रूप से पूरा नहीं किया जा सकता।

जब पक्ष वास्तव में साथ काम करना शुरू करते हैं, तो जरूरी जानकारी का दायरा बढ़ सकता है।

संबंध के प्रकार, कानूनी क्षेत्र और पक्षों के दायित्वों के अनुसार डेटा इन उद्देश्यों के लिए जरूरी हो सकता है:

• अनुबंध करना या निभाना,
• कामकाजी संपर्क,
• बिल और भुगतान,
• कर या लेखांकन दायित्व,
• कानून से जरूरी या सेवा की प्रकृति से उचित सत्यापन.

हर परियोजना को समान डेटा सेट की जरूरत नहीं होती। विनियमित क्षेत्रों या खास कानूनी दायित्वों में काफी अधिक जानकारी आवश्यक हो सकती है।

यह लेख किसी खास संबंध के कानूनी विश्लेषण का विकल्प नहीं है।

डेटा न्यूनतमकरण डेटा इकट्ठा होने पर खत्म नहीं होता।

GDPR का अनुच्छेद 25(2) डिफॉल्ट डेटा संरक्षण को संसाधन के दायरे, भंडारण अवधि और पहुंच से भी जोड़ता है। [1]

हर चरण के बाद फिर पूछें:

• क्या यह जानकारी अभी भी जरूरी है,
• किसे अब भी पहुंच चाहिए,
• क्या इसे रखने का कानूनी कारण है,
• क्या इसकी दृश्यता कम की जा सकती है,
• इसे कब हटाना या फिर समीक्षा करना चाहिए.

कल किसी जानकारी की जरूरत थी, इसका अर्थ यह नहीं कि वह अनिश्चित समय तक उपलब्ध रहनी चाहिए।

अतिरिक्त जानकारी साझा करने से पहले पांच सवालों की सरल जांच करें:

1. इस जानकारी का सटीक उद्देश्य क्या है?
2. क्या इसके बिना उचित रूप से निर्णय लिया जा सकता है?
3. क्या कम सटीक जानकारी पर्याप्त होगी?
4. इसे वास्तव में किसे देखना जरूरी है?
5. यह कितने समय तक उपलब्ध रहनी चाहिए?

उदाहरण: यदि आपको केवल यह जानना है कि तय घंटों में सहयोग हो सकता है या नहीं, तो विशेषज्ञ का सटीक घर का पता आम तौर पर इस सवाल का सीधा उत्तर नहीं देता। समय क्षेत्र या घोषित उपलब्धता के घंटे पर्याप्त हो सकते हैं।

यह कानूनी जांच नहीं है। यह जानकारी और उद्देश्य के बीच अनुपात देखने का व्यावहारिक साधन है।

गोपनीयता के कारण गायब जानकारी को अनुमान से भरकर निर्णय की गुणवत्ता कम नहीं होनी चाहिए।

यदि मूल्यांकन के लिए किसी खास पेशेवर जानकारी की जरूरत है, तो तीन उचित विकल्प हैं:

• सही चरण में वह जानकारी मांगें,
• उसी सवाल का जवाब देने वाला वैकल्पिक प्रमाण लें,
• मानें कि अभी निर्णय के लिए पर्याप्त आधार नहीं है.

यह निष्कर्ष गलत है:

"मुझे यह जानकारी नहीं दिख रही, इसलिए परिणाम कमजोर होना चाहिए।"

गायब डेटा और नकारात्मक प्रमाण अलग चीजें हैं।

यदि अंदरूनी प्रणाली का हर उपयोगकर्ता शुरुआत से ही सारा डेटा देख सकता है, तो चरणबद्ध प्रकटीकरण का लाभ बहुत कम रह जाता है।

GDPR का अनुच्छेद 25(2) पहुंच को डिफॉल्ट डेटा संरक्षण के पहलुओं में स्पष्ट रूप से शामिल करता है। [1] डेटा संरक्षण को डिजाइन और डिफॉल्ट रूप से लागू करने संबंधी यूरोपीय डेटा संरक्षण बोर्ड के दिशा-निर्देश उचित तकनीकी और संगठनात्मक उपायों के माध्यम से इन सिद्धांतों को लागू करने की बात करते हैं। [3]

व्यवहार में अलग करें:

• वह डेटा जो मंच को खाते के संचालन के लिए चाहिए,
• सार्वजनिक रूप से दिखाई देने वाला डेटा,
• केवल चुने गए पक्ष को दिखाई देने वाला डेटा,
• कर्मचारियों या प्रशासकों को केवल खास उद्देश्य के लिए उपलब्ध डेटा.

इंटरफेस की गोपनीयता, डेटा तक उचित पहुंच नियंत्रण के बिना अधूरी है।

मान लें कि कोई संस्था वेबसाइट की सुगम्यता का आकलन करने के लिए विशेषज्ञ खोज रही है।

पहला चरण
वह कौशल, समान जांच का अनुभव, नमूना रिपोर्ट, जिम्मेदारी का दायरा और जरूरी मानकों का ज्ञान देखती है। इनमें हर सवाल के लिए नाम और फोटो आवश्यक नहीं हैं।

दूसरा चरण
वह जरूरी अवधि में उपलब्धता, कीमत, संवाद की भाषा और अपेक्षित कार्य मॉडल में काम करने की क्षमता देखती है।

तीसरा चरण
अंतिम सूची में कार्यपद्धति का स्पष्टीकरण और चुने हुए अनुभव की पुष्टि मांगी जाती है।

चौथा चरण
सीधी बातचीत या औपचारिक सहयोग से पहले पक्ष पहचान, संपर्क और संबंध को औपचारिक बनाने के लिए जरूरी जानकारी साझा करते हैं।

यह साबित नहीं करता कि यह क्रम हर स्थिति में सबसे अच्छा है। यह केवल दिखाता है कि अलग निर्णयों को अलग जानकारी की परतों की जरूरत हो सकती है।

1. आप ग्राहक से डेटा छिपाते हैं, लेकिन अंदर हर व्यक्ति उसे देख सकता है।

2. आप प्रोफाइल को गुमनाम कहते हैं, जबकि मंच उसे आसानी से किसी खास व्यक्ति से जोड़ सकता है।

3. आप ऐसी जानकारी छिपाते हैं जो सुरक्षित या कानूनी निर्णय के लिए वास्तव में जरूरी है।

4. आप पहचान खोलने को किसी स्पष्ट प्रक्रिया की जरूरत के बजाय पुरस्कार की तरह देखते हैं।

5. आप मानते हैं कि नाम छिपाने से पक्षपात अपने आप खत्म हो जाता है।

6. आप बिना स्पष्ट उद्देश्य के "शायद कभी काम आए" सोचकर डेटा इकट्ठा करते हैं।

7. आप कौशल मूल्यांकन के लिए जरूरी डेटा और अनुबंध या भुगतान के लिए जरूरी डेटा में अंतर नहीं करते।

8. चरण समाप्त होने के बाद यह दोबारा नहीं देखते कि डेटा अब भी उपलब्ध रहना चाहिए या नहीं।

1. हर जानकारी का सटीक उद्देश्य क्या है?
2. क्या उद्देश्य उसके बिना पूरा किया जा सकता है?
3. क्या कम विस्तृत जानकारी पर्याप्त है?
4. डेटा कौशल मूल्यांकन के लिए चाहिए या बाद के सहयोग के लिए?
5. वर्तमान चरण में इसे किसे देखना चाहिए?
6. प्रोफाइल वास्तव में गुमनाम है या केवल छद्मनामित?
7. क्या गायब जानकारी को नकारात्मक परिणाम से सही तरह अलग किया गया है?
8. क्या सभी विशेषज्ञों की तुलना समान मानदंडों से हो रही है?
9. पहचान खोलने का स्पष्ट प्रक्रिया संबंधी कारण है?
10. क्या बाद के चरण में अनुबंध, कर, सुरक्षा या कानून के कारण अतिरिक्त डेटा चाहिए?
11. क्या अंदरूनी पहुंच केवल उन लोगों तक सीमित है जिन्हें सच में जरूरत है?
12. क्या यह स्पष्ट है कि डेटा कब आवश्यक नहीं रहेगा या जरूरत की दोबारा समीक्षा कब होगी?

डेटा न्यूनतमकरण का अर्थ जानकारी के बिना निर्णय लेना नहीं है।

इसका अर्थ सवालों को अलग करना है:

मुझे अभी क्या जानना जरूरी है?
मैं बाद में क्या सत्यापित कर सकता हूं?
इसे किसे देखना चाहिए?
यह जानकारी कितने समय तक जरूरी रहेगी?

विशेषज्ञ चयन का एक व्यावहारिक क्रम हो सकता है:

समस्या -> कौशल -> प्रमाण -> सहयोग की शर्तें -> गायब जानकारी -> पहचान -> औपचारिक संबंध के लिए जरूरी डेटा -> पहुंच और भंडारण की पुनर्समीक्षा।

हर स्थिति में यही क्रम जरूरी नहीं।

सरल सिद्धांत यह है:

डेटा इसलिए साझा और संसाधित करें क्योंकि वह स्पष्ट उद्देश्य के लिए जरूरी है, केवल इसलिए नहीं कि प्रणाली उसे इकट्ठा या दिखा सकती है।

[1] Regulation (EU) 2016/679 - GDPR, विशेष रूप से अनुच्छेद 4, 5 और 25 तथा प्रस्तावना बिंदु 39 और 51, EUR-Lex
स्रोत खोलें

[2] European Commission - What data can we process and under which conditions?
स्रोत खोलें

[3] European Data Protection Board - Guidelines 4/2019 on Article 25 Data Protection by Design and by Default, 20 अक्टूबर 2020 का अंतिम संस्करण
स्रोत खोलें

[4] European Data Protection Board - Anonymisation / pseudonymisation
स्रोत खोलें

[5] OECD - A Skills-First Labour Market, Promoting skills-first hiring and talent management, 2026
स्रोत खोलें

[6] IZA World of Labour - Anonymous job applications and hiring discrimination
स्रोत खोलें

पद्धति संबंधी टिप्पणी: स्रोत अलग-अलग क्षेत्रों से हैं, जैसे डेटा संरक्षण कानून, गोपनीयता डिजाइन, श्रम बाजार और गुमनाम भर्ती पर शोध। यह लेख यह दावा नहीं करता कि भर्ती संबंधी शोध हर विशेषज्ञ संबंध पर सीधे लागू होता है। पेशेवर डेटा के चरणबद्ध प्रकटीकरण का मॉडल एक व्यावहारिक संकलन है, किसी भी सूचीबद्ध संस्था का औपचारिक मानक नहीं।