Anonyme opplysninger er informasjon som ikke på noe vis kan identifisere enkeltpersoner i et datamateriale, hverken direkte gjennom navn eller personnummer eller indirekte gjennom tilleggsinformasjon.

Anonyme opplysninger kan være statistikk om flere personer hvor det ikke er mulig å knytte enkeltpersoner til informasjonsinnholdet. Omhandler imidlertid statistikken få personer vil det kunne være mulig å forstå hvilke opplysninger som knytter seg til enkeltpersoner, og da er ikke opplysningene anonyme.

I forskningsprosjekter er det nok ikke så ofte vi samler inn lokasjonsdata, dvs. data som presist angir hvor personer (eller mobiltelefoner) oppholder og beveger seg. Lokasjonsdata er imidlertid godt egnet for å vise hvordan data som i utgangspunktet fremstår som anonyme, likevel kan være personidentifiserende.

Si at vi har et datasett med lokasjonen til 2000 telefoner over 30 dager. Det finnes ingen informasjon i datamaterialet som knytter en telefon til et bestemt abonnement/bruker. Det er kun opplysninger om hvor en telefon har vært på et bestemt tidspunkt. Dataene framstår som anonyme.

Følger og analyserer vi lokasjonsdataene tilhørende èn telefon over noen dager, kan vi imidlertid se hvor eieren av telefoenen bor og jobber. Personen er identifisert. Følger vi lokasjonsdataene videre kan vi kanskje se at vedkommende jevnlig besøker psykolog, en moskè, går på Vinmonopolet eller liknende. Plutselig sitter vi med sensitive opplysninger om en identifisert person fra et datamateriale som i utgangspunktet virket anonymt.

Dette betyr at vi alltid må gjøre en konkret vurdering av om datasettet faktisk er anonymt. Vi må spørre oss selv om det er mulig å knytte noen av opplysningene til de personene dataene stammer fra.

Spørreundersøkelser med et stort antall respondenter, kan resultere i anonyme opplysninger hvis man ikke samler inn opplysninger som kan være personidentifiserende. Det vil være en forutsetning at vi ikke krever noen form for innlogging knyttet til svarene, at respondentene ikke gir fra seg navn og at vi ikke samler inn IP-adresser (IP-adresser er personopplysninger). I tillegg vil det være et krav at spørsmålene utformes på en måte som ikke gjør det mulig å identifisere respondenter basert på deres svar. Stiller vi spørsmål om alder, bosted og om vedkommende har en sjelden sykdom, kan det hende at det kun finnes èn person på et bestemt sted, over en viss alder med denne sykdommen. I et slikt tilfelle er ikke opplysningene anonyme.

Det samme vil gjelde for eksempelvis video- eller lydopptak. Hvis disse transkriberes og opptakene slettes vil vi fjerne en god del personidentifiserende kjennetegn, slik som stemme og ansikt. I tillegg vil det være nødvendig å fjerne opplysninger deltagerne sier i løpet av opptaket som kan være identifiserende. Her vil det også være slik at noen kan avsløre seg selv eller andre ved å gi opplysninger som – til tross for at de ikke inneholder navn eller lignende – kan identifisere enkeltpersoner. Er dette tilfellet, er ikke dataene anonyme. Hvis vi har transkribert og pseudonymisert et datasett fra videoopptak, kan det være tilstrekkelig å slette kodenøkkelen for å anonymisere datasettet. Det må imidlertid vurderes om det kan være andre personidentifiserende variabler i datasettet som må lukes ut slik at opplysningene ikke kan føres tilbake til enkeltpersoner.

Et åpenbart eksempel på feilslått anonymisering kan være følgende: «Erna Solberg er statsminister i Norge». Hvis vi i anonymiseringsprosessen fjerner direkte identifiserende opplysninger fra denne setningen sitter vi igjen med «X er statsminister i Norge». Dette er selvfølgelig ikke anonymt ettersom det kun finnes èn person som til enhver tid kan være statsminister i Norge. Et forslag til løsning i et slikt tilfelle vil være å fjerne hele setningen ettersom dette vil være en forutsetning for å gjøre dataene anonyme.