Dữ liệu định danh là gì?

Mục lục

1. Dữ liệu định danh là gì và khác gì “dữ liệu thông thường”?
2. Dữ liệu định danh gồm những loại nào?
3. Ở Việt Nam, số định danh cá nhân và định danh điện tử nằm ở đâu?
4. Doanh nghiệp dùng dữ liệu định danh để làm gì?
5. Làm thế nào để ghép nhiều bản ghi thành một người (identity resolution)?
6. Dữ liệu định danh được thiết kế trong cơ sở dữ liệu thế nào?
7. Dữ liệu định danh có rủi ro gì và bảo vệ thế nào?
8. Dữ liệu định danh khác gì dữ liệu cá nhân và metadata?
9. Khi nào nên và không nên thu thập dữ liệu định danh?
10. Câu hỏi thường gặp

Dữ liệu định danh là gì và khác gì “dữ liệu thông thường”?

Dữ liệu định danh là mọi thông tin dùng để trả lời câu hỏi “đây là ai, hoặc đây là máy nào”. Nó có thể gắn với một người (họ tên, số căn cước), một tổ chức (mã số thuế, mã doanh nghiệp) hoặc một thiết bị (số IMEI, mã quảng cáo của điện thoại).

Điểm khác với dữ liệu thông thường nằm ở chức năng. Số lượng đơn hàng hay doanh thu theo tháng mô tả hoạt động. Còn số điện thoại hay email là “chìa khoá” để biết hoạt động đó của ai. Vì vậy cùng một bảng dữ liệu, chỉ cần thêm một cột định danh là bảng đó đổi bản chất: từ thống kê chung thành hồ sơ cá nhân.

Cần tách hai khái niệm hay bị nhập làm một:

• Định danh (identification): hành động xác định danh tính, tức nói “tôi là người có mã này”.
• Xác thực (authentication): hành động chứng minh lời nói đó đúng, ví dụ nhập OTP, quét khuôn mặt, nhập mật khẩu.

Số căn cước là dữ liệu định danh. Việc bạn quét mặt để chứng minh mình đúng là chủ số đó là xác thực. Mật khẩu là dữ liệu xác thực, thường không được xếp vào nhóm “định danh” nhưng vẫn phải bảo vệ nghiêm ngặt.

Dữ liệu định danh gồm những loại nào?

Cách phân loại dễ dùng nhất khi làm việc với hệ thống dữ liệu là theo khả năng nhận ra người. Có ba nhóm.

Định danh trực tiếp (direct identifier)

Chỉ một trường là đủ để chỉ ra một người: số căn cước, số hộ chiếu, mã số thuế cá nhân, vân tay, mẫu khuôn mặt, chữ ký số. Đây là nhóm rủi ro cao nhất khi rò rỉ, vì kẻ xấu không cần ghép thêm gì.

Định danh gián tiếp (quasi-identifier)

Từng trường riêng lẻ chưa chỉ ra ai, nhưng kết hợp lại thì có. Ngày sinh, giới tính, quận cư trú, nơi làm việc, chức danh là các ví dụ. Một nhân viên nữ, sinh ngày cụ thể, làm trưởng phòng ở một công ty 80 người gần như là một cá nhân duy nhất. Đây là lý do việc “xoá họ tên” khỏi bảng dữ liệu chưa đủ để ẩn danh.

Định danh kỹ thuật (technical identifier)

Là mã do hệ thống sinh ra: cookie của trình duyệt, mã quảng cáo trên điện thoại, ID thiết bị, địa chỉ IP, user ID trong ứng dụng, mã thẻ thành viên. Chúng không chứa tên, nhưng theo dõi được hành vi của cùng một người qua thời gian. Khi một khách hàng đăng nhập, mã kỹ thuật này được nối với email hay số điện thoại và lập tức trở thành định danh trực tiếp.

Ở Việt Nam, số định danh cá nhân và định danh điện tử nằm ở đâu?

Đây là cụm “dữ liệu định danh” mà nhiều người Việt tìm thấy đầu tiên, nên cần phân biệt rõ ba thứ khác nhau.

• Số định danh cá nhân: dãy 12 chữ số do Bộ Công an quản lý, mỗi công dân một số, không lặp lại. Theo Nghị định 137/2015, đây là dãy số tự nhiên gồm 12 số và chính là số căn cước công dân. Phần đầu là mã tỉnh hoặc mã quốc gia nơi đăng ký khai sinh. Tiếp theo là một chữ số mã hoá thế kỷ và giới tính. Người sinh thế kỷ 20 mang số 0 (nam) hoặc 1 (nữ), người sinh thế kỷ 21 mang số 2 (nam) hoặc 3 (nữ). Sau đó là hai số năm sinh và sáu số ngẫu nhiên.
• Cơ sở dữ liệu quốc gia về dân cư và cơ sở dữ liệu căn cước: nơi lưu thông tin gắn với số định danh. Luật Căn cước 2023, có hiệu lực từ 01/7/2024, mở rộng việc tích hợp thông tin công dân từ các cơ sở dữ liệu khác vào các cơ sở dữ liệu này. Luật cũng đổi tên thẻ “Căn cước công dân” thành “Căn cước”.
• Tài khoản định danh điện tử: là tập hợp gồm tên đăng nhập (chính là số định danh cá nhân), mật khẩu hoặc hình thức xác thực khác, do hệ thống định danh và xác thực điện tử của Bộ Công an tạo lập và quản lý trên ứng dụng VNeID.

Hệ quả thực tế cho doanh nghiệp: số định danh cá nhân đã thành khoá nối giữa nhiều hệ thống nhà nước. Nó cũng được dùng làm mã số thuế cá nhân. Theo khoản 7 Điều 35 Luật Quản lý thuế, khi mã định danh được cấp cho toàn bộ người dân thì mã này dùng thay mã số thuế. Một chuỗi 12 số vì thế mở được nhiều cánh cửa hơn một số điện thoại, và rò rỉ nó nghiêm trọng hơn tương ứng.

Doanh nghiệp dùng dữ liệu định danh để làm gì?

Có bốn mục đích chính, mỗi mục cần mức độ định danh khác nhau.

Mục đích	Trường định danh thường dùng	Mức cần thiết
Mở tài khoản, eKYC ngân hàng, ví điện tử	Số căn cước, ảnh chân dung, mẫu khuôn mặt	Cao: phải khớp với nguồn gốc
Nhận diện khách hàng quay lại	Số điện thoại, email, mã thẻ thành viên	Trung bình
Đo hiệu quả quảng cáo, hành vi trên web/app	Cookie, mã quảng cáo, user ID	Thấp đến trung bình
Quản lý nhân sự, chấm công, tiền lương	Mã nhân viên, số căn cước, mã số thuế, số sổ bảo hiểm	Cao nhưng nội bộ

Với marketing, giá trị không nằm ở bản thân trường dữ liệu mà ở việc nối chúng. Khách mua ở cửa hàng, đặt trên web và nhắn Zalo thường là ba bản ghi riêng. Nền tảng dữ liệu khách hàng (xem bài về CDP) tồn tại chủ yếu để gom ba bản ghi này thành một người.

Làm thế nào để ghép nhiều bản ghi thành một người (identity resolution)?

Identity resolution là quá trình nhận ra các bản ghi từ nhiều nguồn thuộc cùng một thực thể, rồi gán cho chúng một mã nội bộ chung. Nó khó hơn nhìn thấy vì dữ liệu định danh thực tế rất “bẩn”.

Bước chuẩn hoá: nơi hầu hết lỗi xuất hiện

Ví dụ minh hoạ: cùng một khách có thể xuất hiện là 0912 345 678 trên máy POS, +84912345678 trên form web và 84912345678 trong dữ liệu Zalo. Nếu so sánh chuỗi ký tự thẳng, ba bản ghi bị coi là ba người. Chuẩn hoá nghĩa là đưa về một định dạng, ví dụ bỏ khoảng trắng, đổi đầu số quốc tế về dạng nội địa, rồi mới so sánh. Với email, thường đưa về chữ thường và cắt khoảng trắng thừa. Việc làm sạch kiểu này nằm trong phạm vi của làm sạch dữ liệu.

Ghép chắc chắn và ghép theo xác suất

• Ghép xác định (deterministic): hai bản ghi trùng một khoá mạnh như số điện thoại đã xác minh bằng OTP thì coi là một người. Ít sai, nhưng bỏ sót nhiều.
• Ghép xác suất (probabilistic): so sánh tên tương tự, ngày sinh, địa chỉ, rồi cho điểm. Bắt được nhiều hơn nhưng có nguy cơ nhập nhầm hai người khác nhau, ví dụ hai anh em cùng nhà dùng chung số điện thoại.

Lỗi nhập nhầm nguy hiểm hơn lỗi bỏ sót. Nhập nhầm có thể khiến khách này nhận hoá đơn hoặc thông tin của khách kia. Vì vậy với các trường hợp điểm ghép ở vùng lưng chừng, nhiều đội để người duyệt thủ công. Khi cần một “bản ghi vàng” chuẩn cho toàn công ty, kỹ thuật này liên quan chặt với quản lý dữ liệu chủ.

Dữ liệu định danh được thiết kế trong cơ sở dữ liệu thế nào?

Trong thiết kế bảng, khái niệm gần nhất là khoá. Cần phân biệt hai loại:

• Khoá nội bộ (surrogate key): số hoặc UUID do hệ thống tự sinh, không mang ý nghĩa đời thực. Ví dụ mã khách hàng 000123.
• Khoá tự nhiên (natural key): dữ liệu có nghĩa thật như số căn cước, email, số điện thoại.

Thực hành an toàn là dùng khoá nội bộ làm khoá chính, còn số căn cước hay email lưu thành cột riêng, có kiểm soát truy cập. Lý do: số điện thoại bị thu hồi rồi cấp lại cho người khác, email đổi, người đổi tên. Nếu dùng chúng làm khoá chính, mọi bảng liên quan phải sửa theo, và lịch sử có thể trộn hai người vào nhau. Bạn có thể tìm hiểu thêm về khoá và quan hệ bảng ở bài cơ sở dữ liệu là gì.

Dữ liệu định danh có rủi ro gì và bảo vệ thế nào?

Rủi ro lớn nhất không phải mất một trường, mà là mất đủ trường để mạo danh. Bộ ba họ tên, ngày sinh, số căn cước cùng ảnh giấy tờ đủ để mở tài khoản giả ở nơi kiểm tra lỏng. Khi xảy ra sự cố, đây cũng là nhóm dữ liệu khiến hậu quả của vụ rò rỉ dữ liệu kéo dài nhất, vì khác mật khẩu, số căn cước không thể “đổi” sau khi lộ.

Các biện pháp thiết thực, theo thứ tự ưu tiên:

1. Giảm thu thập: chỉ hỏi trường thật sự cần cho nghiệp vụ. Form đăng ký nhận bản tin không cần ngày sinh và số căn cước.
2. Tách lưu trữ: để bảng định danh tách khỏi bảng giao dịch, nối bằng mã nội bộ. Nhóm phân tích chỉ thấy mã, không thấy tên hay số điện thoại.
3. Che hoặc mã hoá: hiển thị rút gọn trên màn hình hỗ trợ khách (chỉ 3 số cuối), mã hoá cột nhạy cảm khi lưu. Chi tiết kỹ thuật có trong bài che giấu dữ liệu.
4. Giả danh hoá (pseudonymization): thay định danh bằng mã băm hoặc mã thay thế để phân tích. Lưu ý đây chưa phải ẩn danh hoàn toàn: ai giữ bảng đối chiếu vẫn truy ngược được, và kết hợp định danh gián tiếp vẫn có thể nhận ra người.
5. Xoá đúng hạn: định danh đã hết mục đích xử lý thì xoá hoặc ẩn danh, kể cả trong bản sao lưu và bảng thử nghiệm.

Dữ liệu định danh khác gì dữ liệu cá nhân và metadata?

Khái niệm	Phạm vi	Quan hệ với dữ liệu định danh
Dữ liệu định danh	Thông tin xác định người, tổ chức hoặc thiết bị	Bản thân khái niệm
Dữ liệu cá nhân	Mọi thông tin gắn với một người, gồm cả sở thích, lịch sử mua, vị trí	Định danh là tập con cốt lõi. Dữ liệu cá nhân rộng hơn
Dữ liệu nhạy cảm	Nhóm cá nhân có hậu quả nặng nếu lộ: sức khoẻ, sinh trắc học, tài chính	Vân tay, khuôn mặt vừa là định danh vừa là nhạy cảm
Metadata	Dữ liệu mô tả dữ liệu khác	Khác bản chất. Xem bài metadata là gì

Một ví dụ dễ nhầm: địa chỉ IP là kỹ thuật thông thường, nhưng khi ISP hoặc ứng dụng gắn được với tài khoản thì nó trở thành thông tin nhận ra người. Phần lớn tranh cãi “có phải dữ liệu cá nhân không” xuất phát từ câu hỏi “ai đang nắm các mảnh ghép còn lại”.

Khi nào nên và không nên thu thập dữ liệu định danh?

Nên thu thập khi

• Pháp luật hoặc nghiệp vụ buộc phải xác minh: mở tài khoản tài chính, ký hợp đồng lao động, kê khai thuế, cấp bảo hiểm.
• Bạn cần nhận ra khách quay lại để phục vụ, ví dụ bảo hành theo số điện thoại hoặc tích điểm thành viên, và khách biết điều đó.

Không nên khi

• Mục đích chỉ là thống kê tổng hợp. Khi đó một mã ẩn danh hoặc số liệu gộp là đủ.
• Bạn chưa có chỗ lưu an toàn, chưa phân quyền, chưa biết ai được xem. Thu thập trước, nghĩ bảo mật sau là cách nhanh nhất tạo ra kho dữ liệu chờ bị rò rỉ.
• Bạn muốn “giữ phòng khi cần” mà không có mục đích cụ thể. Dữ liệu định danh không dùng đến chỉ có chi phí và rủi ro.

Khi dữ liệu định danh đến từ nhiều hệ thống, bước nối chúng thuộc về tích hợp dữ liệu, còn quyết định trường nào được phép nối lại là việc của quản trị, không phải của kỹ thuật viên một mình.

Câu hỏi thường gặp

Dữ liệu định danh là gì, cho ví dụ ngắn?

Là thông tin giúp xác định một người hay thiết bị cụ thể. Ví dụ: số căn cước 12 chữ số, số điện thoại, email, vân tay, mã thiết bị. Mỗi cái đứng riêng hoặc ghép với nhau đều có thể chỉ ra “đó là ai”.

Số điện thoại có phải dữ liệu định danh không?

Có. Số điện thoại đã đăng ký chính chủ gắn được với một người, và nhiều dịch vụ dùng nó làm tên đăng nhập hoặc mã OTP. Dù không chứa họ tên, nó vẫn là định danh trực tiếp trong thực tế.

Xoá họ tên khỏi bảng dữ liệu thì đã ẩn danh chưa?

Chưa chắc. Ngày sinh, giới tính, nơi ở và nơi làm việc là định danh gián tiếp, ghép lại vẫn có thể nhận ra một người, nhất là trong nhóm nhỏ. Mã thay thế còn bảng đối chiếu thì chỉ là giả danh hoá, không phải ẩn danh.

Số định danh cá nhân và số căn cước khác nhau thế nào?

Số định danh cá nhân là mã duy nhất của mỗi công dân. Theo Nghị định 137/2015, nó chính là số căn cước công dân. Thẻ gắn số đó nay mang tên “Căn cước” theo Luật Căn cước 2023, còn số định danh vẫn là dãy 12 chữ số.

Định danh điện tử khác gì định danh trên giấy?

Giấy tờ là vật mang thông tin. Tài khoản định danh điện tử trên VNeID là một hình thức xác thực số, dùng chính số định danh cá nhân làm tên đăng nhập. Bên nhận có thể kiểm tra thông tin từ hệ thống thay vì chỉ nhìn bản sao.

Doanh nghiệp nhỏ nên lưu ảnh căn cước của khách không?

Chỉ khi nghiệp vụ hoặc quy định buộc phải có, và khi đó cần lưu tách riêng, phân quyền, có thời hạn xoá. Nếu chỉ cần xác minh thông tin, việc ghi nhận kết quả xác minh thường rủi ro thấp hơn nhiều so với giữ bản ảnh.