anonym.legal

By · Last updated 2026-06-05

Înapoi la BlogGDPR & Conformitate

ÚOOÚ Cehia: GDPR pentru industria prelucrătoare

ÚOOÚ din Cehia a emis 58 de decizii de aplicare în 2024; industria prelucrătoare reprezintă 34% din încălcări. 67% dintre firmele cehe utilizează instrumente germane care nu acoperă identificatorii cehi.

June 5, 20268 min citire
Czech Republic ÚOOÚrodné číslomanufacturing GDPRCentral Europe complianceCzech identifiers

ÚOOÚ și GDPR în industria prelucrătoare din Cehia

Úřad pro ochranu osobních údajů (ÚOOÚ) a emis 58 de decizii de aplicare în 2024. Firmele din industria prelucrătoare și din sectorul auto au reprezentat 34% dintre acestea. Aceasta este cea mai mare pondere din orice sector.

Škoda Auto, Toyota, Foxconn și mulți furnizori de nivel doi operează în Cehia. Conformitatea GDPR acolo necesită instrumente care gestionează datele locale. Majoritatea instrumentelor utilizate nu fac acest lucru.

Problema instrumentelor impuse de compania-mamă

Datele ÚOOÚ relevă un tipar clar de eșec. Companiile-mamă din străinătate impun instrumente PII configurate pentru piețe externe unităților lor locale.

Când un grup mare implementează instrumentul său standard în biroul din Praga:

  1. Instrumentul este configurat pentru identificatori din alte țări. Nu acoperă identificatorii locali.
  2. Contractele angajaților și fișierele HR sunt în cehă. Instrumentul nu a fost antrenat pe text în limba cehă.
  3. Acuratețea NER pentru cehă este cu 23% mai mică decât pentru text echivalent în alte limbi. (Orientări tehnice ÚOOÚ, 2024)
  4. Rodné číslo este omis în fișierele care nu sunt marcate ca cehe.
  5. Datele privind sănătatea angajaților și fișierele HR se transferă fără protecția cerută de autorități.

67% dintre firmele locale se bazează pe instrumente care ratează identificatorii specifici fiecărei țări. ÚOOÚ ține responsabil controlorul local. Nu ține responsabil furnizorul extern.

Rodné číslo: date din categorii speciale

Rodné číslo este un număr de naștere. Folosește formatul RRMMZZ/XXXX.

  • Cifrele 3–4 codifică luna nașterii. Pentru femei, se adaugă 50. O femeie născută în ianuarie apare ca 51, nu 01.
  • O bară oblică separă data de sufix.
  • Sufixul are 3–4 cifre cu o cifră de control modulus-11.

Codificarea de gen face din acest număr date din categorii speciale conform Articolului 9 din GDPR. Prin design, dezvăluie sexul persoanei. Se aplică o protecție sporită.

Trei aspecte trebuie acoperite. În primul rând, decalajul lunii pentru femei — regula 50. În al doilea rând, validarea cifrei de control modulus-11. În al treilea rând, atât formatele de 9 cifre (anterioare anului 1954), cât și cele de 10 cifre.

Potrivirea de tipare singură nu satisface standardul ÚOOÚ.

Alți identificatori cheie

Číslo občanského průkazu (OP): Cartea de identitate națională. Nouă caractere alfanumerice. Se găsește pe contracte, registre de vizitatori și dosare medicale.

IČO: Număr de înregistrare a afacerii format din opt cifre. Apare în contractele cu furnizorii alături de datele personale ale reprezentanților legali.

DIČ: Formatul CZ + număr de naștere (persoane fizice) sau CZ + IČO (companii). DIČ personal apare în contractele de liber-profesionist.

IBAN: Formatul CZ + 22 cifre. Comun în fișierele de salarizare și rapoartele de cheltuieli.

Unde este expusă industria prelucrătoare

Dosare HR: Salarizarea personalului local include numere de naștere, cărți de identitate naționale și date bancare. Transferurile transfrontaliere de HR necesită Evaluări ale Impactului Transferului.

Trasabilitatea calității: Sistemele de producție auto leagă adesea înregistrările defectelor de lucrători individuali. Acestea sunt date personale în cadrul tehnologiei operaționale. Sunt supuse GDPR chiar și în afara sistemelor HR.

Date din rețelele de distribuție: Rețelele mari de producători procesează înregistrările de testare, formularele de finanțare și istoricul de service. Multe dintre acestea conțin numere de naștere.

Consultați ghidul nostru de conformitate GDPR și prezentarea generală privind detectarea PII multilingv pentru modul în care lacunele de identificare se aplică în jurisdicțiile UE. Pentru acoperirea completă a entităților, consultați referința entităților.

Necesitatea fundamentală este simplă. Detectarea numărului de naștere trebuie să includă gestionarea decalajului de gen și validarea sumei de control. Este necesară și NER nativă pentru procesarea textului. Trebuie să fie suportate și pipeline-uri pentru texte în mai multe limbi.

Surse

Pregătit să vă protejați datele?

Începeți să anonimizati PII cu 285+ tipuri de entități în 48 de limbi.

About this page

We update this page when our platform or the law changes.

Read our founder note for how we work.

Each change shows up in the timestamp at the top.

Related reading

We follow these rules

  • GDPR (EU 2016/679).
  • ISO/IEC 27001:2022.
  • NIS2 (EU 2022/2555).
  • HIPAA safe harbor under 45 CFR § 164.514(b)(2).

Our promise

We do not sell your data.

We do not train models on your text.

We store your files in Germany.

You can delete your account at any time.

You own your work.

Where we run

Our servers live in Falkenstein, Germany.

We use Hetzner. They hold ISO 27001 certification.

All data stays in the EU.

Backups run every day.

Need help?

Email support@anonym.legal.

We reply within one business day.

How we test

We run a full check suite on every release.

Each surface gets its own sweep script and report.

Human reviewers spot-check the output each week.

We track recall and precision on a labelled set.

Bad runs block the deploy.

What we never do

  • We never sell your information to third parties.
  • We never train models on what you upload.
  • We never keep your work after you delete it.
  • We never share keys with any outside firm.
  • We never run ads inside the product.

Plans in plain words

We sell credits, not seats.

One credit covers one short job.

Long jobs use a few credits each.

You can top up at any time.

Unused credits roll over each month.

Read the plans page for current rates.

Who built this

A small team of engineers and lawyers built this.

We ship from Europe and work in the open.

Our founder note spells out why we started.

Where to start

How the parts fit

A browser add-on cleans text inside Chrome.

A Word plug-in handles drafts in Office.

A small desktop tool works on whole folders.

An agent protocol link feeds large models safely.

All four share one core engine and one rule set.

Words from our team

We started this work after a lunch about cookies.

One friend kept getting odd ads on her phone.

We asked why a court file leaked through a draft.

We sketched the first build on a napkin that week.

By month three we had a tiny demo for a friend.

She used it on her first case the next day.

Common questions we hear

Can the tool read scanned PDFs? Yes, with OCR.

Does it work on long files? Yes, in small chunks.

Can I roll my own rule set? Yes, save it as a preset.

Does it run offline? The desktop build runs offline.

Do you keep my files? No, the cloud build wipes after each run.

Will it learn from my work? No, we never train on inputs.

A short tour of the workflow

Upload a file or paste a snippet of prose.

Pick the entities you want gone from the draft.

Choose a method: replace, mask, hash, encrypt, or redact.

Press run and watch the side panel show each hit.

Skim the result and tweak any rule that misfired.

Save the cleaned file or send it to a teammate.