anonym.legal

By · Last updated 2026-06-05

Назад до блогуGDPR та відповідність

ÚOOÚ Чехія: GDPR у виробництві

Чеський ÚOOÚ ухвалив 58 рішень про правозастосування у 2024 році; на виробництво припадає 34% порушень. 67% чеських компаній використовують інструменти без підтримки чеської специфіки.

June 5, 20268 хв читання
Czech Republic ÚOOÚrodné číslomanufacturing GDPRCentral Europe complianceCzech identifiers

ÚOOÚ та GDPR у чеській промисловості

Úřad pro ochranu osobních údajů (ÚOOÚ) ухвалив 58 рішень про правозастосування у 2024 році. Виробничі та автомобільні компанії склали 34% від їхньої кількості. Це найвищий показник серед усіх галузей.

Škoda Auto, Toyota, Foxconn та численні постачальники комплектуючих — усі вони працюють у Чехії. Дотримання вимог GDPR там потребує інструментів, що обробляють локальні дані. Більшість використовуваних інструментів із цим не справляється.

Проблема інструментів материнської компанії

Дані ÚOOÚ демонструють чітку схему збоїв. Зарубіжні материнські компанії нав'язують своїм локальним підрозділам інструменти для роботи з персональними даними, налаштовані під іноземні стандарти.

Коли велика група розгортає свій стандартний інструмент у празькому офісі, відбувається таке:

  1. Інструмент налаштований для іноземних ідентифікаторів. Він не охоплює місцеві.
  2. Трудові договори та кадрові файли написані чеською мовою. Інструмент не навчений на чеських текстах.
  3. Точність NER для чеської мови на 23% нижча, ніж для еквівалентних текстів іншими мовами. (Технічні настанови ÚOOÚ, 2024)
  4. Rodné číslo пропускається у файлах, не позначених як чеські.
  5. Дані про здоров'я та кадрові дані співробітників передаються без захисту, якого вимагають регулятори.

67% місцевих компаній покладаються на інструменти, що пропускають специфічні для країни ідентифікатори. ÚOOÚ покладає відповідальність на місцевого контролера, а не на материнського постачальника.

Rodné číslo: дані особливої категорії

Rodné číslo — це номер народження. Його формат: РРММДД/ХXXX.

  • Цифри 3–4 кодують місяць народження. Для жінок додається 50. Жінка, народжена у січні, матиме значення 51, а не 01.
  • Косою рискою дата відокремлюється від суфікса.
  • Суфікс складається з 3–4 цифр із контрольною цифрою за модулем 11.

Кодування статі робить цей номер даними особливої категорії відповідно до статті 9 GDPR. Він розкриває стать за своєю конструкцією. Застосовується підвищений рівень захисту.

Необхідно охоплювати три аспекти. По-перше, зміщення місяця для жінок — правило додавання 50. По-друге, перевірку контрольної цифри за модулем 11. По-третє, обидва формати: 9-значний (до 1954 року) та 10-значний.

Виключно пошук за шаблоном не відповідає стандартам ÚOOÚ.

Інші ключові ідентифікатори

Číslo občanského průkazu (OP): національне посвідчення особи. Дев'ять буквено-цифрових символів. Зустрічається в договорах, журналах відвідувачів та медичних записах.

IČO: восьмизначний номер компанії. Фігурує в договорах із постачальниками поруч із персональними даними законних представників.

DIČ: формат CZ + номер народження (для фізичних осіб) або CZ + IČO (для компаній). Особистий DIČ зустрічається у договорах із фрілансерами.

IBAN: формат CZ + 22 цифри. Поширений у платіжних відомостях та звітах про витрати.

Де виробництво наражається на ризик

Кадрові записи: зарплатні відомості для місцевих співробітників містять номери народження, національні посвідчення особи та банківські реквізити. Транскордонні кадрові передачі потребують Оцінок впливу на передачу.

Відстеження якості: автовиробничі системи часто пов'язують записи про дефекти з конкретними працівниками. Це є персональними даними всередині операційних технологій. На них поширюється GDPR навіть поза межами кадрових систем.

Дані дилерств: великі виробничі мережі обробляють записи про тест-драйви, форми фінансування та сервісну історію. Багато з них містять номери народження.

Дивіться наш посібник із відповідності GDPR та огляд багатомовного виявлення персональних даних, щоб дізнатися, як прогалини в ідентифікаторах проявляються в різних юрисдикціях ЄС. Для повного покриття сутностей дивіться довідник сутностей.

Основна потреба проста. Виявлення номерів народження повинно включати обробку гендерного зміщення та перевірку контрольної суми. Також необхідна підтримка NER для рідної мови при обробці тексту. Необхідно підтримувати змішані мовні конвеєри.

Джерела

Готові захистити свої дані?

Почніть анонімізувати PII з 285+ типами сутностей на 48 мовах.

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.