2、PIA启动时机:哪些场景必须做PIA
说实话,我见过太多团队把PIA当成「事后补票」的流程。项目都快上线了,才想起来问一句:「哎,我们是不是该做个隐私评估?」
嗯,这时候做,基本就是走个过场了。真正的PIA,应该在决策之前介入。
2.1 哪些场景必须做PIA
先说说硬性要求。根据《个人信息保护法》第55条和56条,有五种场景是必须做PIA的,不做就是违规:
- 处理敏感个人信息——比如生物识别、医疗健康、金融账户、行踪轨迹等
- 自动化决策——用算法做用户画像、信用评分、贷款审批等
- 委托处理/对外提供——把数据交给第三方,或者跟合作伙伴共享
- 向境外提供——数据出境,这个现在管得特别严
- 其他对个人权益有重大影响——这是个兜底条款,说白了就是「你觉得风险大,那就做」
我的经验:我在一家金融科技公司做过项目,他们上线了一个「智能风控模型」,用用户的通讯录和社交关系做信用评分。这属于典型的「自动化决策+敏感信息」双重触发,必须做PIA。结果一评估发现,模型对某些群体存在歧视性偏差……嗯,后来模型重构了,上线推迟了两个月,但避免了更大的合规风险。
2.2 新产品/新功能上线前的PIA
这个场景最容易被忽视。很多产品经理觉得:「我只是加了个小功能,不用那么麻烦吧?」
我告诉你,恰恰相反。小功能往往藏着大坑。
举个例子。你给App加了个「好友推荐」功能,看起来很简单对吧?但背后涉及:
- 读取用户的通讯录(敏感权限)
- 分析用户的社交关系(用户画像)
- 向其他用户展示你的信息(对外提供)
你看,一个「小功能」触发了至少三个PIA触发条件。
我个人习惯的做法是:在产品需求文档(PRD)评审阶段,就让隐私团队介入。不是等开发完了再评估,而是在「画原型图」的时候就开始问:
- 这个功能会收集哪些新数据?
- 数据流向是怎样的?
- 用户会被告知吗?
- 用户有选择权吗?
避坑指南:我曾经遇到一个团队,上线了「智能客服」功能,用了用户的聊天记录做模型训练。他们觉得这是「内部使用」,没做PIA。结果被用户投诉到网信办……后来补做PIA时发现,聊天记录里包含了大量敏感个人信息,而且用户根本不知道自己的对话被用于训练。这个教训,代价是50万的罚款。
2.3 第三方合作中的PIA
第三方合作,是PIA的「重灾区」。为什么?因为数据一旦出了你的手,你就很难控制了。
我总结了三类必须做PIA的第三方场景:
| 合作类型 | 典型场景 | PIA重点 |
|---|---|---|
| 数据处理方 | 云服务商、数据分析公司、客服外包 | 数据安全能力、数据留存期限、是否转委托 |
| 数据接收方 | 广告投放、联合营销、API接口调用 | 使用目的限制、数据最小化、用户授权范围 |
| SDK/第三方代码 | 统计SDK、推送SDK、支付SDK | 数据收集范围、是否共享给第三方、隐私政策一致性 |
你想想看,很多App里嵌了十几个SDK,每个SDK都在偷偷收集数据。你以为只是「调了个接口」,实际上数据已经流到了你根本不知道的地方。
我建议的做法是:
- 合作前——让第三方填写《数据安全问卷》,评估他们的安全能力
- 合作中——在合同里明确数据使用边界,约定审计权
- 合作后——定期检查数据是否被超范围使用
注意:第三方合作中的PIA,不能只看「对方有没有资质」。我见过一家公司,合作方是持牌金融机构,按理说很安全吧?结果对方把数据又转包给了另一家数据分析公司,而这家公司根本没有数据安全能力。所以,PIA一定要穿透到「最终处理者」。
2.4 启动PIA的「黄金时间」
说了这么多,到底什么时候启动PIA最合适?
我的答案是:越早越好,最晚不晚于开发启动前。
具体来说,我建议按这个时间线走:
- 概念阶段——初步判断是否需要PIA(5分钟)
- 设计阶段——完成PIA初稿,识别主要风险(1-2天)
- 开发阶段——根据PIA结果调整方案(持续跟进)
- 测试阶段——验证隐私控制措施是否落地(1天)
- 上线前——最终确认,签署PIA报告(半天)
说白了,PIA不是一次性的「检查」,而是一个贯穿产品全生命周期的过程。你越早发现问题,改起来成本越低。
最后说一句:我见过最糟糕的情况,是产品上线后被监管部门约谈,然后才想起来做PIA。那时候,改代码、改流程、改合同……成本是原来的10倍不止。所以,别等到出事了再后悔。PIA的启动时机,决定了你是「主动合规」还是「被动救火」。