Anonimizar Excel: nóminas, listados y hojas con datos personales

Las hojas de cálculo son el formato donde más densamente se concentra la PII operativa: NIF, IBAN, emails, direcciones, importes, códigos de empleado, centros de coste. Un Excel «sin la columna Nombre» sigue pudiendo reidentificar personas si dejas código postal + puesto + fecha de nacimiento, o si alguien desoculta una columna.

Esta guía cubre riesgos reales al compartir .xls / .xlsx / .ods, un método de trabajo alineado con el RGPD y cómo anonimizar de forma nativa (sin destruir la utilidad tabular) con Anonimatum e IA local en la UE.

Escenarios típicos donde falla el Excel «limpio a mano»

• Nóminas y RRHH: se borra el nombre pero quedan NASS, IBAN y cuentas de correo internas.
• Listados de clientes / socios: filtros activos que ocultan filas… hasta que el destinatario las quita.
• Exportaciones desde ERP/CRM: metadatos de consulta, hojas auxiliares y cachés de pivote con valores originales.
• Due diligence: se envía un extracto financiero con importes y referencias de contrato que apuntan a personas físicas.
• Datos de salud o educación: identificadores «técnicos» que siguen siendo personales en contexto.

Riesgos técnicos específicos de Excel

Qué datos suelen requerir tratamiento en nóminas y listados

No existe una lista universal: depende de la finalidad. Como punto de partida habitual en España/UE:

• Identificadores directos: nombre completo, DNI/NIE, NASS, número de empleado si es único y estable.
• Contacto: email personal/corporativo, teléfono, dirección postal.
• Financieros: IBAN, importes netos/brutos cuando el contexto permite inferir identidad.
• Organizativos sensibles en contexto: centro, categoría, antigüedad combinados con otros campos.
• Salud / afiliación / sanciones: categorías especiales — maximiza precaución y base jurídica.

Método recomendado (operativo)

1. Congela el propósito del fichero

¿Es para publicar estadísticas? ¿Para que un proveedor pruebe una integración? ¿Para formar a nuevo personal? El propósito decide si necesitas anonimización irreversible, agregación o pseudoanonimización reversible bajo control.

2. Detecta en celdas, no solo «a ojo»

Un anonimizador Excel debe recorrer valores tabulares con patrones (IBAN, DNI) e IA contextual (nombres, direcciones). La revisión humana confirma exclusiones: por ejemplo, un código de producto que *parece* un identificador pero no lo es.

3. Decide columna a columna

Documenta en una hoja de control (interna) qué columnas se eliminan, se enmascaran, se sustituyen o se conservan. Esa hoja es oro en auditorías y para repetir el proceso el mes siguiente.

4. Verifica como lo haría un atacante curioso

• Desoculta todas las hojas y columnas.
• Busca fragmentos del NIF/IBAN original.
• Revisa propiedades del archivo.
• Si hubo pivotes, regenera o elimina cachés antes de distribuir.

Si el origen es un PDF con tablas

Muchas nóminas llegan como PDF. El orden sensato suele ser: PDF → Excel (para recuperar estructura) y después anonimizar la hoja. Anonimizar solo el PDF puede bastar para publicar, pero si el destinatario necesita operar con filas/columnas, la vía tabular es más segura y útil.

Checklist RGPD para responsables de RRHH / DPO

• Finalidad y base jurídica documentadas para esa exportación.
• Campos mínimos necesarios (minimización real, no cosmética).
• Encargado del tratamiento / ubicación UE si usas SaaS.
• Prueba de verificación post-proceso (quién, cuándo, qué buscó).
• Retención del fichero original vs copia anonimizada (plazos distintos).
• Instrucciones al destinatario: no reidentificar, no cruzar con otras bases.

Cómo ayuda Anonimatum

Anonimatum trata Excel/ODS en el flujo de anonimización documental con IA local en la UE, previsualización de detecciones y posibilidad de integrar el resultado en lotes cuando RRHH o finanzas mueven cientos de ficheros. Combínalo con patrones personalizados para códigos internos.