itextsharp pdf to image c# : Add print button to pdf form SDK software project winforms wpf .net UWP big-data-and-data-protection0-part1737

1 
Big data and
data protection
Data Protection Act 1998
Add print button to pdf form - C# PDF Field Edit Library: insert, delete, update pdf form field in C#.net, ASP.NET, MVC, Ajax, WPF
Online C# Tutorial to Insert, Delete and Update Fields in PDF Document
add jpg to pdf form; adding an image to a pdf form
Add print button to pdf form - VB.NET PDF Field Edit library: insert, delete, update pdf form field in vb.net, ASP.NET, MVC, Ajax, WPF
How to Insert, Delete and Update Fields in PDF Document with VB.NET Demo Code
create a fillable pdf form in word; add submit button to pdf form
Big data and data protection 
20140728 
Version: 1.0 
Contents 
Introduction ............................................................................. 2
Executive summary .................................................................. 3
What is big data? ..................................................................... 6
Big data and personal data ...................................................... 10
Anonymisation .................................................................... 11
Fairness ................................................................................ 14
Conditions for processing personal data .................................... 17
Consent .............................................................................. 18
Contracts and legitimate interests .......................................... 19
Purpose limitation ................................................................... 21
Data minimisation: collection and retention ............................... 23
Subject access rights .............................................................. 25
The research exemption .......................................................... 26
Security ................................................................................ 27
Data controllers and data processors ........................................ 29
Overseas transfers ................................................................. 30
Tools for compliance ............................................................... 30
Privacy impact assessments (PIAs) ........................................ 30
Privacy by design ................................................................ 31
Transparency and privacy information .................................... 33
EU General Data Protection Regulation ...................................... 37
A challenge to data protection? ................................................ 40
The role of third parties ........................................................ 42
The business context .............................................................. 44
Building trust ...................................................................... 44
Information governance ....................................................... 47
Explaining the benefits ......................................................... 48
Annex 1: Feedback questions ................................................... 50
Save, Print Images in Web Image Viewer| Online Tutorials
you can be immediately enabled to save, print, download and at another page and download it with button click; like PNG, JPEG, GIF, BMP, TIFF, PDF, MS Word, etc.
adding a text field to a pdf; convert word doc to pdf with editable fields
C# WPF PDF Viewer SDK to print PDF document in C#.NET
Highlight Text. Add Text. Add Text Box. Drawing Markups. Add Stamp Annotation. PDF Print. C#.NET RasterEdge WPF PDF Viewer printing button is as following. Print
adding text to a pdf form; create a fillable pdf form
Big data and data protection 
20140728 
Version: 1.0 
2 
Introduction 
1.
Big data is currently a major topic of discussion across a 
number of fields, including management and marketing, 
scientific research, national security, government transparency 
and open data. Both public and private sectors are making 
increasing use of big data analytics. The ICO is interested 
specifically in the data protection and privacy risks posed by 
big data. In this paper, we set out what we understand by the 
term ‘big data’, consider what data protection issues it raises, 
and suggest how to comply with the Data Protection Act (the 
DPA). 
2.
This paper is intended to give an overview of the issues as we 
see them and contribute to the debate on big data and privacy. 
This is an area in which the capabilities of the technology and 
the range of potential applications are evolving rapidly and 
there is ongoing discussion of the implications of big data. Our 
aim is to ensure that the different privacy risks of big data are 
considered along with the benefits of big data - to 
organisations, to individuals and to society as a whole. It is our 
belief that the emerging benefits of big data will be sustained 
by upholding key data protection principles and safeguards. 
The benefits cannot simply be traded with privacy rights. 
3.
We carried out the research for this paper between June 2013 
and June 2014. This involved desk research in the form of 
reading articles and reports (many of which are referenced in 
the footnotes), a small number of structured interviews with 
practitioners in other organisations, and discussions with 
experts at conferences and seminars. We are grateful to all 
those who contributed to this, as they have helped us to 
formulate our views on big data.   
4.
The area of big data is fast-evolving, and as such our guidance 
is likely to be subject to improvements and amendments in the 
future. We’d welcome any feedback on ways we can improve 
this document. Details on how to submit feedback are available 
in Annex 1.  
5.
In the paper we refer to a number of examples of big data 
applications used by companies and cite reports and other 
publications from companies. This information is taken from 
publicly available sources that are referenced in the footnotes. 
They are used for illustration and including them here does not 
imply any endorsement or otherwise by the ICO as the 
regulator of data protection in the UK.  
VB.NET PDF - Print PDF with VB.NET WPF PDF Viewer
Highlight Text. Add Text. Add Text Box. Drawing Markups. PDF Print. VB.NET WPF PDF Viewer: Print PDF. VB.NET RasterEdge WPF PDF Viewer printing button is as following
add attachment to pdf form; create a pdf form that can be filled out
C# HTML5 Viewer: Load, View, Convert, Annotate and Edit PDF
various buttons are give for print or output PDF Users can freely add text annotation, freehand annotation annotations can be removed easily with delete button.
adding text fields to pdf acrobat; create a pdf form to fill out
Big data and data protection 
20140728 
Version: 1.0 
3 
Executive summary 
6.
Big data is currently a major topic of discussion across a 
number of fields, with both public and private sectors making 
increasing use of big data analytics. It is characterised by 
volume, variety and velocity of data, and by the use of 
algorithms, using ‘all’ the data and repurposing data. 
7.
The ICO is interested in big data as it can involve processing 
personal data. In this paper, we set out what we understand by 
the term ‘big data’, consider what data protection issues it 
raises, and suggest how to comply with the Data Protection Act 
(the DPA). 
8.
Many instances of big data analytics do not involve personal 
data at all. Using climate and weather data, for example, could 
enable new discoveries and improved services without using 
personal data. 
9.
However, there are many examples of big data analytics that 
do involve processing personal data, from sources such as 
social media, loyalty cards and sensors in clinical trials. Where 
personal data is being used, organisations must ensure they 
are complying with their obligations under the DPA. 
10.
One key data protection requirement is to ensure that 
processing of personal data is fair, and this is particularly 
important where big data is being used to make decisions 
affecting individuals. Fairness is partly about how personal data 
is obtained. Organisations need to be transparent when they 
collect data, and explaining how it will be used is an important 
element in complying with data protection principles. The 
complexity of big data analytics is not an excuse for failing to 
obtain consent where it is required. 
11.
Big data analytics can involve repurposing personal data. If an 
organisation has collected personal data for one purpose and 
then decides to start analysing it for completely different 
purposes (or to make it available for others to do so) then it 
needs to make its users aware of this. This is particularly 
important if the organisation is planning to use the data for a 
purpose that is not apparent to the individual because it is not 
obviously connected with their use of a service. 
12.
A key feature of big data is using ‘all’ the data, which contrasts 
with the concept of data minimisation in the data protection 
principles. This raises questions about whether big data is 
excessive, while the variety of data sources often used in the 
C# HTML5 Viewer: Load, View, Convert, Annotate and Edit Excel
C# .NET, users can convert Excel to PDF document, export Viewer for C# .NET, users can add various types can be removed from Excel file by using delete button.
pdf create fillable form; pdf editable fields
VB.NET Image: Web Image and Document Viewer Creation & Design
can rotate, redact & annotate images and add, delete & and processing, you may click toolbar button to print It is a powerful toolkit to print bitonal images
pdf save form data; change font size in pdf form field
Big data and data protection 
20140728 
Version: 1.0 
4 
analysis may also prompt questions over whether the personal 
information being used is relevant. The challenge for 
organisations is to address this by being clear from the outset 
what they expect to learn or be able to do by processing that 
data, as well as satisfying themselves that the data is relevant 
and not excessive, in relation to that aim. 
13.
Organisations must also be proactive in considering any 
information security risks posed by big data. Security depends 
upon the proper assessment of risk, and so responsible 
organisations should apply their normal risk management 
policies and procedures when they acquire new datasets or use 
existing ones for big data analytics. Big data can also be a tool 
to improve information security. 
14.
The proposed EU General Data Protection Regulation, if 
adopted, could improve the level of data protection for 
individuals in the context of big data analytics, in that it aims to 
increase the transparency of the processing, enhance the rights 
of data subjects and introduce a requirement for privacy by 
design and privacy impact assessments.  The ICO stresses that 
these data protection benefits should be achieved through a 
risk based approach that avoids over-prescription. 
15.
There is evidence that some companies are developing an 
approach to big data that looks to place it in a wider and 
essentially ethical context. As well as a possible competitive 
advantage in being seen as a responsible and trustworthy 
custodian of customer data, adopting an ethical approach will 
also go some way towards ensuring that the analytics complies 
with data protection principles. 
16.
There are clear social benefits to be derived from big data 
analytics, for example in scientific and medical research. Being 
transparent about the purpose and impact of the analytics can 
also have benefits, in helping people to be confident as ‘digital 
citizens’ in a big data world.  
17.
We do not accept the argument that data protection principles 
are not fit for purpose in the context of big data. Big data is not 
a game that is played by different rules. There is some 
flexibility inherent in the data protection principles. They should 
not be seen as a barrier to progress, but as the framework to 
promote privacy rights and as a stimulus to developing 
innovative approaches to informing and engaging the public.  
18.
As well as looking extensively at the data protection issues 
presented by big data, this paper also suggests areas 
C# HTML5 PDF Viewer SDK to view PDF document online in C#.NET
Highlight Text. Add Text. Add Text Box. Drawing Markups. PDF Print. to Jpeg, VB.NET compress PDF, VB.NET print PDF, VB.NET go to any page by using page go to button
acrobat create pdf form; add text fields to pdf
VB.NET PDF- View PDF Online with VB.NET HTML5 PDF Viewer
Highlight Text. Add Text. Add Text Box. Drawing Markups. PDF Print. C#.NET edit PDF sticky note, C#.NET print PDF, C#.NET go to any page by using page go to button
pdf fillable form creator; change tab order in pdf form
Big data and data protection 
20140728 
Version: 1.0 
5 
organisations should address when considering big data 
analytics. 
19.
One route to consider is anonymisation, which, if done 
correctly, means the information being analysed is no longer 
considered personal data. This can assist big data analytics and 
help organisations to carry on research or develop products 
and services. It also enables organisations to give an assurance 
to the people whose data was collected that they are not using 
data that identifies them for big data analytics. In a world of 
multiple data sources effective anonymisation can be 
challenging and organisations must carry out a robust risk 
assessment. 
20.
Other practical aspects to consider when using personal data in 
big data analytics are summarised in this table: 
Personal 
data 
Does your big data project need to use 
personal data at all? If you are using personal 
data, can it be anonymised? If you are 
processing personal data you have to comply 
with the Data Protection Act. 
Privacy 
impact 
assessments 
Carry out a privacy impact assessment to 
understand how the processing will affect the 
people concerned. Are you using personal 
data to identify general trends or to make 
decisions that affect individuals? 
Repurposing 
data 
If you are repurposing data, consider whether 
the new purpose is incompatible with the 
original purpose, in data protection terms, 
and whether you need to get consent. If you 
are buying in personal data from elsewhere, 
you need to practice due diligence and ensure 
that you have a data protection condition for 
your processing. 
Data 
minimisation 
Big data analytics is not an excuse for 
stockpiling data or keeping it longer than you 
need for your business purposes, just in case 
it might be useful. Long term uses must be 
articulated or justifiable, even if all the detail 
of the future use is not known. 
Transparency 
Be as transparent and open as possible about 
what you are doing. Explain the purposes, 
implications and benefits of the analytics. 
Think of innovative and effective ways to 
convey this to the people concerned. 
Big data and data protection 
20140728 
Version: 1.0 
6 
Subject 
access 
People have a right to see the data you are 
processing about them. Design systems that 
make it easy for you to collate this 
information. Think about enabling people to 
access their data on line in a re-usable 
format. 
What is big data? 
21.
It is difficult to produce a ‘watertight’ definition that would 
enable us to label definitively any particular instance of 
processing as big data or not. Big data has been described as a 
phenomenon rather than a technology
1
, and this is a useful 
distinction. It is perhaps best to see it as a shorthand way of 
describing the features of certain data and how it is processed. 
The Gartner IT glossary defines it as follows: 
“Big data is high-volume, high-velocity and high-variety 
information assets that demand cost-effective, innovative 
forms of information processing for enhanced insight and 
decision making”
2
. 
22.
Following the Gartner definition, big data is often described in 
terms of the ‘three Vs’: volume, variety and velocity. 
23.
Volume. Big data uses massive datasets, including for example 
meta-data from internet searches, credit and debit card 
purchases, social media postings, mobile phone location data, 
or data from sensors in cars and other devices. The volume of 
data being produced in the world continues to increase rapidly. 
The Boston Consulting Group estimates total growth of 2.5 
exabytes, which equals 2.5 billion gigabytes, per day
3
. It is 
increasingly possible to hold very large datasets, due to the 
decreasing cost of storage and the availability of cloud-based 
1
Wiggins, Lesley If big data and analytics exist in a silo, does the outcome 
matter? IBM Big Data and Analytics Hub, 25 February 2014 
http://www.ibmbigdatahub.com/blog/if-big-data-and-analytics-exist-silo-does-
outcome-matter Accessed 25 June 2014 
2
Gartner IT glossary Big data. http://www.gartner.com/it-glossary/big-data 
Accessed 25 June 2014 
3
Souza, Robert et al. How to get started with big data. BCG perspectives. The 
Boston Consulting Group, 29 May 2013 
https://www.bcgperspectives.com/content/articles/it_strategy_retail_how_to_get
_started_with_big_data/ Accessed 25 June 2014 
Big data and data protection 
20140728 
Version: 1.0 
7 
services. These datasets may be so large that they cannot be 
analysed using ‘traditional’ methods, such as MS Excel 
spreadsheets, relational databases and SQL queries, but new 
tools have been developed to analyse them such as NoSQL and 
the open source software Hadoop.  
24.
Variety. Big data often involves bringing together data from 
different sources. Currently it appears that big data analytics 
mainly uses structured data
4
, eg in tables with defined fields, 
but it can also include unstructured data. For example, it is 
possible to obtain a feed of all the data coming from a social 
media source such as Twitter. This is often used for ‘sentiment 
analysis’, ie to analyse what people are saying about products 
or organisations. A retailer might combine this data with their 
own in-house data collected from point-of-sale terminals and 
loyalty cards, to produce rich and detailed information for 
marketing. From an IT perspective, combining data from 
different sources in this way presents particular challenges. 
Technologies have been developed for big data that do not 
require all of the data to be put into a single database structure 
before it can be analysed. 
25.
In discussions we have had with practitioners, some have 
suggested that, of the ‘three Vs’, variety is the most important 
characteristic of big data. This view suggests that, if a company 
is analysing its own customer database, even if that database 
is particularly large, it may not necessarily raise any novel 
issues in terms of either analytics or data protection. However, 
when it combines its own information with data sourced 
externally (whether that be from a publicly accessible source or 
not), then it is doing something qualitatively different that can 
be called big data.  
26.
Velocity. In some contexts, it is important to analyse data as 
quickly as possible, even in real time. Big data analytics can be 
used to analyse data ‘in motion’, as it is produced or recorded, 
as well as data ‘at rest’ in data stores. A potential application of 
‘in motion’ analysis is in credit card payments. For example, 
Visa
5
is looking at using big data analytics to develop a new 
ways of authorising credit card payments. 
4
Russom, Philip Managing big data. The Data Warehousing Institute, 2013. 
Available from http://www.pentaho.com/resources Accessed 25 June 2014 
5
The future of technology and payments. Edition 2. Visa Europe, April 2013 
http://www.visaeurope.com/en/about_us/industry_insights/tech_trends.aspx 
Accessed 25 June 2014 
Big data and data protection 
20140728 
Version: 1.0 
8 
27.
There is no fixed definition of big data and some commentators 
have suggested additional criteria, but we take the ‘three Vs’ to 
be key elements of big data. To be described as big data, a 
particular instance of data processing has to be significant in 
terms of volume, variety or velocity, but it does not have to 
score highly on all three of these parameters. 
28.
In addition to the ‘three Vs’, big data analytics often has other 
characteristics that are different to those of ‘traditional’ 
processing. 
29.
Use of algorithms. Before the advent of big data, analysing a 
dataset involved, in general terms, deciding what you wanted 
to find out from the dataset and constructing a query to find it, 
by identifying the relevant entries. Big data analytics, on the 
other hand, often involves running a very large number of 
algorithms against the data in order to find correlations
6
, rather 
than testing a particular hypothesis. Once relevant correlations 
have been identified, a new algorithm can be created and 
applied to particular cases. This is a form of ‘machine learning’, 
since the system ‘learns’ which are the relevant criteria from 
analysing the data. While algorithms themselves are by no 
means a new concept, their use in this way is a feature of big 
data analytics. 
Example  
In the United States, Vree Health uses analytics to reduce 
hospital readmission rates for patients hospitalised for heart 
attack, heart failure or pneumonia. They use data collected 
throughout the hospital stay (this can amount to 12 million 
pieces of data per day) and combine it with data from follow-
up visits by their representatives, patient interactions with 
their internet and phone-based help systems and third party 
data. Analysing all of this data enables them to spot 
characteristics or behaviours associated with readmission, and 
if a particular patient exhibits these they can put support in 
place.
7
6
Centre for Information Policy Leadership. Big data and analytics. Seeking 
foundations for effective privacy guidance. Hunton and Williams LLP, February 
2013 
http://www.hunton.com/files/Uploads/Documents/News_files/Big_Data_and_Anal
ytics_February_2013.pdf Accessed 25 June 2014 
7
Ibid, pp 4-6 
Big data and data protection 
20140728 
Version: 1.0 
9 
30.
Using ‘all the data’. Analysing data for research often 
necessitates finding a statistically representative sample, or 
carrying out random sampling. Big data analytics, on the other 
hand, tends to collect and analyse all the data that is available.  
For example, in a retail context it can mean analysing all the 
purchases made by shoppers using a loyalty card, and using 
this to find correlations, rather than asking a sample of 
shoppers to take part in a survey. This feature of big data has 
been made easier by the ability to store and analyse ever 
increasing amounts of data. 
31.
Repurposing data. Big data analytics often repurposes data 
that was obtained for a different purpose and in some cases by 
another organisation. Companies such as DataSift take data 
from Twitter, Facebook and other social media and make it 
available for analysis for marketing and other purposes. Social 
media data can also be used to assess individuals’ credit 
worthiness
8
. In many cases the data that is being used for the 
analytics has been generated automatically, by interactive 
technology, rather than being consciously provided by 
individuals. For example, mobile phone presence data is used 
to analyse the footfall in retail centres
9
.  Sensors in the street 
or in shops can capture the unique MAC address of the mobile 
phones of people passing by
10
. Although the MAC address does 
not itself identify a specific individual, it could be used to track 
repeated visits. 
32.
Some see big data merely as a continuation of the processing 
they have always done, even when they are handling very 
large volumes of data. This may be because they do not 
consider that what they are doing creates any new issues for 
them, especially in terms of data protection, or because they 
are sceptical of the ‘hype’ surrounding big data. Certainly, 
some examples may be closer to traditional business 
intelligence analytics even though they are reported as big 
data. Where the term is being used only as marketing, and the 
processing represents a continuation of what has been 
happening previously, then it is unlikely that it will raise any 
8
Deville, Joe. Leaky data: how Wonga makes lending decisions. Charisma, May 
2013 http://www.charisma-network.net/finance/leaky-data-how-wonga-makes-
lending-decisions Accessed 25 June 2014 
9
Smart Steps increase Morrisons new and return customers by 150%. Telefonica 
Dynamic Insights October 2013 http://dynamicinsights.telefonica.com/1158/a-
smart-step-ahead-for-morrisons  Accessed 25 June 2014 
10
Seward, Zachary M and Datoo, Siraj City of London halts recycling bins tracking 
phones of passers-by Quartz 12 August 2013 http://qz.com/114174/city-of-
london-halts-recycling-bins-tracking-phones-of-passers-by/ Accessed 25 June 
2014 
Documents you may be interested
Documents you may be interested