The book covers data privacy in depth with respect to data mining, test data management, synthetic data generation etc. It formalizes principles of data privacy that are essential for good anonymization design based on the data format and discipline. The principles outline best practices and reflect on the conflicting relationship between privacy and utility. From a practice standpoint, it provides practitioners and researchers with a definitive guide to approach anonymization of various data formats, including multidimensional, longitudinal, time-series, transaction, and graph data. In addition to helping CIOs protect confidential data, it also offers a guideline as to how this can be implemented for a wide range of data at the enterprise level.   Het boek gaat diep in op gegevensprivacy met betrekking tot datamining, het beheer van testgegevens, het genereren van synthetische gegevens enz. Het formaliseert principes van gegevensprivacy die essentieel zijn voor een goed anonimiseringsontwerp op basis van het gegevensformaat en de discipline. De beginselen schetsen beste praktijken en reflecteren op de tegenstrijdige relatie tussen privacy en nut. Vanuit praktisch oogpunt biedt het praktijkmensen en onderzoekers een definitieve gids voor de aanpak van het anonimiseren van verschillende gegevensformaten, waaronder multidimensionale, longitudinale, tijdreeks-, transactie- en grafiekgegevens. Het helpt CIO's niet alleen vertrouwelijke gegevens te beschermen, maar biedt ook een leidraad voor de manier waarop dit kan worden geïmplementeerd voor een breed scala van gegevens op ondernemingsniveau.