显然，架构系统（设计隐私）可以为审查和降低整个系统的风险提供一些非常实际的价值。但隐私原则的某些原则——即数据最小化——可能会对累积数据的整体处理产生重大影响。关注这一价值主张将有助于提高我们企业的可辨别价值，并真正赢得消费者的信任。
数据最小化包括为媒体所有者做出一些非常现实 巴西电话号码数据 且非常困难的数据采集前期决策。例如，选择在开始时不捕获移动 ID 或个人的人口统计数据意味着事件将不包括这些潜在的有价值信息。或者，选择在初始事项中捕获以验证身份，但在验证后最小化，可以满足重要需求并降低下游风险。虽然与我共事的许多专业人士确实认可并赞赏这一决定，但并非所有人都认同。 种差异在从该事件中提取所有数据时产生了不同的数据隐私风险、暴露或信任范围。但在承认这种分离的同时，我们必须充分重视积极的下游效应：即最小化未来数据点的附加，因为它限制了初始数据集。许多组织在隐私分析中并没有完全接受这一次要价值。
实现数据最小化需要提前做出一些决策，以便在未来获得利益。这在目前尤其明智：逐案应对新兴数据法规只会延迟问题的解决。企业必须为自己和合作伙伴确定最有价值的数据。限制预先收集的数据类型可以节省处理数据所需的资源。减少浪费（不需要或难以验证的数据）可以丰富数据的潜力并降低数据存储的安全风险。考虑数据是否会老化。数据有保质期，过时的数据不会为所有数据的总和增加价值。