第二章 数据处理伦理

1. 数据处理伦理定义

• 数据处理伦理指如何以符合伦理准则的方式获取、存储、管理、使用和销毁数据

• 伦理概念：

  1. 建立在对错观念上的准则

  2. “在没有人看的情况下，正确地去做事(doing it right when no one is looking)”(W.Edward Deming)

2. 违法数据伦理的风险

• 声誉受损：组织在数据处理过程中若违反伦理准则，可能导致其声誉受到损害，进而影响其品牌形象和公众信任度。

• 客户流失：当客户发现其数据被不当地收集、使用或泄露时，他们可能会选择不再信任该组织，从而导致客户流失。

• 触犯法律：违反数据伦理的行为可能同时触犯相关法律法规，如欧盟的GDPR（2016）等，导致组织面临法律诉讼和处罚。

3.  数据伦理问题的核心概念

•  对人的影响：由于数据代表个人的特征，可被用于各类决策，从而影响人们的生活，因此必须保证其质量和可靠性。
• 滥用可能：滥用数据会对人和组织造成负面影响，所以需要有伦理准则来防止数据被滥用
•  数据的经济：数据存在经济价值。需要规定数据所有权，即谁可以去使用数据及如何使用数据。

4. 业务驱动因素

• 提高商业竞争性
• 降低数据滥用风险
• 创建数据伦理文化

5 数据伦理的准则

1. 尊重他人：在数据处理过程中尊重他人的权益和隐私
2. 行善原则：将利益最大化、伤害最小化，确保数据处理行为符合道德和社会责任。
3. 公平公正：确保数据处理的公平性和公正性，避免任何形式的歧视或偏见。
4. 尊重法律和公众利益：遵守相关法律法规，确保数据处理活动符合公众利益。
5. 数据隐身背后的原则 （欧盟GDPR 2016）
   1. 公平，合法，透明
   2. 目的限制（注:即使是特殊单位要求也不例外）
   3. 数据最小化
   4. 准确性
   5.  存储限制
   6. 诚信保密
   7. 问责制定

7 违返伦理准则的具体行为可能包括：

1）时机选择

  在数据收集和使用时，若选择不当的时机，可能会对用户造成不必要的困扰或损害。

2）可视化误导

  在数据呈现时，若采用误导性的可视化手段，可能使数据使用者产生错误的判断。

3）定义不清晰或无效的比较

  在进行数据比较时，若定义不清晰或比较无效，可能导致错误的结论和决策。

4）偏见

  （1）预设结论的数据采集

  （2）预感和搜索

  （3）片面抽样方法

  （4）背景和文化

5）转换和集成数据

6）数据的混淆和修订

  （1）混淆和修订数据是进行信息脱敏或信息不公开的常用方法

  （2）如果下游的活动（分析或与其他数据集相结合）需要公开数据，那么仅仅混淆就不足以保护数据。