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:
-
建立在对错观念上的准则
-
“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
- 尊重他人:在数据处理过程中尊重他人的权益和隐私
- 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。
- 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。
- 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。
- 数据隐身背后的原则 (欧盟GDPR 2016)
- 公平,合法,透明
- 目的限制(注:即使是特殊单位要求也不例外)
- 数据最小化
- 准确性
- 存储限制
- 诚信保密
- 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。