埃森哲：数据道德指南-十二条守则

职业道德规范能起到的作用非常广泛。从表面上看，它为一个职业制定了可被接受的行为标准。然而，它的制订、完善、传播、培训和执行这一系列过程，使得其影响力要比仅仅作为行为标准更加广泛——它能够定义一个职业团体的边界在何处，也能够体现出大众对于这个职业从业者的期望标准。

而对于数据专家和从业者们来说，以下十二条守则正是数据职业道德的基础。通过这十二条守则，数据行业能够建立起自身的职业道德体系，从而实现上述功能和影响力。这对于不断发展壮大的数据行业来说是必不可少的。

1. 最高守则：尊重数据背后的人

当从数据中获取的洞见能够对人产生影响时，从业者需要首先考虑潜在危害。大数据能够创造出关于大众的有效信息，但是对个人来说，同样的信息则有可能导致不公平的结果。

2. 追踪数据集的下游使用

在使用数据的时候，数据专家应该尽量在目的和对数据的理解上跟数据提供方保持一致。从管理层面，数据集有时候会按照“公共”，“私有”和“专利”来进行分类。然而，数据集的使用方式很少跟数据类型相关，而更多地取决于用户本身或者其所处的环境。对于被重复应用于不同目的的数据，如果这些应用之间产生了相关性，那么数据分析就会带来更多的希望和前景，也同时带来更大的风险。

3. 数据来源和分析工具决定了数据使用的结果

世上本没有所谓的“原始数据”——所有的数据集和对应的分析工具都或多或少地包含了过去的人的主观决策。当然，这些“过去”是可以被审查的，比如追踪数据收集的环境、许可方式、责任链，以及检查数据的质量和精确度等。

4. 尽量让隐私和安全保护达到期望标准

数据主体对隐私和安全的期望标准是根据具体情况变动的。设计者和数据专家应该尽量考虑这些期望标准，并尽可能达到它们。

5. 遵守法律，并明确法律只是最低标准

数字化进程的迅速发展，导致法律法规很难跟上其脚步。因此，现有的相关法律很容易出现偏差和漏洞。在这样的大背景下，要做好数据道德，企业领导人需要保证自己的合规框架比现行法律的标准更高。

6. 注意，不要仅仅为了拥有更多数据而收集数据

今天所收集的数据，有可能会在未来某一天的未知事务中起到作用——这就是数据分析的力量和危险性所在。有时候，少一点数据可能会令分析更精确，风险更低。

7. 数据是一个工具，可以涵盖更多人，也可能排除一些人

虽然每一个人都可以从数据中获得好处，但是数据对每个人的影响并不是平等的。数据专家应该尽量减少其产品对不同人的影响力差异，并更多地聆听相关群体的声音。

8. 尽可能向数据提供者解释分析和销售方法

数据在穿越整个供应链的过程中会产生相当的风险。在数据收集的时间点上，最大化的透明度可以把这种风险降到最低。

9. 数据专家和从业者需要准确地描述自己的从业资格、专业技能缺陷、符合职业标准的程度，并尽量担负同伴责任

数据行业的长期成功取决于大众和客户的信任。从业者们应当尽量担负同伴责任，从而获得信任。

10. 设计道德准则时，应将透明度、可配置性、责任和可审计性包含在内

并非所有道德困境都能够被设计所解决，但设计可以打破许多障碍，使得道德准则更加通用和有效——这是一项工程挑战，应当投入本领域最优秀的人才。

11. 对产品和研究应该采取内部、甚至外部的道德检验

对于新产品、服务和研究项目，企业们应该优先设立有效、一致、可行的道德标准。内部同行评审可以减少风险，而外部检验则可以增强公众信任。

12. 设立有效的管理活动，使所有成员知情，并定期进行审查

过去通行的合规制度无法应对数据道德给今天的企业所带来的挑战。对于现在的数据行业，监管、社会等各方面的情况还在不断变动之中。企业们需要相互合作，进行日常化和透明化的实践，才能更好地建立数据行业的道德管理体系。

原文来源：www.accenture.com 原文作者：埃森哲咨询公司Accenture

编译：翻译&编辑/马叔，转自：马达数据