maksim kabakou - 股票.adobe.com
数据挖掘的治理,遵守,道德:单独但平等
在伦理挖掘和分析数据,治理,遵守和道德的情况下被错误地被误认为是一个。数据管理器需要了解临界差异。
在今天的数据世界中导航有迷宫 - 商业智能,数据分析,数据科学,数据挖掘。我经常告诉CIO和其他技术领导者,在大多数情况下,我们可以使用较旧的,更包容的术语 -决策支持。但是,新的,我们的技术支持我们在做出更好的决定,导致更好的业务结果。
但是,当挖掘和使用客户数据时,提出良好决策可能不足。社会,商业和合法,我们看到增加的价值放在我们的伦理上数据挖掘系统和流程。随着数据挖掘和分析的谈话,我们面临治理和遵守的需求增长。
然而,重要的是,分析团队知道道德,治理和遵守方式的差异,特别是因为伦理在数据挖掘中,可以无意中忽视了更多客观标准。
数据治理不是决策支持
我们都希望我们的业务今天是聪明和数据驱动的,所以以下索赔可能会让你感到惊讶:数据治理不是为了提高决策;这是以正确的方式做出决定。
我当地的市议会发出了一种有争议的命令,即交通圈在几个连接点。许多人认为这个计划是可怕的。然而,决定是以尽职调查作出的,并遵循所有适当的磋商和投票。
以同样的方式,数据治理和采矿实践,即使在正确完成时,也不一定保证更好的结果。
良好的治理可以帮助企业用户,特别是当资料记录元数据并应用完整性和准确性标准 - 对数据挖掘工作的成功至关重要。但大部分工作包括澄清所有权,设置访问控制和记录数据的使用。其中没有关于决策的价值,而是确保行动是可审计和负责任的。
因此,数据目录近年来,从劝说,电梯,水线数据和其他供应商都获得了普及。尽管如此,许多企业仍然存在建立他们的治理系统内部或在顾问的帮助下。
但我们的故事无法结束。
治理也不是合规性
您可能确实有一个管理良好的数据基础架构,仔细管理和审计流程数据挖掘和商业智能。但合规可能仍可依赖于所有具体监管要求的会计。
例如,HIPAA规则要求公司建立有关处理电子健康信息的工作站的物理保障的政策和做法。HIPAA合规取决于满足这些要求,无论您的系统是良好的治理和安全。
治理涵盖了一系列政策和实践数据经理建立。相比之下,合规性侧重于规定的具体细节,并遵守符合要求检查列表帮助评估您的基础架构和流程。
数据采矿实践越来越多地利用客户数据以先进的方式推动营销,保留和客户服务计划,已经受到很多审查。因此,有必要遵守隐私法律法规,如GDPR等。
所有这些都将我们带到了治理与遵守之间的重要关系。我们已经看到,管理数据不保证合规 - 或更好的决定 - 但没有良好的治理,很难遵守。即使您的流程和政策今天坚持立法法规,这可能不是明天的情况,因为改变是分析世界中的一个常数。
如果您的公司,例如,收购或创建新数据,则部署新工具或经过结构变更 - 更不用说政府政策的变化 - 然后你如何确保符合性没有正确的政策?
就像我们看到数据目录一样发展到治理平台,所以我们也看到了应用程序出现了遵守具体规定。这些工具的范围可以随着所设计的规定而宽阔。
一些产品,例如来自Integris软件,OneTrust,Spirion和Trustrc的那些产品,帮助映射公司的敏感数据来监控和控制它,并响应监管机构或客户的信息请求。Usercentrics,Transfon和Liveramp的Faktor子公司等公司的其他工具可用于跟踪哪些客户允许其数据根据GDPR规定用于数据挖掘。
治理和遵守不是道德规范
因此,遵守对您的组织至关重要,尤其是您的数据挖掘工作。但是,如果你的话,简单遵守规则清单可能还不够不包括道德在数据挖掘中作为优先权并支付超过唇部服务。安然有一个道德规范实践64页,但我想知道今天是否有任何公司会渴望其道德标准。
我的朋友在Castlebridge - 一个专门从事治理和道德的爱尔兰咨询 - 喜欢引用社会工作先锋简贾安·汉语:“行动确实是道德的唯一媒体。“换句话说,您公司的程序,政策或法律遵守中无法找到公司道德。您也不会在公司座右铭中找到道德。
多年来,谷歌的非官方座右铭是“别无恶”。但是,道德更像是关于你的做。2015年,谷歌的新成立的母公司,字母表,采用“做正确的事”作为它的新座右铭形成其行为准则的开放。
虽然软件工具可以帮助正式问题,但数据挖掘的道德需要更具人性化的触感。安然案件应该警告我们,行为守则本身就不够。我们需要将数据用户的动机与良好的做法保持一致,如公平性,公平,透明度和效益。
有太多的案例案件意外后果让我感到相信我们可以映射新用例,算法或技术的所有影响。我们已经看到许多数据挖掘的案例,这些数据挖掘在使用的数据集中揭示了令人震惊的偏见 - 面部识别,只能用浅色肤色适用于令人不安的,但不是不寻常的例子。
作为数据矿工,经理和分析师,我们可以做一个重要的道德举动。我们需要直接与我们工作的用户,客户和主题联系以更好地了解他们的需求和关注以及我们工作的后果。然而,可能是不舒服,可能是在数据挖掘所需的伦理方面的适当关注,我们将我们的实验室和办公室带到现实世界中。