在进行道德数据收集时，有哪些重要的考虑因素？
来源：CPDA数据分析师网 / 作者：数据君 / 时间：2021-01-13
务必确保您已获得提供信息的个人的知情同意，这一点很重要
我认为在传达他们正在收集的数据以及如何使用这些数据时，企业需要做得更好，了解所使用数据的来源也很重要，许多人没有意识到的是，未经许可就在网上非法收集了一些用于训练AI模型的常用数据集，仅仅因为您可以访问数据集并不意味着您在法律上或道德上被允许使用它，我想谈谈的一个要素是代表性和准确性的重要性，为了使数据集具有完全的代表性并能准确地表示整体，您需要了解数据的来源以了解可能存在哪些偏差，包括（代表）谁，不包括谁，为什么？您还需要知道您使用的数据是手的（例如，用户提供的人口统计和兴趣，行为类似于用户单击或搜索的内容）还是基于推断（例如，根据其他人猜测某人的人口统计或兴趣）信号）。
道德数据收集为何重要？为什么其他组织应该关心？
突出的问题是，组织正在使用消费者数据来制定决策，从而扩大现有的社会偏见并造成真正的伤害，关于放大有害偏见的技术，存在几个示例，例如仅查看基于AI的招聘工具，该工具仅推荐白人或面部识别技术，这些技术已导致逮捕无辜的有色人种，当涉及到数据收集和分析时，人工智能技术通常会基于错误的因素做出决策，这会使模型中的偏见存在，从而使组织和消费者面临风险，为了企业的成功和社会的福祉，我们需要准确的数据，这意味着要消除尽可能多的偏见。
以价值为驱动力并建立道德文化的组织将更有利于准确，合乎道德地收集数据
每个可以访问客户数据的个人都必须接受有关如何道德处理的教育，哪些道德框架有效？你看错了吗？当今大多数的科技公司已经灌输了道德框架，以解决可能在收集和处理个人数据方面出现的问题。很高兴看到这些措施到位，因为如果没有这些措施，企业将面临损害其业务和消费者的风险，但是解决道德问题并非易事，我发现道德框架的主要陷阱之一是实用性，确保您的组织实际上是在迈向道德数据收集的大步前进之前，建立一套可衡量的指标和/或度量很重要，因为让我们面对现实，行动胜于雄辩，同样重要的是，至关重要的是，高管们必须建立正确的激励机制，以奖励道德数据的收集和使用，以及在识别出不道德数据处理时产生的有意义的后果。
您可以分享道德数据收集的做法吗？
首先我建议保持了解情况，同样重要的是要记住，访问客户数据是特权，而不是您的权利，作为一个企业，您应该将数据收集范围限制为仅在必要的情况下才能制定业务决策，并竭尽全力确保数据的安全性和匿名性以防止数据泄露，如果仅在某些情况下需要更多数据，请考虑逐步同意即，首先要求尽可能少的数据，然后在需要时请求访问更多数据，仔细控制数据的存储位置，有权访问的人，审核该访问并集中查看数据的使用方式，公司中经常有多个个人和团体访问客户的数据，并且在如何使用或更新数据方面没有协调。
与客户保持透明了解所收集的数据并让客户控制编辑或删除数据
采取措施确保您拥有的数据准确无误，并且尊重用户的偏好，根据您直接从用户收集的数据（例如，人口统计，兴趣）或观察到的数据（例如，搜索，点击）做出决策。但是，请勿基于单个数据点或操作对客户进行假设。如果某人实际上对某个产品/主题感兴趣，那么他们会随着时间的推移表现出这种兴趣，而不是一次搜索或购买（例如，给同事的婴儿洗澡礼物，您的孩子借用您的手机来搜索某物）或意外点击。
更具包容性避免偏见提防仅根据人口统计来做出决定
即使大多数情况下基于个性化的个性化或定位是正确的（例如，针对女性的彩妆广告），您也可能会丢失很大一部分潜在客户（例如，对化妆品感兴趣的男性，非二进制，跨性别人士） ）或在不知不觉中造成冒犯，一旦确定了业务流程或决策中的偏见，就需要在使用该数据训练其他AI系统之前从流程中消除偏见，怎么样？专注于三个核心领域：员工培训，产品开发和客户授权。
您对其他组织对AI道德有何建议？
为了企业的成功和社会的更大利益，我们需要人工智能是准确的，这意味着要消除尽可能多的偏见。组织有责任确保公平准确的数据集-这是一项持续不断的工作，需要意识和承诺，太多的公司正在推断消费者从未希望共享的敏感消费者信息，尽管没有通用解决方案，但组织应牢记以下四个策略：
1、识别系统和流程中的潜在偏见。根据敏感变量检查系统所做的决策。
2、询问有关收集的数据的假设。要确定您是否基于种族，性别，地理位置或收入等不公平标准做出决定，您需要通过意识来实现公平。这意味着收集敏感变量以查看数据中的相关性，但实际上并不根据这些敏感变量做出决策。
3、与可能会受到技术影响的人们互动。紧密合作实施AI技术的人员必须考虑其客户的直接反馈，以了解该技术可能对任何给定的人群和整个社会产生什么影响。
4、不要恢复“快速行动，打破常规”的心态。腾出时间进行沉思和富有成效的思考以确保AI技术准确，公平，这一点比以往任何时候都更为重要。这将使组织能够创建更完整，更具包容性和安全性的产品。
COVID-19大流行导致大量数据（医疗保健，个人）大量涌入，并加速了许多数字化转型项目
随着许多企业适应处理如此大量的新数据，从道德上考虑什么是重要的？ COVID-19大流行表明，消费者越来越依赖数字渠道，迫使许多组织将其商业模式转移到全数字化格局，从而加速了全球数据的增长，企业正在尝试迅速采取行动以进行调整，但是危机时刻不允许您不惜一切代价快速采取行动，就是说尽管有比以往更多的新数据，但企业需要确保在进行适应和数字化时，将道德规范纳入从头开始进行扩展的工作中，比以往任何时候都更加重要。
1、在现有和新的基础架构，流程和框架中共同定位道德实践
2、将道德纳入组织的激励结构
我认为在传达他们正在收集的数据以及如何使用这些数据时，企业需要做得更好，了解所使用数据的来源也很重要，许多人没有意识到的是，未经许可就在网上非法收集了一些用于训练AI模型的常用数据集，仅仅因为您可以访问数据集并不意味着您在法律上或道德上被允许使用它，我想谈谈的一个要素是代表性和准确性的重要性，为了使数据集具有完全的代表性并能准确地表示整体，您需要了解数据的来源以了解可能存在哪些偏差，包括（代表）谁，不包括谁，为什么？您还需要知道您使用的数据是手的（例如，用户提供的人口统计和兴趣，行为类似于用户单击或搜索的内容）还是基于推断（例如，根据其他人猜测某人的人口统计或兴趣）信号）。
道德数据收集为何重要？为什么其他组织应该关心？
突出的问题是，组织正在使用消费者数据来制定决策，从而扩大现有的社会偏见并造成真正的伤害，关于放大有害偏见的技术，存在几个示例，例如仅查看基于AI的招聘工具，该工具仅推荐白人或面部识别技术，这些技术已导致逮捕无辜的有色人种，当涉及到数据收集和分析时，人工智能技术通常会基于错误的因素做出决策，这会使模型中的偏见存在，从而使组织和消费者面临风险，为了企业的成功和社会的福祉，我们需要准确的数据，这意味着要消除尽可能多的偏见。
以价值为驱动力并建立道德文化的组织将更有利于准确，合乎道德地收集数据
每个可以访问客户数据的个人都必须接受有关如何道德处理的教育，哪些道德框架有效？你看错了吗？当今大多数的科技公司已经灌输了道德框架，以解决可能在收集和处理个人数据方面出现的问题。很高兴看到这些措施到位，因为如果没有这些措施，企业将面临损害其业务和消费者的风险，但是解决道德问题并非易事，我发现道德框架的主要陷阱之一是实用性，确保您的组织实际上是在迈向道德数据收集的大步前进之前，建立一套可衡量的指标和/或度量很重要，因为让我们面对现实，行动胜于雄辩，同样重要的是，至关重要的是，高管们必须建立正确的激励机制，以奖励道德数据的收集和使用，以及在识别出不道德数据处理时产生的有意义的后果。
您可以分享道德数据收集的做法吗？
首先我建议保持了解情况，同样重要的是要记住，访问客户数据是特权，而不是您的权利，作为一个企业，您应该将数据收集范围限制为仅在必要的情况下才能制定业务决策，并竭尽全力确保数据的安全性和匿名性以防止数据泄露，如果仅在某些情况下需要更多数据，请考虑逐步同意即，首先要求尽可能少的数据，然后在需要时请求访问更多数据，仔细控制数据的存储位置，有权访问的人，审核该访问并集中查看数据的使用方式，公司中经常有多个个人和团体访问客户的数据，并且在如何使用或更新数据方面没有协调。
与客户保持透明了解所收集的数据并让客户控制编辑或删除数据
采取措施确保您拥有的数据准确无误，并且尊重用户的偏好，根据您直接从用户收集的数据（例如，人口统计，兴趣）或观察到的数据（例如，搜索，点击）做出决策。但是，请勿基于单个数据点或操作对客户进行假设。如果某人实际上对某个产品/主题感兴趣，那么他们会随着时间的推移表现出这种兴趣，而不是一次搜索或购买（例如，给同事的婴儿洗澡礼物，您的孩子借用您的手机来搜索某物）或意外点击。
更具包容性避免偏见提防仅根据人口统计来做出决定
即使大多数情况下基于个性化的个性化或定位是正确的（例如，针对女性的彩妆广告），您也可能会丢失很大一部分潜在客户（例如，对化妆品感兴趣的男性，非二进制，跨性别人士） ）或在不知不觉中造成冒犯，一旦确定了业务流程或决策中的偏见，就需要在使用该数据训练其他AI系统之前从流程中消除偏见，怎么样？专注于三个核心领域：员工培训，产品开发和客户授权。
您对其他组织对AI道德有何建议？
为了企业的成功和社会的更大利益，我们需要人工智能是准确的，这意味着要消除尽可能多的偏见。组织有责任确保公平准确的数据集-这是一项持续不断的工作，需要意识和承诺，太多的公司正在推断消费者从未希望共享的敏感消费者信息，尽管没有通用解决方案，但组织应牢记以下四个策略：
1、识别系统和流程中的潜在偏见。根据敏感变量检查系统所做的决策。
2、询问有关收集的数据的假设。要确定您是否基于种族，性别，地理位置或收入等不公平标准做出决定，您需要通过意识来实现公平。这意味着收集敏感变量以查看数据中的相关性，但实际上并不根据这些敏感变量做出决策。
3、与可能会受到技术影响的人们互动。紧密合作实施AI技术的人员必须考虑其客户的直接反馈，以了解该技术可能对任何给定的人群和整个社会产生什么影响。
4、不要恢复“快速行动，打破常规”的心态。腾出时间进行沉思和富有成效的思考以确保AI技术准确，公平，这一点比以往任何时候都更为重要。这将使组织能够创建更完整，更具包容性和安全性的产品。
COVID-19大流行导致大量数据（医疗保健，个人）大量涌入，并加速了许多数字化转型项目
随着许多企业适应处理如此大量的新数据，从道德上考虑什么是重要的？ COVID-19大流行表明，消费者越来越依赖数字渠道，迫使许多组织将其商业模式转移到全数字化格局，从而加速了全球数据的增长，企业正在尝试迅速采取行动以进行调整，但是危机时刻不允许您不惜一切代价快速采取行动，就是说尽管有比以往更多的新数据，但企业需要确保在进行适应和数字化时，将道德规范纳入从头开始进行扩展的工作中，比以往任何时候都更加重要。
1、在现有和新的基础架构，流程和框架中共同定位道德实践
2、将道德纳入组织的激励结构
3、在整个员工队伍中灌输设计伦理知识。
京公网安备 11010502034401号
课程体系 
试听申请 
复听申请 
在线报名 
考试大纲 
考试报名 
准考证打印 
