Los datos son muy valiosos y aprovecharlos, analizarlos y procesarlos es una práctica recomendada para la mayoría de las organizaciones en la actualidad. Pero conocer los estándares de la industria en relación con ellos es esencial para que los científicos de datos no manejen mal los datos a medida que las personas aprenden más sobre su valor.
Como tal, los científicos de datos deben adoptar prácticas seguras y éticas y adoptar prácticas estandarizadas. En lugar de observar cuán importantes son los datos, es prudente cuestionar las formas en que se obtienen y por qué se procesan y con qué propósito. Por lo tanto, estos son algunos de los comportamientos que todo científico de datos debe seguir. Verificar ¿Qué hacen realmente los piratas informáticos con sus datos?
1. Respete las normas
Un científico de datos debe conocer las normas de protección de datos que se aplican a trabajos particulares. De lo contrario, puede infringir la ley sin darse cuenta y ponerse en peligro a sí mismo y a los demás. Por lo tanto, este conocimiento es esencial para garantizar una acción ética y prevenir daños no intencionados.
Como tal, verifique las leyes pertinentes antes de participar en cualquier actividad. Además, no se limite a cumplir las normas para seguir las reglas; También debe buscar una comprensión más profunda de la misma. Para observar correctamente las normas, debe saber por qué se establecen y contra qué protegen.
Algunas leyes de privacidad dignas de mención son el Reglamento General de Protección de Datos (GDPR).RGPD(Para la Unión Europea y la Ley de Privacidad del Consumidor de California)CCPA). Otras regulaciones incluyen HIIPA, DPA, PIPEDA, LGPD y muchas más regulaciones específicas de la industria.
2. Respeto a la privacidad
Los nombres, correos electrónicos, identificadores y domicilios son identificadores que no deben hacerse públicos porque representan riesgos reales para las personas. Por lo tanto, asegúrese de que estos detalles sean lo más privados posible.
Si los usuarios son detectados, pueden estar expuestos al robo de identidad o al fraude. También pueden ser chantajeados por personas que amenazan con revelar su información confidencial. Además, los profesionales pueden experimentar daños a la reputación y acoso en línea simplemente haciendo públicas sus preferencias personales. Lo que puede afectar sus relaciones, oportunidades de carrera y estatus social.
Entonces, con eso en mente, encuentre y elija formas efectivas de proteger mejor las identidades en línea y desidentificar los datos. Por ejemplo, puede reemplazar caracteres, eliminar identificadores directos o generalizar. Al hacerlo, protege los datos confidenciales de los ciberdelincuentes y ayuda a las organizaciones a beneficiarse de sus hallazgos.
3. Elimina el sesgo
Los científicos de datos confían en las estadísticas para ser lo más objetivos posible. Sin embargo, a pesar de estos esfuerzos, el sesgo persiste porque la idea de que los datos más grandes son más precisos es uno de los mitos más generalizados de la ciencia de datos.
Hay algo de verdad en esta afirmación, pero desafortunadamente, los grandes datos a veces contienen elementos y estadísticas innecesarias o falsas. Por lo tanto, en lugar de centrarse solo en números, asegúrese de que sus datos estén limpios y sean representativos.
La limpieza o el filtrado de datos antes de su uso son formas excelentes de combatir el sesgo. Por ejemplo, puede comprobar si hay errores o utilizar un muestreo estratificado para garantizar datos representativos. Verificar Las mejores aplicaciones y herramientas de análisis de datos que puede aprender a usar rápidamente.
4. No inventes ni inventes resultados
La fabricación es una forma de mala conducta de datos y fraude de investigación que implica fabricar resultados y reportarlos como verdaderos.
Por ejemplo, un científico de datos podría informar que se descubrió que un medicamento no tiene efectos secundarios para la mayoría de las personas de un determinado grupo de edad. Estos resultados serían fabricados si no hubiera ensayos clínicos preliminares y recopilación de datos para respaldarlos.
La fabricación tiene consecuencias graves y negativas para los científicos de datos y quienes dependen de ella para su trabajo. Podría destruir su credibilidad, desacreditar su organización, dañar al público o exponerlo a riesgos legales.
5. No falsifique ni manipule pruebas
Fake es la manipulación de la realidad, la recopilación de datos para ajustarse a una agenda personalizada. Mientras que los fabricantes construyen resultados a partir de datos inexistentes para respaldar sus afirmaciones, los falsificadores trabajan para refutar datos reales y actuales por motivos personales. Para lograr esto, pueden alterar el equipo de investigación, alterar los datos o eliminarlos por completo.
El fraude puede perjudicar al público al proporcionar información falsa que afecta la toma de decisiones en varios sectores. Por ejemplo, un estudio de drogas falso podría exponer a las personas a riesgos indebidos, tratamientos ineficaces o efectos secundarios dañinos. También puede causar la pérdida de dinero, tiempo o materiales que podrían haber sido utilizados para otros fines.
La fabricación y la falsificación son prácticas sin escrúpulos que tienen efectos negativos y numerosas sanciones. Estos pueden incluir multas, revocación de credenciales, pérdida de fondos para investigación o encarcelamiento.
6. Mostrar transparencia
Para los científicos de datos, la transparencia significa ser honesto acerca de los métodos utilizados para recopilar, analizar y presentar los datos. Los científicos de datos deben estar abiertos y dispuestos a compartir sus prácticas con otros científicos de datos y participantes del estudio.
Además, debe obtener el consentimiento de los participantes del estudio porque la publicación de los resultados sin el consentimiento informado puede faltar al respeto o dañar a los participantes de varias maneras. Pueden vulnerar su dignidad, privacidad y autonomía o exponerlos a riesgos nocivos e innecesarios derivados del estudio.
La transparencia genera confianza con todos los que confían en sus datos para obtener información. También garantiza la calidad de los datos al permitir que otros revisen sus resultados.
Además, la apertura entre los científicos de datos promueve la colaboración y el aprendizaje. Puede ayudar a impulsar la innovación compartiendo su proceso y comunicando las mejores técnicas de visualización de datos y ciencia de datos a sus compañeros mientras aprende de ellos.
7. Recopilar datos de forma segura
Los científicos de datos deben garantizar la integridad de los métodos utilizados para recopilar, analizar y almacenar datos. Al hacerlo, se evitan posibles filtraciones de datos que podrían afectar a los científicos de datos y a los participantes del estudio.
Las violaciones de datos ponen en peligro la seguridad personal, socavan la confianza del público y exponen la incompetencia organizacional, lo que genera pérdidas financieras masivas para la empresa. Estas pérdidas podrían ser demandas de víctimas de violaciones de datos, menos clientes y más.
En vista de esto, debe realizar una investigación para encontrar y aplicar las soluciones de seguridad de datos más efectivas. Por ejemplo, puede proteger las conexiones con el cifrado TLS/SSL o utilizar proxies continuos. Además, puede aplicar medidas de control de acceso y crear copias de seguridad en caso de un ataque. Cuando encuentre soluciones, no olvide compartirlas con otros para garantizar la máxima seguridad.
8. Usa los algoritmos de manera responsable
Los algoritmos no son solo herramientas de análisis de datos. Son poderosas influencias en la vida, el comportamiento y las oportunidades de las personas. Sin embargo, aunque ayudan a resolver problemas y hacen predicciones innovadoras, también son imperfectos.
Si los algoritmos no se diseñan, prueban o implementan cuidadosamente, tienen impactos sociales y éticos que pueden dañar a ciertos grupos de personas. También introducen sesgos si están capacitados en datos que reflejan los sesgos existentes y que pueden ser impredecibles. Por lo tanto, los científicos de datos deben diseñarlos y usarlos de manera responsable.
Elija siempre algoritmos adecuados, pruebe su rendimiento y explique cómo funcionan. Además, asegúrese de identificar posibles fuentes de sesgo e implementar mecanismos que actualicen o corrijan cuando sea necesario. Verificar Las mejores aplicaciones de estadísticas y análisis de datos para Android.
9. Considere los efectos a largo plazo de su negocio
Tu trabajo como científico de datos tendrá una gran influencia en muchos aspectos de la sociedad. Por lo tanto, siempre piense en cómo sus modelos afectarán a las personas.
Por ejemplo, intente preguntar si su trabajo podría perpetuar los prejuicios y la desigualdad o poner en riesgo la privacidad en el futuro. Luego, aborde estas inquietudes de manera adecuada.
Tenga en cuenta que mirar hacia el futuro es más importante que cualquier método correctivo, y pensar en los días venideros es una de las formas más efectivas de tomar decisiones éticamente sólidas. Verificar Características clave de las soluciones efectivas de privacidad de datos.
Debes ser ético como científico de datos
Como científico de datos, obtienes la fuerza que viene con la responsabilidad proporcional. Sus habilidades son escasas, por lo que se sienta al frente de la toma de decisiones organizacionales.
Sus decisiones afectan todo, desde los planes comerciales de la empresa hasta los sistemas de justicia penal. Por lo tanto, no debes subestimarla. Sea siempre honesto, ético y preciso en su trabajo para proteger a las personas de los dilemas éticos actuales en su industria y otras áreas de la tecnología. Puedes ver ahora ¿Qué son los centros de datos y por qué son importantes?
