Les données sont très précieuses et leur exploitation, leur analyse et leur traitement constituent aujourd'hui une pratique exemplaire pour la plupart des organisations. Mais connaître les normes de l'industrie en la matière est essentiel pour que les scientifiques des données ne gèrent pas mal les données à mesure que les gens en apprennent davantage sur leur valeur.
À ce titre, les scientifiques des données doivent adopter des pratiques sûres et éthiques et adopter des pratiques standardisées. Plutôt que de regarder à quel point les données sont importantes, il est sage de s'interroger sur la manière dont les données sont obtenues et pourquoi elles sont traitées dans quel but. Par conséquent, voici quelques-uns des comportements que tout scientifique des données devrait suivre. Vérifier Que font réellement les pirates avec vos données ?
1. Respectez la réglementation
Un scientifique des données doit connaître les réglementations en matière de protection des données qui s'appliquent à des emplois particuliers. Sinon, vous risquez d'enfreindre la loi par inadvertance et de vous mettre en danger ainsi que les autres. Ces connaissances sont donc essentielles pour garantir une action éthique et prévenir les dommages involontaires.
En tant que tel, vérifiez les lois applicables avant de vous engager dans toute activité. De plus, ne vous contentez pas de respecter les règlements pour suivre les règles; Vous devriez également rechercher une compréhension plus profonde de celui-ci. Pour bien respecter la réglementation, il faut savoir pourquoi elle est mise en place et contre quoi elle protège.
Certaines lois sur la confidentialité dignes de mention sont le Règlement général sur la protection des données (RGPD).RGPD(Pour l'Union européenne et le California Consumer Privacy Act)CCPA). Les autres réglementations incluent HIIPA, DPA, PIPEDA, LGPD et de nombreuses autres réglementations spécifiques à l'industrie.
2. Respect de la vie privée
Les noms, e-mails, identifiants et adresses personnelles sont des identifiants qui ne doivent pas être rendus publics car ils présentent de réels risques pour les personnes. Par conséquent, assurez-vous de rendre ces détails aussi confidentiels que possible.
Si des utilisateurs sont détectés, ils peuvent être exposés au vol d'identité ou à la fraude. Ils peuvent également faire l'objet de chantage par des personnes qui menacent de révéler leurs informations confidentielles. En outre, les professionnels peuvent subir des atteintes à leur réputation et du harcèlement en ligne simplement en rendant publiques leurs préférences personnelles. Ce qui peut affecter leurs relations, leurs opportunités de carrière et leur statut social.
Dans cet esprit, trouvez et choisissez des moyens efficaces pour mieux sécuriser les identités en ligne et anonymiser les données. Par exemple, vous pouvez remplacer des caractères, supprimer des identifiants directs ou généraliser. Cela protège les données sensibles des cybercriminels tout en aidant les organisations à tirer parti de leurs découvertes.
3. Éliminer les préjugés
Les scientifiques des données s'appuient sur les statistiques pour être aussi objectifs que possible. Cependant, malgré ces efforts, les biais persistent car l'idée que des données plus volumineuses sont plus précises est l'un des mythes les plus répandus de la science des données.
Il y a du vrai dans cette affirmation, mais malheureusement, les mégadonnées contiennent parfois des éléments et des statistiques inutiles ou faux. Ainsi, plutôt que de vous concentrer uniquement sur les chiffres, assurez-vous que vos données sont propres et représentatives.
Le nettoyage ou le filtrage des données avant utilisation sont d'excellents moyens de lutter contre les biais. Par exemple, vous pouvez vérifier les erreurs ou utiliser un échantillonnage stratifié pour garantir des données représentatives. Vérifier Meilleures applications et outils d'analyse de données que vous pouvez apprendre à utiliser rapidement.
4. Ne pas inventer ou inventer des résultats
La fabrication est une forme d'inconduite en matière de données et de recherche frauduleuse qui implique de fabriquer des résultats et de les déclarer comme vrais.
Par exemple, un spécialiste des données peut signaler qu'un médicament s'est avéré n'avoir aucun effet secondaire pour la plupart des personnes d'un certain groupe d'âge. Ces résultats seraient fabriqués s'il n'y avait pas d'essais cliniques préliminaires et de collecte de données pour les étayer.
La fabrication a des conséquences graves et négatives pour les data scientists et ceux qui en dépendent pour leur travail. Cela pourrait détruire votre crédibilité, discréditer votre organisation, nuire au public ou vous exposer à des risques juridiques.
5. Ne pas falsifier ou altérer les preuves
Fake est la manipulation de la réalité, la collecte de données pour s'adapter à un agenda personnalisé. Alors que les fabricants construisent des résultats à partir de données inexistantes pour étayer leurs affirmations, les contrefacteurs s'efforcent de réfuter des données réelles et actuelles pour des raisons personnelles. Pour y parvenir, ils peuvent altérer l'équipement de recherche, modifier les données ou les supprimer complètement.
La fraude peut nuire au public en fournissant de fausses informations qui affectent la prise de décision dans divers secteurs. Par exemple, une étude sur un faux médicament peut exposer les gens à des risques indus, à des traitements inefficaces ou à des effets secondaires nocifs. Cela peut également entraîner la perte d'argent, de temps ou de matériel qui aurait pu être utilisé à d'autres fins.
La fabrication et la contrefaçon sont des pratiques peu scrupuleuses qui ont des effets négatifs et de nombreuses sanctions. Ceux-ci peuvent inclure des amendes, la révocation des titres de compétences, la perte du financement de la recherche ou l'emprisonnement.
6. Faites preuve de transparence
Pour les scientifiques des données, la transparence signifie être honnête sur les méthodes utilisées pour collecter, analyser et présenter les données. Les data scientists doivent être ouverts et disposés à partager leurs pratiques avec d'autres data scientists et participants à l'étude.
De plus, vous devez obtenir le consentement des participants à l'étude car la publication des résultats sans consentement éclairé peut manquer de respect ou nuire aux participants de diverses manières. Ils peuvent violer leur dignité, leur vie privée et leur autonomie ou les exposer à des risques nuisibles et inutiles découlant de l'étude.
La transparence renforce la confiance avec tous ceux qui s'appuient sur vos données pour obtenir des informations. Il garantit également la qualité des données en permettant à d'autres d'examiner vos résultats.
De plus, l'ouverture entre les scientifiques des données favorise la collaboration et l'apprentissage. Vous pouvez aider à stimuler l'innovation en partageant votre processus et en communiquant les meilleures techniques de visualisation et de science des données à vos pairs tout en apprenant d'eux.
7. Collectez les données en toute sécurité
Les scientifiques des données doivent garantir l'intégrité des méthodes utilisées pour collecter, analyser et stocker les données. Cela empêche les violations de données potentielles qui pourraient affecter les scientifiques des données et les participants à l'étude.
Les violations de données mettent en danger la sécurité personnelle, sapent la confiance du public et exposent l'incompétence organisationnelle entraînant des pertes financières massives pour l'entreprise. Ces pertes pourraient être des poursuites judiciaires de victimes de violation de données, moins de clients, etc.
Dans cette optique, vous devez effectuer des recherches pour trouver et appliquer les solutions de sécurité des données les plus efficaces. Par exemple, vous pouvez sécuriser les connexions avec le cryptage TLS/SSL ou utiliser des proxys roulants. En outre, vous pouvez appliquer des mesures de contrôle d'accès et créer des sauvegardes en cas d'attaque. Lorsque vous trouvez des solutions, n'oubliez pas de les partager avec d'autres pour assurer une sécurité maximale.
8. Utilisez les algorithmes de manière responsable
Les algorithmes ne sont pas seulement des outils d'analyse de données. Ce sont des influences puissantes sur la vie, les comportements et les opportunités des gens. Cependant, bien qu'ils aident à résoudre des problèmes et à faire des prédictions innovantes, ils sont également imparfaits.
Si les algorithmes ne sont pas soigneusement conçus, testés ou déployés, ils ont des impacts sociaux et éthiques qui peuvent nuire à certains groupes de personnes. Ils introduisent également des biais s'ils sont formés sur des données qui reflètent des biais existants et qui peuvent être imprévisibles. Ainsi, les data scientists doivent les concevoir et les utiliser de manière responsable.
Choisissez toujours des algorithmes appropriés, testez leurs performances et expliquez leur fonctionnement. Assurez-vous également d'identifier les sources potentielles de biais et de mettre en œuvre des mécanismes qui mettent à jour ou corrigent si nécessaire. Vérifier Meilleures applications d'analyse de données et de statistiques pour Android.
9. Considérez les effets à long terme de votre entreprise
Votre travail en tant que data scientist influencera grandement de nombreux aspects de la société. Par conséquent, pensez toujours à la façon dont vos modèles affecteront les gens.
Par exemple, essayez de demander si votre travail pourrait perpétuer les préjugés et les inégalités ou mettre en danger la vie privée à l'avenir. Ensuite, répondez à ces préoccupations de manière appropriée.
Notez que regarder vers l'avenir est plus important que toute méthode corrective, et penser aux jours à venir est l'un des moyens les plus efficaces de prendre des décisions éthiquement judicieuses. Vérifier Principales caractéristiques des solutions efficaces de confidentialité des données.
Vous devez être éthique en tant que data scientist
En tant que Data Scientist, vous gagnez en force grâce à une responsabilité proportionnelle. Vos compétences sont rares, vous êtes donc au premier plan de la prise de décision organisationnelle.
Vos décisions affectent tout, des plans d'affaires de l'entreprise aux systèmes de justice pénale. Alors, il ne faut pas la sous-estimer. Soyez toujours honnête, éthique et précis dans votre travail pour protéger les gens des dilemmes éthiques actuels dans votre secteur et dans d'autres domaines technologiques. Vous pouvez voir maintenant Que sont les centres de données et pourquoi sont-ils importants?
