தரவியல் பகுப்பாய்வு (Data Analytics) மற்றும் அதன் நெறிமுறைகள் – தமிழ் மொழிபெயர்ப்பு தரவியல் பகுப்பாய்வு (Data Analytics) என்பது தீர்மான செயல்முறையை (Decision Making Process) மேம்படுத்த மற்றும் வணிகத்தை வளர்ப்பதில் முக்கிய பாத்திரம் வகிக்கிறது. இருப்பினும், தரவை சேகரிக்கவும், பாதுகாக்கவும், பயன்படுத்தவும் நெறிமுறைகள் (Ethics) அவசியமாகும்.
📌 வணிக நிறுவனங்கள் தரவை எவ்வாறு நெறிமுறைப்படி சேகரிக்க, சேமிக்க மற்றும் பயன்படுத்த வேண்டும்? நாங்கள் தரவு நெறிமுறையின் 5 முக்கியக் கோட்பாடுகளை (5 Guiding Principles of Data Ethics) விளக்க இருக்கிறோம்.
🔹 (i) உரிமை (Ownership) பற்றிய நெறிமுறை ✅ தனிப்பட்ட தகவலின் உரிமை பயனருக்கே (User) சொந்தம். ✅ ஒருவரின் தனிப்பட்ட தரவை அவரது அனுமதி இல்லாமல் சேகரிப்பது சட்டவிரோதமாகும் மற்றும் தவறானது. ✅ அனுமதி (Consent) எடுக்கப்பட்டிருப்பது உறுதி செய்ய வேண்டும்.
இது Privacy Policy, Signed Agreements அல்லது Terms & Conditions மூலம் பெறலாம். ✅ நிதி தொடர்பான (Financial Data) தரவைப் பயன்படுத்தும் முன்பு கூடுதல் பாதுகாப்பு தேவை. 📌 உதாரணம்: ஒரு வங்கியானது கடனாளிகளின் நிதி தரவை பகுப்பாய்வு செய்ய விரும்பினால், அவர்களின் அனுமதி பெறப்பட வேண்டும்.
🔹 (ii) வெளிப்படை தன்மை (Transparency) பற்றிய நெறிமுறை ✅ தரவு எதற்காக சேகரிக்கப்படுகிறது என்பதைக் கொண்டு வரவேண்டும். ✅ நிறுவனம் தரவை எவ்வாறு பயன்படுத்தும் என்பதை பயனர்களுக்கு விளக்க வேண்டும். ✅ அனுமதியின்றி Cookies (Browser Data) சேகரிக்கக்கூடாது.
📌 உதாரணம்: நிறுவனம் ஆன்லைன் குக்கீகளை (Cookies) பயனரின் இணைய வழிசெல்லும் முறையை (Online Behavior) கண்காணிக்க பயன்படுத்தினால், அது Privacy Policy-யில் தெளிவாக குறிப்பிடப்பட வேண்டும்.
🔹 (iii) தனியுரிமை (Privacy) பற்றிய நெறிமுறை ✅ பயனர் தரவை சேகரிப்பது அனுமதிக்கப்பட்டாலும், அதை பொதுவாக வெளியிடக்கூடாது. ✅ நிறுவனங்கள் சில நிதி தகவல்களை ஆண்டறிக்கைகளில் (Annual Reports) வெளியிடும், ஆனால் எல்லா தரவும் வெளியிடக்கூடாது. ✅ தரவை பாதுகாக்க என்க்ரிப்ஷன் (Encryption), இரட்டை அங்கீகார கடவுச்சொல் (Dual Authentication) போன்ற பாதுகாப்பு நடவடிக்கைகள் தேவை.
📌 உதாரணம்: நிறுவனம் தனிப்பட்ட வாடிக்கையாளர் தரவுகளை (Personal Data) காப்பாற்ற, கடவுச்சொல் பாதுகாப்பு, மறைமுக குறியீடு (De-Identification) போன்ற முறைகளை பின்பற்ற வேண்டும்.
🔹 (iv) நோக்கம் (Intention) பற்றிய நெறிமுறை ✅ தரவை தவறாகப் பயன்படுத்தக் கூடாது. ✅ மற்றவர்களின் பலவீனங்களைப் பயன்படுத்தி லாபம் ஈட்டுதல் தவறானது. ✅ தேவையற்ற தரவை சேகரிக்கக்கூடாது.
📌 உதாரணம்: நிறுவனம் ஒரு கிரெடிட் கார்டு விண்ணப்பத்திற்காக தரவை சேகரிக்கும்போது, விண்ணப்பதாரரின் குடும்ப வருமானம் தேவையான தரவு ஆக இருந்தாலும், அவரது தனிப்பட்ட பழக்க வழக்கங்களை (Personal Habits) சேகரிப்பது தேவையற்றதாகும்.
🔹 (v) முடிவுகள் (Outcomes) பற்றிய நெறிமுறை ✅ நல்ல நோக்கம் இருந்தாலும், தரவுப் பகுப்பாய்வு சில நேரங்களில் தவறான விளைவுகளை ஏற்படுத்தலாம். ✅ இது ஒரு தரவினால் நேரடியாக பாதிக்கப்படும் தரவளிப்பவர்களுக்கு (Data Providers) நஷ்டத்தை ஏற்படுத்தலாம். ✅ இத்தகைய தவறான முடிவுகளைத் தவிர்ப்பது முக்கியம்.
📌 உதாரணம்: ஒரு நிறுவனம் வேலைவாய்ப்பு தரவுகளை (Employment Data) பகுப்பாய்வு செய்யும்போது, அவரது நிறம், மதம், பாலினம் போன்றவற்றின் அடிப்படையில் முடிவுகள் எடுக்கப்படும் பட்சத்தில், அது ஒப்புரவற்ற தீர்மானமாக (Disparate Impact) இருக்கும், இது தவறானது.