16_商業分析的倫理面向

核心表格

核心主題	主要觀點／方法	實務用途	重要條件／限制／延伸
Personalization Ethics	Value／Privacy／Information Diversity Trade-off	評估 Search、Recommendation、Social Media	Privacy 不是唯一倫理問題
Big-data Ethics	Identity、Privacy、Ownership、Reputation	建立 Organization Data Values	Values 與 Technology 都會演變
Data Spectrum	Volunteered、Observed、Derived Data	分析 Data Ownership／Control Conflict	Derived Insights 常提高 Misuse／Harm 疑慮
Ethical Decision Cycle	Inquiry、Analysis、Articulation、Action	制度化 Ethics Review	需 Iterative Continuous Loop
Algorithm Bias	Built-in Bias、Implicit Bias、Subjective Metrics	Hiring、Policing 等高影響決策	Automation 不等於 Neutrality
Algorithm Management	Explicit Goals、Soft Goals、Data Diversity、Limitations	降低 Literal／Black-box Risks	Correlation 不等於 Causation；需測試 Transferability
Social Media Ethics	Public／Private、Consent、Anonymity、Risk of Harm	Research／Commercial Social Data Use	Accessible Data 不等於 Unconstrained Use
GDPR and Analytics	Consent、PII、Explanation、Anonymization、Bias Accountability	治理涉及 Personal Data 的 Analytics	先辨識 Data／Use Case；不能由 AI 自行判定 Compliance

原書不是把 Ethics 放在模型完成後才檢查，而是從 Data Acquisition、Storage、Use 到 Algorithmic Decision-making 全程考量。

資料從 Volunteered 走向 Observed、Derived，Organization 對 Data 的控制感可能增加，但 Individuals 對 Data Trail、Misuse 與 Harm 的疑慮也會增加。

Davis Framework 以 Identity、Privacy、Ownership、Reputation 等問題建立共同討論基礎，再透過 Inquiry、Analysis、Articulation、Action 持續校正 Values 與 Practices。

原書指出 Technology 可能比 Legislation 與 Social Awareness 演進更快，因此 Organization 仍需以 Core Values 評估 Actions。