如今，市场对数据科学家的需求是巨大的。但是也有不利之处，因为有偏见的数据，其所面临的风险也是巨大的。数据科学家凯西·奥尼尔为此创建了数据科学家的一个伦理政策。

人们可能不知道，数据科学有一个潜在的黑暗面，这是许多企业所忽视的东西。在当今社会，庞大的数据量对数据科学家造成巨大需求的时候，数据科学家凯西·奥尼尔不久撰写一本著作，名为“数字破坏武器：大数据如何增加不平等和威胁*”。她担心的是，在急于利用大数据的情况下，可能会因为内置偏差使得结论不准确，并且可能具有相当的破坏性。她与高级技术编辑瓦勒瑞·斯威特一起探讨数据科学领域的偏见，以及为什么企业需要制定数据科学伦理政策。

奥尼尔：人们认为可以解决任何数据问题，对此我感到恼火。我对这些数据持怀疑态度。

斯威特：那么，那些对数据科学领域具有偏见的企业需要害怕什么呢？

凯蒂·奥尼尔：我们有一个信任问题，而如今却没有足够的审查。每个组织都需要数据科学家。但是，我们需要让数据科学家在这些团队中增加更多类型的人，以确保选择是经过深思熟虑的。数据科学家没有接受过道德伦理思考或思考这些问题的培训。社会学家可能会看到非预期的后果，但数据科学家可能会导致愚蠢的事情发生。人们的正义和预警数据是基于吉姆克鲁法律的，如果组织使用这些历史数据来训练当前的模型，他们将是种族主义。假设是，一旦你对数据做了一些事情，它就会自动使得价值和目标消失。社会科学家比数据科学家更为了解其不当之处。

斯威特：如果我们不注意数据科学领域的偏见，有什么风险？

奥尼尔：在这个过程中有一个风险，我们实际上得到的是自动化的偏见。如果团队中没有人提出正确的问题，你可以得到偏向于妇女或颜色或老年人的算法。在不久的将来，建立评估员工的内部算法的企业可能很快将面临歧视性流程的诉讼。这不是痴人说梦。人们需要监控这些事情，并确保做得更好，并确保他们不是歧视性的。

斯威特：这只是一个内部问题吗？

奥尼尔：当涉及到招聘等事情时，这是更明显的，但你可以创建面向客户的算法。如果你的业务与贷款有关，歧视可能就是一个很明显的因素。这都有很多例子。

斯威特：那么，人们如何应对数据科学领域的偏见？

奥尼尔：一些大学开始向数据科学家讲授伦理课程。但在这方面没有很多监管。生物医学实验有很多规则和伦理，研究人员必须征得同意。这种事情不存在于大数据的世界。我们都不断地进行A/B测试，大多数时候是愚蠢的事情，如“这个广告图片是什么颜色的？我们不必同意这些事情。这不是真正的测试，这个事情让人困扰。人们实际上却认为这些算法是完美的。没有理由认为他们工作会犯错。就像一家汽车厂商没有测量结果，没有经过安全测试，就将车辆直接上路行驶一样。因此人们必须测量和验证。”