道德决策对企业各个层级的人员都很重要，但对管理会计师等财务人员尤其重要——财务人员必须做出正确的道德决策，帮助企业树立正确的价值观，履行社会责任。从道德角度看待数据分析，有助于财务人员为数据挖掘过程中出现的问题找到正确答案。此外，财务人员还可运用数据分析及早识别道德问题，发现欺诈行为。

　　在决策过程中，将道德和数据分析放在首位有助于企业的战略规划、合规与风险管理工作，维护企业的声誉。因此，领导团队应努力将道德与企业的数据及其所有系统和流程联系起来。

　　数据分析一词涵义广泛，包括数据治理、数据科学、数据可视化、人工智能等内容。本文从广义角度将数据分析划分为财务人员必须熟谙的几个重要领域。

道德和数据治理

　　数据的可信度和可靠性至关重要。数据源是否值得信赖？数据的所有者是谁？拥有清晰的数据字段、定义和所有者是很重要的。企业可采用许多数据管理程序来确保实施了恰当的数据治理，符合欧盟《通用数据保护条例》（GDPR）和其他法规要求。尽管我们都希望在企业中实现数据民主化，但为了正确开展数据分析，需要优先考虑机密或敏感数据的数据安全和访问控制问题。

道德与人工智能

　　人工智能和机器学习非常复杂，同时，人们对人工智能运用中涉及的道德问题、数据质量以及将无意识偏见写入算法等存在很多顾虑。

　　评价数据质量极其重要。假设你需要构建一个模型，但知道数据并非100%可信，将错误数据输入模型，就可能带来糟糕或误导性的结果。如果我们知道一些数据是不正确的，而我们正在构建一个模型作为决策基础，那么试想一下基于糟糕的数据做出合理决策是多么困难，公司都可能会因此而破产。数据质量是关键，需要我们与利益相关者共同关注。同时，还需要评价数据质量及其影响。

　　无意识偏见是另一个棘手的问题。人工智能算法的思考方式严格来说不同于人类，价值观也不一定与人类相同。这并不是说人工智能的行事意图是不道德的，而是人工智能会完全根据人类的编码指令运行。我们需要确保给人工智能下达了清晰的指令，与它分享了企业的价值观，并明确界定其工作方式。如果我们不审查算法是否存在已写入编码的偏见，那么人工智能系统可能会运行模型中的无意识偏见，从而使结果产生偏差。

道德与数据可视化

　　财务人员必须确保以合乎道德的方式创建数据可视化图表。经常碰到的一个道德陷阱是省略数据，如果可视化不包括正确决策所需的全部数据，就会产生道德问题。要确保不只是挑选和分享与你想讲述的故事相关的数据，而是要分享所有相关数据，详细地向受众展示分析内容，解释为什么你认为你的建议是正确的。

　　图表展示的比例可能会带来另一个无意识的道德问题。在努力清晰展示图表内容时，我们可以通过调整图表中x轴和y轴的比例来放大图表，而这可能会将图中的差异放大，从而影响决策制定，而实际上放大的图表中显示的差异并不大。

道德与分析沟通

　　沟通是数据分析中的重要一环。我们必须为所有利益相关者提供最新信息，确保项目的预期时间表、数据质量及其他重要方面的透明度。如果项目使用的数据质量有问题，则需要向所有决策者强调这一点。

　　此外，我们还需要分析数据质量（或数据质量不高）带来的潜在影响。如果我们正在执行一个预期在六个月内完成的项目，却遇到了棘手的瓶颈，就需要将这一情况上报。所有的利益相关者都有权了解项目状况以及影响项目进度的因素。这里最好的做法是运用敏捷方法来管理数据分析项目。

数据分析如何支持道德

　　数据分析是一个强有力的工具，可以在道德问题升级为违规问题或丑闻之前及早发现之。通过预测性分析，企业可在危机发生之前警示欺诈和其他不道德行为。此外，还可能发现实施不道德行为的员工，从而让企业免受财务和声誉损失。

　　数据分析需要对企业的道德情况进行评估，以避免潜在的道德陷阱；能够警示管理层注意可能指向道德问题或违规情况的潜在信号。从道德角度解读数据非常有益，可以提升企业战略规划与监督的价值。财务人员应就数据分析相关的道德问题发表意见，与企业领导者分享自己的想法与经验，确保领导者及时了解这一重大问题的相关情况。

Fatema El Wakeel，CMA，分析战略“传道者”，联合利华全球数据平台负责人，曾在捷豹路虎、惠普和希尔顿等跨国公司及公共部门从事战略制定和数据分析工作，IMA全球董事会及IMA技术解决方案和实践委员会成员。可通过领英bit.ly/3u7gzMT与她联系。

沈科 译，郭强 校