はじめに
わたしが Google プロジェクト管理:プロフェッショナル認定証で得られた素晴らしい体験を、要点をまとめ小さく分割して、わかりやすく簡潔に紹介していきます。
興味があれば、ぜひ "Google プロジェクト管理:プロフェッショナル認定証" を受講してみてください。
データ倫理
プロジェクトマネージャーとして、データの収集と分析はプロジェクトの重要な部分を占めます。インタビュー、アンケートなど、さまざまなソースからデータを収集することになります。収集するデータには通常、PII（個人を特定できる情報）、つまり個人を直接特定したり、連絡したり、場所を特定したりするために使用できる情報が含まれます。また、多くの場合、収集したデータについてステークホルダー、顧客、プロジェクトチームに対して報告する必要があります。このようなデータを倫理的な方法で収集、分析、共有することは、組織、プロジェクト、および自分の地位の完全性を維持するために非常に重要です。
『データ倫理とは、データの収集と分析に関連する道徳的な課題を研究し評価すること』
企業は、データ倫理の実践を行うことで、以下のことが可能になります。
- 規制を遵守する
- 信頼に足ることを示す
- 公正かつ合理的なデータ利用を確保する
- バイアスの最小化
- ポジティブな社会的認知を獲得する
データ倫理は、いくつかの原則に根ざしています。今回は、そのうちの2つの原則、
- データプライバシー
- データバイアス
に焦点を当てます
データプライバシー
『データ・プライバシーは、データの適切な取り扱いを扱うもの』
これには、データの収集と処理の目的、プライバシー設定、組織による個人データの管理方法、および個人の権利が含まれます。データの収集、処理、共有、保存、削除の方法がすべて法律に従っていることを確認することに重点が置かれています。
プロジェクトマネージャーには、収集したデータを保護する責任があります。プロジェクトのためにユーザー、ステークホルダー、その他の人々から収集したデータのプライバシーを確保するために、次のことを行うことができます。
データプライバシーに関する意識の向上
プロジェクトチームのメンバー全員、およびベンダー、請負業者、社外の関係者に、組織のデータセキュリティとプライバシーに関するプロトコルを周知徹底させる。
セキュリティツールの使用
暗号化されたストレージソリューションやパスワードマネージャなどのセキュリティツールを使用すると、データ侵害に対するプロジェクトの脆弱性を低減することができます。Google WorkspaceやMicrosoft OneDriveのような多くのアプリケーションでは、プライバシー設定を調整して、特定の個人のみにアクセスを許可することができます。
データの匿名化
データの匿名化とは、データに含まれる人々の身元を保護するために、個人情報や識別情報をブランキング、ハッシュ化、マスキングするなどの1つまたは複数のテクニックを指します。これにより、匿名性を維持することで、個人の個人情報を保護することができます。匿名化された情報は、自由に利用・共有することができます。匿名化されるべきデータの種類には、名前、電話番号、社会保障番号、電子メールアドレス、写真、口座番号などがあります。
データバイアス
もう一つの重要なデータ倫理の実践は、収集したデータが偏りを示していないことを確認することです。
『データバイアスとは、結果を特定の方向に偏らせる傾向のあるエラーの一種』
- アンケートの質問が回答に影響を与えるような特定の傾きをもっている。
- サンプルグループが調査したい集団を完全に代表していなかったりする。
- サンプルグループが包括性を欠いている場合にも、偏りが生じる。たとえば、サンプルに障害者が含まれていない場合など。
- データを収集する方法によっても、データセットに偏りが生じることがあります。質問に答えるための時間を短くすると、回答を急がせることになります。人々は、急ぐとミスをする傾向があり、データの品質に影響を与え、偏った結果を生み出す可能性があります。
プロジェクトマネージャーとして、あなたはデータを集め始めてから結論を発表するまでの間、バイアスと公平性について考えなければならないのです。
バイアスの種類
- サンプリング・バイアス: サンプルが母集団全体を代表していない場合です。例えば、サンプルに65歳以上の人が含まれていなかったとします。あるいは、特定の社会経済集団の人々を除外したのかもしれません。
- 観測者バイアス: 異なる人々が異なる方法で物事を観察する傾向のことです。例えば、世界の異なる地域の関係者は、同じデータでも異なる見方をし、そこから異なる結論を導き出すかもしれません。
- 解釈バイアス: 明白な答えのない状況において、実際にはデータを理解する方法が1つではないにもかかわらず、常に厳密に肯定的または否定的に解釈する傾向のことです。結論が明らかでないデータは、人によっては不安になり、それが解釈バイアスにつながることがあります。例えば、あるチームメンバーは結論の出ない調査結果を否定的に解釈し、他のチームメンバーはより慎重に考え、異なる角度からデータを評価することができるかもしれません。
- 確証バイアス: 既存の信念を確認するような方法で情報を探したり解釈したりする傾向です。例えば、プロジェクトの一部について、特定の関係者だけにフィードバックを求めることがあります。この関係者は、あなたと同じ視点を持つ可能性が最も高いとわかっているからです。
これらのバイアスは、データの収集や意味の理解の仕方に影響を与えるので、データ収集プロセスを設定する際に意識することが重要です。