Тема 7. Веб-аналітика – ключові компетенції і тренди. Робота з меседжерами, налаштування аналітики для телеграм груп та ботів.

15. Етика та відповідальність в аналітиці

Етичні питання:

1. Privacy (Приватність)

Що можна відстежувати? Що ні?

✅ Можна (з consent):

- Загальна поведінка на сайті

- Aggregated demographics

- Purchase behavior

❌ Не можна (або потрібен explicit consent):

- Personally Identifiable Information (PII) без consent

- Sensitive data (health, religion, політичні вподобання)

- Tracking дітей (<13 років в US, <16 в EU)

Приклад порушення:

❌ Погано:

Tracking користувачів без consent (GDPR violation)

Продавання user data third parties

Best practices: ✅ Чітка Privacy Policy ✅ Cookie consent banner ✅ Можливість opt-out з tracking ✅ Пояснення, як використовуються дані

Приклад good practice:

"Ми використовуємо cookies для:

- Аналізу трафіку (Google Analytics)

- Персоналізації контенту

- Ремаркетингу реклами

Ви можете вимкнути це в налаштуваннях."

[Прийняти всі] [Налаштувати] [Відхилити]

Проблема: Дані можуть бути необ'єктивними

Приклади:

Sampling bias:

Опитування лише на веб-сайті

→ Пропускаємо людей, які не користуються інтернетом

→ Результати не репрезентативні

Algorithm bias:

ML модель для кредитного скорингу

Тренована на історичних даних, де були дискримінаційні практики

→ Модель повторює цю дискримінацію

Survivorship bias:

Аналізуючи лише успішні кампанії

→ Не враховуємо провальні

→ Incorrect conclusions

Як уникнути:

• Питати: "Хто НЕ представлений в даних?"
• Перевіряти assumptions
• Diverse data sources
• Regular audits

Приклади:

Cherry-picking (вибіркове використання):

❌ Показувати лише метрики, які виглядають добре

✅ Показувати повну картину (позитив + негатив)

Misleading visualizations:

❌ Y-axis не починається з 0 → перебільшує зміни

❌ Відсутність контексту (порівняння з минулим періодом)

✅ Чесні графіки з правильним scaling

Correlation ≠ Causation:

Приклад:

Продажі морозива корелюють з кількістю втоплень

❌ Висновок: Морозиво викликає втоплення

✅ Реальність: Обидва зростають влітку (третя змінна)

Обов'язки аналітика:

• Захищати user data
• Не зберігати PII в небезпечних місцях (Google Sheets без обмеження доступу)
• Encryption sensitive data
• Обмежувати доступ (principle of least privilege)

Приклад breach:

2018: Cambridge Analytica scandal

→ Дані 87 млн Facebook користувачів використані без consent

→ Для політичного таргетингу

→ Наслідки: Штрафи, втрата довіри

Питання: Якщо AI/ML модель приймає рішення, хто відповідальний?

Приклад:

AI модель відхиляє кредитну заявку

Питання:

- Чому відхилено? (explainability)

- Чи є bias в моделі?

- Чи може людина оскаржити рішення?

Вимоги:

• Explainable AI (XAI)
• Human-in-the-loop для критичних рішень
• Audit trails

1. Чесність (Honesty)

• Не маніпулювати даними
• Прозоро комунікувати обмеження аналізу
• Визнавати помилки

2. Конфіденційність (Confidentiality)

• Захищати user data
• Не розголошувати sensitive business metrics

3. Професіоналізм (Professionalism)

• Продовжувати навчатися
• Дотримуватись стандартів індустрії
• Бути об'єктивним

4. Відповідальність (Responsibility)

• Розуміти impact своїх insights
• Враховувати ethical implications
• Говорити, коли щось неправильно