SRCG · Introducción a Proyectos de Ciencia de DatosIntroduction to Data Science Projects
⚖️ Masterclass 4 · Aplicación AvanzadaMasterclass 4 · Advanced Application

Ética, Sesgo y Gobernanza de DatosEthics, Bias & Data Governance

Cuando "Ser un Líder Responsable" deja de ser un principio abstractoWhen "Be an Accountable Leader" stops being an abstract principle

1

De Principio Abstracto a Decisión ConcretaFrom Abstract Principle to Concrete Decision

En Fundamentos viste "Ser un Líder Responsable" como uno de los 6 principios de PMBOK 8. En ciencia de datos, este principio se pone a prueba de una forma muy específica: los modelos pueden discriminar sin que nadie lo programe explícitamente — el riesgo R1 del Registro de Riesgos de Atlas (sesgo demográfico) no es hipotético, es uno de los riesgos más comunes y costosos en la industria real. In Fundamentals you saw "Be an Accountable Leader" as one of PMBOK 8's 6 principles. In data science, this principle gets tested in a very specific way: models can discriminate without anyone explicitly programming it — Atlas's Risk Register's R1 (demographic bias) isn't hypothetical, it's one of the most common and costly risks in the real industry.

2

El Código de Ética del PMI, Aplicado a DatosPMI's Code of Ethics, Applied to Data

El PMI publica un Código de Ética y Conducta Profesional — un documento separado de la Guía PMBOK, pero que rige la práctica profesional de cualquier PM. Sus 4 valores centrales, traducidos a ciencia de datos: PMI publishes a Code of Ethics and Professional Conduct — a document separate from the PMBOK Guide, but which governs any PM's professional practice. Its 4 core values, translated into data science:

🧭

ResponsabilidadResponsibility

Ownership de las decisiones y sus consecuencias, incluso las no intencionales.Ownership of decisions and their consequences, even unintentional ones.

AtlasReportar el sesgo detectado, aunque retrase el proyecto.Reporting detected bias, even if it delays the project.
🤝

RespetoRespect

Tratar con dignidad a todos los afectados por el modelo, no solo a quien lo pidió.Treating everyone affected by the model with dignity, not just whoever requested it.

AtlasConsiderar cómo se siente un cliente al ser clasificado como "riesgo de fuga".Considering how a customer feels being classified as a "churn risk".
⚖️

Justicia (Fairness)Fairness

Decisiones sin favoritismo ni discriminación — la más directamente ligada al sesgo algorítmico.Decisions without favoritism or discrimination — most directly tied to algorithmic bias.

AtlasAuditar si el modelo trata distinto a segmentos demográficos protegidos.Auditing whether the model treats protected demographic segments differently.
🔍

HonestidadHonesty

Comunicar la verdad sobre las capacidades y limitaciones reales del modelo.Communicating the truth about the model's real capabilities and limitations.

AtlasNo inflar el recall reportado al Sponsor para que el proyecto "se vea bien".Not inflating the recall reported to the Sponsor to make the project "look good".
3

Gobernanza de Datos: lo Mínimo que Debes VerificarData Governance: the Minimum You Must Check

No necesitas ser abogado, pero sí necesitas saber qué preguntar antes de tocar datos de clientes reales: You don't need to be a lawyer, but you do need to know what to ask before touching real customer data:

1.¿Los clientes dieron consentimiento para que sus datos se usen en este tipo de análisis?Did customers consent to their data being used for this kind of analysis?
2.¿Estamos usando solo los datos mínimos necesarios (minimización de datos), o recolectamos "por si acaso"?Are we using only the minimum necessary data (data minimization), or collecting "just in case"?
3.¿El histórico fue auditado alguna vez por sesgo demográfico antes de este proyecto?Was the history ever audited for demographic bias before this project?
4.¿Quién tiene acceso a los datos sensibles, y por cuánto tiempo se conservan?Who has access to the sensitive data, and how long is it retained?
5.Si el modelo se equivoca con una persona real, ¿hay un proceso de apelación o revisión humana?If the model gets a real person wrong, is there an appeal or human-review process?
⚠️

Conexión con RiesgosConnection to Risk

Cada pregunta sin respuesta clara es, literalmente, un riesgo que debería estar en tu Registro de Riesgos (recuerda R1 y R2 de Atlas) — no es un tema aparte de la gestión de proyectos, es parte central de ella. Every question without a clear answer is literally a risk that should be in your Risk Register (remember Atlas's R1 and R2) — it isn't a separate topic from project management, it's a central part of it.

←Regresar al DashboardBack to Dashboard