Про data-ответственность: Баланс между прозрачностью и конфиденциальностью.

При работе с people-данными мы попадаем в двойственное положение:
С одной стороны, необходимо консолидировать и интерпретировать максимальное количество данных, обеспечить прозрачность метрик для принятия решений. С другой - необходимо защитить сырые данные как от самих сотрудников, так и от внешнего мира.
Помимо проблематики, которая лежит на поверхности есть еще и такие нюансы:

- Чем больше сыра тем меньше сыра.
Чем активнее развитие аналитических платформ и инструментов в компании - тем выше риск утечек и несанкционированного доступа к сенс.денным.

-Неверная интерпретация данных. Допустим, вы пошэрили прогнозную модель оттока сотрудников (функция дожития, вероятность увольнения, вот это вот всё) всем менеджерам. Вы уверены что отдельно взятый лид, узнав что его сотрудник с высокой вероятностью скоро уйдет, поступит так, как вы ожидаете?

Что важно:
🟡Получать информированное согласие
🟡Обеспечивать безопасность данных
🟡Обучать. Всех
🟡Иметь четкий работающий план на случай утечки

А еще, коль уже решили работать с данными:
🟡Всегда четко определять цель сбора данных
🟡Минимизировать. Собирать только те данные которые действительно необходимы. Да, мечты об ML-модели, знающей о сотруднике всё придется отложить или скормить ей только данные с рабочей техники.
🟡И ключевое: объяснить сотрудникам что именно и с какими данными вы делаете. И зачем. Что возвращает нас к осведомленному согласию.

Иными словами, не так страшен фишинг, как сами HR и сотрудники. У всех наверняка есть история как коллега случайно разослал на всю компанию конф.инфу?