Data Mining for the Masses

 
Data Mining for the Masses 
234 
but  that  it  would  be  unethical,  we  can  write  code  to  require  usernames  and 
passwords,  making  it  more  difficult  for  users  to  get  into  each  other’s  personal 
information.    Further,  we  can  write  a  code  of  conduct,  usually  referred  to  as  an 
Acceptable Use Policy, which dictates what users can and cannot do.  The policy is 
not  a  law,  that  is,  it  is  not  enacted  or  enforced  by  a  government,  but  it  is  an 
agreement  to abide  by  certain  rules  or  risk  losing  the  privilege  of  using  the  site’s 
services. 

 
Social  Norms:    This  form  of  determining  what  is  ethical  is  based  on  what  is 
acceptable in our society.  As we look around us, interact with our friends, family, 
neighbors, and associates, ethical bounds can be established by what is acceptable 
to  these  people.    Often,  if  we  would  be  embarrassed,  humiliated  or  otherwise 
shamed  by  our  behavior,  if  we  find  ourselves  wanting  to  hide  what  we’re  doing 
from others, we have a strong indication that our activity is not ethical.  We can 
also contribute to the establishment of social norms as ethical guides by making our 
own expectations of what is acceptable clear to others. 
 

 
Organizational  Standard  Operating  Procedures:    Ethical  standards  can  often  be 
established by creating a set of acceptable practices for your organization.  Such an effort 
should  be  undertaken  by  company  leadership,  with  input  from  a  broad  cross-section  of 
employees.    These  should  be  well-documented  and  communicated  to  employees,  and 
reviewed regularly.  Checks and balances can be built into work processes to help ensure 
that workers are adhering to established procedures. 
 

 
Professional  Code  of  Conduct:    Similar  to  organizational  operating  standards, 
professional  codes  of  conduct  can  help  to  establish  boundaries  of  ethical  conduct.    The 
aforementioned  Association  for  Computing  Machinery  maintains  a  Code  of  Ethics  and 
Professional  Conduct  that  is  an  excellent  resource  for  computing  professionals  seeking 
guidance  (
http://www.acm.org/about/code-of-ethics
).    Other  organizations  also  have 
codes of conduct that could be consulted in order to frame ethical decision making in data 
mining. 
 

 
Immanuel  Kant’s  Categorical  Imperative:    Immanuel  Kant  was  a  German 
philosopher and anthropologist who lived in the 1700’s.  Among his extensive writings on 

---

Chapter 14: Data Mining Ethics 
235 
ethical morality, Kant’s Categorical Imperative is perhaps his most  famous.   This maxim 
states that if a given action cannot ethically be taken by anyone in a certain situation, then it 
should  not  be  taken  at  all.    In  data  mining,  we  could  use  this  philosophy  to  determine:  
Would it be ethical for any business to collect and mine these data?  What would be the 
outcome if every business mined data in this way?  If the answers to such  questions are 
negative and appear to be unethical, then we should not undertake the data mining project 
either. 
 

 
Rene  Descartes’  Rule  of  Change:    Rene  Descartes  was  a  French  philosopher  and 
mathematician who like Kant, wrote extensively about moral decision making.  His rule of 
change  reflects  his  mathematical  background.    It  states  that  if  an  act  cannot  be  taken 
repeatedly, it is not ethical to do that act even once.  Again to apply this to data mining, we 
can ask: Can I collect and mine these data on an ongoing basis without causing problems 
for  myself,  my  organization,  our  customers  or  others?    If  you  cannot  do  it  repeatedly, 
according to Decartes, then you shouldn’t do it at all. 
 
There are a few other ways that are not quite as specifically defined that you can use to seek out 
ethical  boundaries.    There  is  the  old  adage  known  as  the  Golden  Rule,  which  dictates  that  we 
should treat others the way we hope they would treat us.  There are also philosophies that help us 
to consider how our actions might be perceived by others and how they might make them feel.  
Some ethical frameworks are built around actions that will bring the greatest  good to the largest 
number of people.   
 
CONCLUSION 
 
We can protect privacy by aggregating data, anonymizing observations through removal of names 
and  personally  identifiable  information,  and  by  storing  it  in  secure  and  protected  environments.  
When  you  are  busy  working  with  numbers,  attributes  and  observations,  it  can  be  easy  to  forget 
about the people behind the data.  We should be cautious when data mining models might brand a 
person as a certain risk.  Be sensitive to peoples’ feelings and rights.  When appropriate, ask for the 
their permission to gather and use data about them.  Don’t rationalize a justification for your data 
mining project—ensure that you’re doing fair and just work that will help and benefit others.   
 

---

 
Data Mining for the Masses 
236 
Regardless of the mechanism you use to determine your ethical boundaries, our hope is that you 
will always keep ethical behavior in mind when mining data.  Remember the personal side of what 
you are doing.  As we began this book, we talked about the desire to introduce the subject of data 
mining  to  a  new,  non-traditional  audience.    We  hope  you  are  gaining  confidence  in  your  data 
mining skills, and that your creativity is helping you to envision your own data mining solutions to 
real-world  problems  you  might  be  facing.    Go  exploring  both  within  RapidMiner  and  through 
other tools for ways to find unexpected and interesting patterns in your data. The purpose of this 
book from the outset was to be a beginner’s guide, a way to get started in data mining—even if you 
don’t  have  a  background  in  computer  science  or  data  analysis.    Hopefully  through  the  chapter 
examples  and  exercises,  you’ve  learned  a  lot  and  are  well  on  your  way  to  becoming  an 
accomplished, and ethical, data miner.  You’ve learned enough to be dangerous…don’t be.  Apply 
what you’ve learned to use data as a powerful and beneficial advantage.  And so as we close this 
book, let us do so as we began it:  Let’s start digging! 
 

---