[Paper] 数据科学项目中风险管理方法论的综合分析
发布: (2025年12月2日 GMT+8 21:06)
6 min read
原文: arXiv
Source: arXiv - 2512.02728v1
概览
数据科学项目因风险未系统化管理而频频失败。Sabrina Delmondes da Costa Feitosa 的综合文献综述剖析了最常用的风险管理方法（ISO 31000、PMBOK、NIST RMF）以及新兴的数据科学专属框架（CRISP‑DM、DS EthiCo RMF）。本文绘制了这些方法的重叠、分歧之处，并指出了关键缺口——尤其是伦理和社会技术风险方面的不足。
主要贡献
- 全面的风险管理方法分类，适用于数据科学项目。
- 并列比较 经典标准（ISO 31000、PMBOK、NIST RMF）与数据科学中心模型（CRISP‑DM、DS EthiCo RMF）。
- 识别覆盖缺口，特别是传统框架对伦理、治理和社会技术风险的处理有限。
- 基于证据的建议，提出将技术严谨性与负责任 AI 监督相结合的混合风险管理框架。
- 研究议程，列出未充分探索的领域（如持续伦理监控、跨职能风险所有权）。
方法论
作者进行了一项 综合文献综述：
- 数据库检索 – 在 IEEE Xplore、Scopus、Web of Science 和 ACM DL 中使用 “risk management”、 “data science”、 “ethical risk”等关键词进行系统查询。
- 筛选协议 – 通过纳入/排除标准将 112 篇论文筛选至 38 篇高相关性文献。
- 内容分析 – 对每篇文献进行编码，关注风险识别实践、缓解策略、治理结构和伦理考量。
- 综合矩阵 – 将编码数据映射到五个框架上，以揭示共性、独特特征和缺失要素。
该方法刻意保持非技术性：可视为一次结构化的“文献审计”，提炼出每种方法的 “什么、如何、为何”。
结果与发现
| 框架 | 核心关注点 | 伦理/社会技术覆盖度 | 持续监控 | 治理整合 |
|---|---|---|---|---|
| ISO 31000 | 通用风险管理 | 极少（仅原则） | 否 | 可选 |
| PMBOK | 项目层面风险 | 低（主要技术） | 否 | 有限 |
| NIST RMF | 安全导向风险 | 低‑中（隐私） | 是（持续） | 强（政策） |
| CRISP‑DM | 数据科学工作流 | 无 | 否 | 无 |
| DS EthiCo RMF | 数据科学生命周期 + 伦理 | 高（伦理、社会技术） | 是（反馈回路） | 嵌入式（治理检查点） |
- 传统标准在 技术风险识别 上表现出色，但在 伦理和社会技术维度 上不足。
- DS EthiCo RMF 引入 多维度风险视角，在数据科学流水线的每个阶段嵌入伦理审查点。
- 在所有框架中，持续风险监控 仍属少数；仅 NIST RMF 与 DS EthiCo RMF 提供了持续监督机制。
- 分析揭示了一个 缺口：目前尚无单一框架能够无缝融合技术、组织和负责任 AI 风险控制。
实践意义
- 混合框架采纳 – 团队可先基于稳固的技术框架（如 ISO 31000 或 NIST RMF），再加入 DS EthiCo 风格的伦理检查点，构建 “兼顾两端” 的风险治理体系。
- 工具路线图 – 现有风险管理平台（Jira、ServiceNow）可通过自定义字段加入伦理风险评分，以匹配 DS EthiCo 模型。
- 跨职能所有权 – 本文的分类明确了各风险类别的责任人（数据工程师 → 技术风险，产品负责人 → 业务风险，伦理官员 → 社会技术风险）。
- 合规准备 – 早期融入伦理治理，使组织更好地应对新兴 AI 法规（欧盟 AI 法案、美国 AI 权利法案）。
- 持续监控流水线 – 实施自动化警报（如漂移检测、偏差指标），将结果反馈至风险登记册，仿照 NIST RMF 的 “持续监控” 循环。
局限性与未来工作
- 范围局限于已发表文献 – 未考察真实案例或专有框架，可能影响外部有效性。
- 领域快速演进 – 新的伦理风险框架（如 IBM AI Fairness 360 集成）可能在综述期间后出现，需要后续更新。
- 未来研究 建议包括在实际项目中验证混合框架、开发社会技术风险的量化指标，以及构建能够在数据科学生命周期中自动化追踪伦理风险的工具原型。
作者
- Sabrina Delmondes da Costa Feitosa
论文信息
- arXiv ID: 2512.02728v1
- 分类: cs.SE
- 发表时间: 2025年12月2日
- PDF: Download PDF