數據質量與倫理

每一項精算結果都建立在數據之上——過往賠款、保單記錄、死亡經驗——而一個模型的可信度，絕不會超過餵給它的那些數字。「垃圾進，垃圾出」在這裡不是玩笑：建立在劣質數據上的完美計算，會得出一個自信而錯誤的答案。數據質量與倫理，就是核查數據是否適合其用途、並負責任地使用它的功夫。

在質量一面，職業準則（美國為 ASOP 23）要求精算師審查數據的合理性與一致性，理解其定義與局限，考量它是否適合預期用途，並披露任何重大數據局限或對未經其審計之數據的依賴。這意味著要抓出重複或缺失的記錄、不匹配的字段，以及物理上不可能的取值，並判斷數據是否相關——來自不同產品或不同年代的經驗，可能根本不適用。在倫理一面，精算師必須合法、公平地使用數據：尊重隱私與同意，避免使用充當受禁特徵非法替代的變量，並對偏見保持警覺——當歷史數據反映了過去的歧視時，偏見會悄然潛入。隨著預測模型日益強大，這一公平維度已成為核心的職業關切。

它為何重要：數據問題是精算錯誤中最常見、危害最大的來源之一，建立在不合適數據上的結果，可以計算得極精確卻從根本上具有誤導性。一個常見誤解是數據越多自動意味答案越好。它並不——一個有偏、測量有誤或與問題無關的大型數據集，能產生既自信又錯誤的結果，這正是為何對數據局限的披露是強制的而非可選的。