数据质量与伦理

每一项精算结果都建立在数据之上——过往赔款、保单记录、死亡经验——而一个模型的可信度，绝不会超过喂给它的那些数字。“垃圾进，垃圾出”在这里不是玩笑：建立在劣质数据上的完美计算，会得出一个自信而错误的答案。数据质量与伦理，就是核查数据是否适合其用途、并负责任地使用它的功夫。

在质量一面，职业准则（美国为 ASOP 23）要求精算师审查数据的合理性与一致性，理解其定义与局限，考量它是否适合预期用途，并披露任何重大数据局限或对未经其审计之数据的依赖。这意味着要抓出重复或缺失的记录、不匹配的字段，以及物理上不可能的取值，并判断数据是否相关——来自不同产品或不同年代的经验，可能根本不适用。在伦理一面，精算师必须合法、公平地使用数据：尊重隐私与同意，避免使用充当受禁特征非法替代的变量，并对偏见保持警觉——当历史数据反映了过去的歧视时，偏见会悄然潜入。随着预测模型日益强大，这一公平维度已成为核心的职业关切。

它为何重要：数据问题是精算错误中最常见、危害最大的来源之一，建立在不合适数据上的结果，可以计算得极精确却从根本上具有误导性。一个常见误解是数据越多自动意味答案越好。它并不——一个有偏、测量有误或与问题无关的大型数据集，能产生既自信又错误的结果，这正是为何对数据局限的披露是强制的而非可选的。