
Data Ethic
Big Data, KI-Technologien und Analytic-Tools erleichtern es uns, wertvolle Informationen über Kunden und User zu verarbeiten. Wir wissen um den Wert dieser Daten und verpflichten uns fortlaufend, jede Verarbeitung ethisch und rechtlich auf den Prüfstand zu stellen.

Eigenverantwortung
Neben den rechtlichen Grundlagen der Datenerfassung und Verarbeitung setzen wir bei Moodoo auf eine eigens verfasste Ethic-Leitlinie.
Vertrauen
Wir sind auf dem Weg in eine „data driven economy“. Die eingesetzten Technologien sollen dabei für Menschen keine Black Box sein. Deshalb setzen wir beim Einsatz von Machine Learning und Algorithmen auf Transparenz, Genehmigung und Kontext.
Fokus
Beim Einsatz von datengestützten Prozessen in Verbindung mit persönlichen Daten steht für Moodoo der Nutzen für die Wirtschaft, die Verbraucher und die Gesellschaft im Vordergrund.

Data Compliance
Mensch vor Maschine
Erkenntnisse, die aus sensiblen Personendaten gewonnen werden, dürfen nicht zum Nachteil der Person verwendet werden.
Ursprung = Verwendung
Alle Datensätze enthalten eine Geschichte menschlicher Entscheidungen. Sie müssen ebenso sensibel priorisiert, kategorisiert und verwendet werden.
Gesetze sind nur Mindestmaß
Unsere Compliance-Rahmenbedingungen übertreffen die gesetzlichen Anforderungen.
Gleichberechtigung
Sozialer und wirtschaftlicher Nutzen muss für jeden verfügbar sein. Nationalität, Religion oder sozialer Status dürfen kein Ausschlusskriterium sein.
Gemeinsamer Standard
Der langfristige Erfolg der Datenwissenschaft hängt vom Vertrauen der Gesellschaft ab. Ein gemeinsamer Standard unter Data Scientists ist daher oberstes Ziel.
Zielgerichtete Verwendung
Wir nutzen Daten immer so, wie sie den Absichten und dem Verständnis der offenlegenden Person entsprechen. Eine abgeleitete Wiederverwendung findet nur nach erneuter Freigabe statt.
Datenschutz & Sicherheit im Einklang
Die Erwartungen an Datenschutz und Sicherheit sind individuell und häufig kontextabhängig. Alle Schutzmaßnahmen sind darauf abzustimmen.
Datensparsamkeit
Weniger Daten bedeuten sowohl eine bessere Analyse als auch einen geringeren Risikofaktor.
Transparenz
Maximale Transparenz zum Zeitpunkt der Datenerfassung minimiert die Risiken innerhalb der gesamten Wertschöpfungskette.
Interne & externe Prüfung
Interne Peer-Review-Praktiken und ein externes Review trägt erheblich zum Vertrauen der Öffentlichkeit bei.