相较于对个人数据的收集、使用与事前的披露，与数据相关的正当程序是欲实现使用个人数据进行分析过程中的公平，包括大数据被用来对人进行分类以及对人特性进行判断方面。试以一个从事人身健康保险的保险商为例进行说明，倘若他使用大数据分析去判断一个顾客发生某种特定疾病的可能性，并以数据挖掘、分析的结果作为依据，拒绝对评分低的顾客承保，则投保人就享有此类正当程序的权利。同样，如果一个潜在的雇佣者使用大数据去预测应聘者的诚实度，受到不利影响的人同样享有行使该正当程序的权利。[114]
与传统上个人对公司、数据分析机构收集、使用自己资料享有的查询权不同，正当程序将关注的重点放在了使用个人数据做出决定判断后发生的争议上。在告知义务方面，正当程序关注的是在预测分析得出建议并将要采取影响个人财产、自由、机会的措施时，分析方所应负担的告知义务，而不是在收集与使用数据时的告知义务，这符合大数据分析的特点，也使实践操作变得可能。
算法中可能存在的偏见是一个非常严重的问题，对带有偏见的算法应当有能够对其表示质疑、反对的方法。[115]预测性的信息侵害往往只在事后才能加以辨识。因此，当事后发生争议时，司法应当可以对其进行监督，同时也应有专业的机构对算法进行评估。这样的评估与监督会关涉到与预测分析相关的正当程序。
应该看到，与正当程序的内在的价值相比，具体的程序性规则远远不如内在价值稳定。[116]程序规则应当更多地考虑构建在价值基础上，而非构建在特定的规程上，唯有如此，在面对大数据的海量数据与情景模式的不断变化下，它的生命力才会更加长久。[117](www.xing528.com)
在对正当程序的检视中，雷迪什与马歇尔提出了七个正当程序应包含的持久价值：（1）准确性；（2）程序上的公平性；（3）启动正当程序平等性；（4）可预测性、透明性与合理性；（5）参与性；（6）披露；（7）隐私—尊严。
每一个正当程序的价值都为我们提供了很好的指引。当大数据在宣布我们找寻的答案时，它应当是准确的；数据收集时应当平等不带偏向，否则很有可能出现误导的结论。[118]因此，应在大数据于决策方面所能发挥的作用还没有得到社会的广泛认同时——特别是与政府相关的决策，在公平性、可预测性、透明性与合理性方面应做出表率作用。缺少这些价值，我们无法信任它，它也不能成为政府治理的一部分。[119]而参与、披露与隐私—自尊应该能够帮助将大数据在决策中的能力发挥到最大化。这些价值解决了个人对程序正当的担心，即便是在出现了令人不愉快的结果时。另外，中立的裁判者也是正当程序的核心，当中立的裁判者存在个人的固有偏见或者会从裁判的结果中直接受益时，也会导致非常危险的结果。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
