أضواء كاشفة: جودة البيانات - البعد 6 ، الاتساق

سلسلة مقابلات مع Clarity AI الفريق التنفيذي المعني بالأبعاد ال 8 لجودة البيانات

كيف Clarity AI تأكد من أن بياناتها من أعلى مستويات الجودة؟

Clarity AI يستخدم إطار عمل 8 أبعاد لضمان أن تكون البيانات من أعلى مستويات الجودة. هذه الأبعاد هي التغطية ، والنضارة / التوقيت ، والدقة ، وتحديثات البيانات ، وقابلية التفسير ، والاتساق ، والنقطة الزمنية ، والتعليقات. في هذه السلسلة من المقابلات مع Clarity AI المديرين التنفيذيين ، يتم استكشاف كل من هذه الأبعاد وشرحها. Clarity AIيقوم فريق الخبراء بإنشاء منهجيات علمية وقائمة على الأدلة تستفيد بعد ذلك من الذكاء الاصطناعي القوي والقابل للتطوير (مثل التعلم الآلي) لجمع مجموعات البيانات الحالية وتنظيفها وتحليلها وتوسيعها لتشغيل منصة تكنولوجيا الاستدامة الخاصة بها أو للاندماج مباشرة في سير العمل الحالي للمستخدمين.

البعد 6 - الاتساق

Clarity AIنائب رئيس المنتج ، أنخيل أجودو ، رئيس أبحاث المنتجات والابتكار ، باتريشيا بينا ، رئيس استراتيجية البيانات ، خوان دييغو مارتن ، ورئيس علوم البيانات ، رون بوتوك ، يناقشون - مع كريس سيومبي ، Clarity AIالرئيس التنفيذي للتسويق - البعد الحاسم للاتساق وعلاقته بجودة البيانات. 

كريس سيومبي: مرحبًا بالجميع. مرحبا بك مرة أخرى في مناقشة أخرى حول جودة البيانات. Ángel ، هل يمكنك من فضلك تحديد الاتساق من حيث صلته بجودة البيانات؟

Ángel Agudo: يمكن وصف الاتساق من زوايا مختلفة ، ولكن بالنسبة لنا ، يتعلق الأمر بشكل أساسي بمعالجة المعلومات بنفس الطريقة بمرور الوقت والقدرة على تقديم صور لكيفية أداء الشركات. يرتبط أيضا بالقدرة على المقارنة ، وأحد التحديات الرئيسية لجودة البيانات هو مقارنة التفاح بالتفاح. يجب أن تكون دقة تعريف المقياس هي نفسها تماما لكل شركة على حدة. الهدف النهائي هو أن تكون قادرا على إجراء مقارنات ، وأن يكون لديك اتساق عند قراءة المقياس عبر جميع الشركات. هناك أيضا اتساق في الطريقة التي نجمع بها جميع المعلومات وكيفية تعاملنا مع الشركات والشركات التابعة والأوراق المالية ... لذلك عندما تنظر إلى محفظة ، سيتم تنظيم كل شيء وتجميعه بطريقة متسقة عبر الأوراق المالية والشركات والصناديق المختلفة.

خوان دييغو مارتين: بالتأكيد ، أتفق مع Ángel ، ومن منظور العميل ، يعد الاتساق أمرا بالغ الأهمية لأن عملائنا ينظرون إلى مشكلة الاستدامة من عدسات مختلفة. يبحث البعض في ESG ، والبعض الآخر يبحث في التأثير ، أو يستخدم اللوائح. يعد الاتساق أمرا ضروريا لدمج وتجميع محافظ أسهم الشركات المختلفة واستخراج المقارنات ، ولكن العملاء يريدون أيضا التحقق من وجهات النظر المختلفة. إنهم بحاجة إلى فهم المحافظ والصناديق والشركات من وجهات نظر مختلفة للحصول على رؤية أفضل ، لذلك يحتاجون إلى منح كل هذا الاتساق وتوفيره.

كريس سيومبي: حسنا ، جيد جدا. باتريشيا ، لماذا الاتساق مهم لمستهلكي بيانات الاستدامة؟

باتريشيا بينا: عندما نتحدث عن الاتساق ، هناك بعدان مختلفان: أولا ، الاتساق عبر التحليلات المتعلقة بالاستدامة ، والثاني ، اتساق الوقت. دعنا نركز أولا على الأول ، فهو يشير إلى نفس الشركة التي لها قيمة مترية أو درجة مختلفة اعتمادا على المنتج. على سبيل المثال ، سيرى العميل قيمة مختلفة لدرجة الكربون الخاصة بالشركة في المنتج المناخي وفي منتج درجة مخاطر ESG. وقد تكون هناك أسباب وجيهة جدا لهذا التناقض: ترددات تحديث البيانات المختلفة حسب المنتج ، وعوالم التغطية المختلفة ، والمنتج التي تؤدي إلى درجات مختلفة عند حساب التصنيفات النسبية والدرجات الأفضل في فئتها ، أو منطق الميراث المختلف بين الشركات الأم والشركات الفرعية اعتمادا على حالة الاستخدام. ومع ذلك ، فإن أول شيء سيلاحظه العملاء هو عدم الاتساق وسيفقدون الثقة في البيانات بسرعة كبيرة. علاوة على ذلك ، غالبا ما يخلط العملاء التحليلات من منتجات مختلفة لبناء فهم شامل لرحلة الاستدامة الخاصة بالشركة ، والتناقضات عبر المنتجات تجعل من الصعب عليهم معرفة الحقيقة الأساسية وكيف يجب أن يفكروا في تلك الشركة بالذات.

فيما يتعلق باتساق الوقت ، يكافح العملاء مع تغييرات كبيرة غير متوقعة بين السنوات. في هذه الحالة ، يتعلق الأمر بإمكانية التفسير وضمان تبرير هذه التغييرات في سياق سلسلة زمنية. بمعنى آخر ، التأكد من أن هذه التغييرات الكبيرة ناتجة عن تغييرات فعلية في السلوك وأنها غير مرتبطة بتغيير الشركة لحدود التقارير أو التغييرات المنهجية الأخرى. كما أن مسألة قيام الشركات بإعادة صياغة قيمها المبلغ عنها من السنوات السابقة هي أيضا تحد آخر لأنه يؤدي إلى أن يكون للشركة قيمتان مختلفتان لنفس المقياس والسنة ، وهو نوع آخر من عدم الاتساق. يجب تقييم هذه الحالات بعناية لفهم ما الذي يدفع إعادة الصياغة وكيف ينبغي معالجتها بناء على حالة الاستخدام.

كريس سيومبي: شكرا لك باتريشيا. خوان دييغو ، كيف Clarity AI تأكد من أن بياناتها متسقة؟

خوان دييغو مارتين: يحتاج عملاؤنا إلى استخدام نفس البيانات ، ونحن بحاجة إلى التأكد من أننا نستخدم نفس الخرائط وتجميع المعلومات بطريقة منطقية. يجب أن يكون التفسير متسقا لأن الاتساق يتعلق بتوفير رؤية شاملة. إنهم يفهمون الأشياء بشكل أفضل وقادرون على اتخاذ قرارات استثمارية أفضل.

كريس سيومبي: حسنا ، أنا أفهم. فيما يتعلق ب "اتخاذ قرارات استثمارية أفضل" ، هذا هو بالضبط الشيء الذي يفعلونه ...

خوان دييغو مارتين: حسنا ، هذا هو سحرهم.

كريس سيومبي: وأعتقد أن هناك شيئا هنا ينبغي لنا أن نؤكده. نحن نتحدث عن أبعاد مختلفة حول جودة البيانات ، أليس كذلك؟ يمكن أن يساعد اتساق البيانات في تشكيل قناعتهم. نحن لا نتحدث عن اتخاذ القرارات نيابة عنهم. ما رأيك في ذلك؟

خوان دييغو مارتين: لا ، إنها ثقة ، أليس كذلك؟ هذه القناعة هي أيضا ما ذكر سابقا حول بناء الثقة. هذا عنصر إضافي يجعلهم واثقين فيما يتعلق ب Clarity AI أداة وعلى المعلومات الواردة فيها ، لأنهم يفهمون أن هناك منطقا وراء كل ذلك.

كريس سيومبي: حسنا، عظيم. رون ، دعنا نتحدث عن الاتساق الذكاء الاصطناعي. كيف هو الاتساق و Clarity AI تتأثر بالذكاء الاصطناعي؟

رون بوتوك: شيء نراه بوضوح شديد في بيانات الاستدامة هو أنه عادة لا يتغير كثيرا عاما بعد عام ما لم يكن هناك حدث يغير مسار الشركة بشكل كبير. هذا شيء واحد يدركه المستثمرون. لا تتغير الشركات بسرعة كبيرة ، خاصة في التصنيع. لذا فإن التوقعات هي أنه عاما بعد عام ، سيستغرق الأداء الأسوأ بعض الوقت ليتطور إلى الأفضل في فئته. لقد تعلمنا هذا النمط مع الذكاء الاصطناعي ونطبقه لضمان بقاء درجاتنا وفية لطبيعة العمل ، والتي غالبا ما تتغير ببطء. يمكنك أيضا رؤية هذه الأنماط في الشركات الاجتماعية والحكومية حيث لا يتغير أعضاء مجلس الإدارة ودوران الموظفين كثيرا. نحدد الأنماط ونطبقها على البيانات ، وعندما نرى استثناءات ، نلقي نظرة أخرى.

كريس سيومبي: لذلك هناك زواج من الذكاء الاصطناعي والخبراء البشريين الذين يعملون معا لتحديد الأنماط وتطبيقها على البيانات. هل هذا صحيح؟

رون بوتوك: نعم ، يحدد الذكاء الاصطناعي الأنماط ، ونطبق هذه الأنماط على البيانات. عندما نرى استثناءات ، نلقي نظرة أخرى.

كريس سيومبي: حسنًا، جيد. باتريشيا ، كيف يساعد الاتساق في دفع ابتكار المنتجات في Clarity AI?

باتريشيا بينا: لقد جعلنا السعي لتحقيق الاتساق ننشئ منصة تدمج منتجات متعددة مرتبطة جميعها بمصدر واحد للحقيقة. تسمح لنا هذه البنية بنشر الابتكار بسرعة في جميع منتجاتنا. على سبيل المثال ، نقوم حاليا باستيعاب بيانات الأقمار الصناعية لتقدير مستوى نشاط الأصول التي تمتلكها الشركة ، وستكون هذه البيانات متاحة لمنتجنا المناخي وكذلك لمنتج التنوع البيولوجي الذي تم إنشاؤه حديثا. في المناخ ، سنستخدمها لتقدير بيانات غازات الدفيئة بينما في التنوع البيولوجي ، سنستخدمها لتحديد حصة عمليات الشركة المعرضة للمخاطر المتعلقة بالطبيعة.

كريس سيومبي: كيف اتساق البيانات في Clarity AI التأثير على قدرات التطبيق البرمجي؟

رون بوتوك: أحد مقترحات القيمة لدينا هو أننا نقدم جميع احتياجات الاستدامة الخاصة بك في مكان واحد ، مما له فائدة كبيرة. نحن نستفيد من نفس البيانات الأساسية لجميع مقاييس الاستدامة عبر أطر عمل مختلفة - مثل مقاييس تأثير التنوع البيولوجي المضمنة في حل التنوع البيولوجي المخصص لدينا ، ونستخدم نفس البيانات مثل تلك المدرجة في SFDR محاليل. ويضمن هذا النهج، مقترنا بمنهجيات متسقة، مستوى عاليا من الاتساق العام. هذا يعني أنه بمجرد أن تتعلم كيف نفعل الأشياء في وحدة واحدة ، مثل Net Zero ، SFDR، أو تصنيف الاتحاد الأوروبي ، إنه نفسه عبر جميع الوحدات. قد يكون هذا اقتراحا قيما ، خاصة بالنسبة للشركات الصغيرة والمتوسطة الحجم. بدلا من الاضطرار إلى الذهاب إلى أماكن متعددة والقلق بشأن التغطيات المختلفة والميراث والقضايا الأخرى ، يمكنهم الاعتماد على منصتنا لجميع احتياجات الاستدامة الخاصة بهم.

أنخيل أجودو: توفر منصتنا إمكانية التتبع عبر جميع الأبعاد المختلفة التي ذكرناها ، مما يضمن عمل كل شيء باستمرار عبرها. دعوني أعطيكم مثالا. عند تحميل محفظة، يمكنك أن ترى كيف يتم تقسيمها إلى مؤسسات فردية أو حكومات تملأ العرض الشامل للمحفظة. ينتشر هذا عبر عدسات مختلفة ، ويمكنك أن ترى أن كل هذه الأكوان تتكرر عبر الوحدات المختلفة. من المهم الحفاظ على إمكانية تتبع تلك المضمنة أو المستبعدة داخل كل عدسة من العدسات المختلفة لفهم المعلومات المعروضة. من المهم أيضا أن يكون لديك روابط جيدة بين الأوراق المالية والمنظمات. يوفر برنامجنا شفافية كاملة حول كيفية توصيل القطع المختلفة ، وتعريفات المقاييس متسقة عبر الوحدات. حتى تتمكن من الوثوق بالمعلومات التي تراها.

كريس سيومبي: شكرا مرة أخرى للجميع. مناقشة رائعة!