Spotlight: Datenqualität - Dimension 7, Punkt zu Zeit

Eine Interviewreihe mit dem Clarity AI Executive Team über die 8 Dimensionen der Datenqualität

Wie wird sichergestellt, dass die Daten von Clarity AI von höchster Qualität sind?

Clarity AI verwendet einen achtdimensionalen Rahmen, um sicherzustellen, dass die Daten von höchster Qualität sind. Diese Dimensionen sind Erfassungsgrad, Frische / Aktualität, Genauigkeit, Datenaktualisierung, Erklärbarkeit, Konsistenz, Zeitpunkt und Feedback. In dieser Reihe von Interviews mit Führungskräften von Clarity AI wird jede dieser Dimensionen erforscht und erläutert. Clarity AIDas Expertenteam des Unternehmens entwickelt wissenschaftliche und evidenzbasierte Methoden, die dann leistungsstarke, skalierbare künstliche Intelligenz (z. B. maschinelles Lernen) nutzen, um bestehende Datensätze zu sammeln, zu bereinigen, zu analysieren und zu erweitern, um die Sustainability-Tech-Plattform zu betreiben oder direkt in die bestehenden Arbeitsabläufe der Nutzer zu integrieren.

Dimension 7 - Punkt in der Zeit

Clarity AIÁngel Agudo, VP of Product, Patricia Pina, Head of Product Research & Innovation, Juan Diego Martin, Head of Data Strategy, und Ron Potok, Head of Data Science, diskutieren mit Chris Ciompi, Chief Marketing Officer von Clarity AI, über die kritische Dimension des Zeitpunkts und seine Beziehung zur Datenqualität. 

Chris Ciompi: Nochmals vielen Dank an alle, die sich die Zeit genommen haben, über eine weitere Dimension der Datenqualität zu sprechen. Der nächste Punkt ist der Zeitpunkt. Ángel, könnten Sie bitte den Zeitpunkt im Zusammenhang mit der Datenqualität definieren?

Ángel Agudo: Point in time ist die Fähigkeit, die verschiedenen Werte zu sehen, die wir im Laufe der Zeit für Metriken, Organisationen, Regierungen ... bereitstellen, und wie sie sich entwickeln. Unsere Plattform bietet Aktualisierungen, die in Echtzeit erfolgen. So können beispielsweise häufig Nachrichten über Unternehmen veröffentlicht werden, die sich auf die Wahrnehmung und Analyse des Unternehmens auswirken. Anhand von Punkt-zu-Punkt-Informationen können Sie sehen, welche Schwankungen im Unternehmen aufgrund dieser Echtzeit-Ereignisse auftreten können.

Chris Ciompi: Sie sprechen von Schwankungen in Echtzeit und stellen sie einem Zeitpunkt gegenüber, können Sie das noch einmal erklären?

Ángel Agudo: Sicher. Wir definieren den Zeitpunkt als die Kombination von Informationen, die in jedem einzelnen Moment, in dem wir die Informationen aktualisieren, auftreten. Wir stellen die Daten zur Verfügung, die wir über Organisationen haben, die entweder sehr selten aktualisiert werden, wie z. B. die jährlichen Aktualisierungen der vom Unternehmen gemeldeten Informationen, oder sehr häufig aus anderen Informationsquellen stammen, die nicht unbedingt vom Unternehmen bereitgestellt werden, wie z. B. Nachrichtenberichte von Nichtregierungsorganisationen. Sie alle werden das Unternehmen zu Veränderungen bei einzelnen Kennzahlen oder in der allgemeinen Wahrnehmung des Unternehmens veranlassen.

Chris Ciompi: Ich danke Ihnen. Okay, Patricia. Warum ist der Zeitpunkt für die Verbraucher von Nachhaltigkeitsdaten wichtig?

Patricia Pina: Für unsere Kunden ist es von entscheidender Bedeutung, den Weg der Unternehmen in Sachen Nachhaltigkeit zu verstehen und zu wissen, wo sie zu verschiedenen Zeitpunkten stehen. Wenn wir uns zum Beispiel auf die Notwendigkeit der Dekarbonisierung unserer Wirtschaft konzentrieren, reicht es nicht aus zu verstehen, welche Unternehmen heute niedrige Kohlenstoffemissionen haben. Die wirklich interessante Frage ist die nach den Unternehmen mit hohen Emissionen, die mit ihrer Dekarbonisierungsreise beginnen und an Dynamik gewinnen. Die Dekarbonisierung der Realwirtschaft erfordert die Identifizierung und Unterstützung dieser Unternehmen mit hohem Emissionsausstoß bei ihrem Übergang; dies können wir nur durch die Bewertung der Entwicklung des Emissionsverlaufs der Unternehmen zu verschiedenen Zeitpunkten erreichen. Ebenso können unsere Kunden anhand der Zeitpunkte Unternehmen identifizieren, die noch nicht dekarbonisiert sind, so dass sie entsprechende Strategien entwickeln können.

Chris Ciompi: Vielen Dank, Patricia. Juan Diego, wie stellt Clarity AI sicher, dass die Daten den Zeitpunkt als eine Dimension der Datenqualität berücksichtigen?

Juan Diego Martín: Um zu verstehen, was zu einem anderen Zeitpunkt in der Vergangenheit verfügbar war, müssen wir zwei Dinge kombinieren: Daten und Prozesse. Bei den Daten muss alles mit einem Zeitstempel, einer Signatur und dem Zeitpunkt verknüpft werden, zu dem diese Daten veröffentlicht, recherchiert, verarbeitet und dem Kunden zugänglich gemacht wurden. Dabei werden unterschiedliche Häufigkeiten von Daten kombiniert: Nachrichten können sich sofort ändern und die Marktkapitalisierung kann sich jeden Tag oder jede Minute ändern, während die Aktualisierung von Informationen über Richtlinien und Vorschriften länger dauern kann. Das andere Element, das wir berücksichtigen, ist die Robustheit der Prozesse gegenüber Dingen, die die Fähigkeit beeinträchtigen könnten, dieses Bild in der Vergangenheit zu rekonstruieren. Wenn beispielsweise ein Unternehmen seinen Namen ändert oder es zu Fusionen kommt, müssen wir in der Lage sein, die Informationen zu kombinieren und einen genauen Überblick darüber zu geben, was zu einem bestimmten Zeitpunkt verfügbar war.

Chris Ciompi: Okay, gehen wir das Beispiel noch einmal durch. Sie erwähnten gerade, dass ein Datenpunkt gemeldet wird und dann ein Jahr später dieser Datenpunkt neu ausgewiesen wird. Wie funktioniert unser System, wie funktioniert der Zeitpunkt in diesem Szenario?

Juan Diego Martín: Wenn wir also die historische Betrachtung im Gegensatz zum Zeitpunkt betrachten, sollten wir die angepassten Informationen verwenden, weil sie den genauesten Überblick über den Wert des Unternehmens zu diesem Zeitpunkt bieten. Wenn wir aber den Zeitpunkt betrachten, versuchen wir zu verstehen, welche Informationen zu einem bestimmten Zeitpunkt verfügbar waren, und dann müssen wir die uneingeschränkten Informationen verwenden, damit die ursprünglich veröffentlichten Informationen einen Sinn ergeben.

Chris Ciompi: Ich danke Ihnen. Okay, Ron, wie wird der Zeitpunkt auf Clarity AI durch künstliche Intelligenz beeinflusst?

Ron Potok: Lassen Sie uns ein klares, spezifisches Beispiel wie Scope 3 Emissionen verwenden. Warum ist Scope 3 etwas Besonderes? Er ist besonders, weil es sehr schwierig ist, darüber zu berichten. Seine Berichterstattung ist noch nicht standardisiert. Viele Unternehmen melden nicht alle Scope-3-Felder, die für ihre Branche äußerst wichtig sind. Die fehlende Standardisierung und der mangelnde Reifegrad von Scope 3 zwingen uns also zu einer zusätzlichen Prüfung, und worin besteht diese zusätzliche Prüfung? Wir verwenden unsere Scope-3-Schätzung und vergleichen sie mit den gemeldeten Daten, und wir haben die Möglichkeit, die gemeldeten Daten mit unserer Schätzung zu überschreiben, da es den gemeldeten Scope-3-Daten an Konsistenz und Reife mangelt. Ich denke also, dass dies der einzige Fall ist, in dem der Zeitpunkt einen großen Einfluss auf unsere Schätzungsmodelle hat. Wie wir bereits in einer früheren Folge dieser Serie besprochen haben, bezieht das Nachrichtenprogramm den Zeitpunkt mit ein, um die ESG-Bewertungen zu ändern.

Chris Ciompi: Können Sie etwas mehr dazu sagen?

Ron Potok: Wir lassen zu, dass neue Kontroversen die Entscheidungen, die Sie treffen, so schnell wie möglich beeinflussen. Sobald wir diese Daten finden, verarbeiten wir sie auf unserer Plattform auf sehr effiziente Weise. So erhalten Sie den Einfluss einer Kontroverse nicht erst einen Monat, nachdem die Kontroverse stattgefunden hat. Wir möchten, dass Sie sich darauf verlassen können, dass unsere ESG-Bewertungen das tatsächliche ESG-Risiko oder die Nachhaltigkeit widerspiegeln, die zum jeweiligen Zeitpunkt mit dem Unternehmen verbunden sind.

Chris Ciompi: Verstanden. Vielen Dank an alle!