Spotlight: Διάσταση 1, Κάλυψη
Σειρά συνεντεύξεων με την εκτελεστική ομάδα του Clarity AI σχετικά με τις 8 διαστάσεις της ποιότητας δεδομένων
Πώς διασφαλίζει το Clarity AI ότι τα δεδομένα του είναι υψηλής ποιότητας;
Clarity AI χρησιμοποιεί ένα πλαίσιο 8 διαστάσεων για να διασφαλίσει ότι τα δεδομένα είναι υψηλής ποιότητας. Οι διαστάσεις αυτές είναι η κάλυψη, η ακρίβεια, η φρεσκάδα / επικαιρότητα, οι ενημερώσεις δεδομένων, η επεξηγηματικότητα, η συνέπεια, η χρονική στιγμή και η ανατροφοδότηση. Σε αυτή τη σειρά συνεντεύξεων με στελέχη του Clarity AI , διερευνάται και εξηγείται κάθε μία από αυτές τις διαστάσεις. Clarity AIΗ ομάδα εμπειρογνωμόνων της εταιρείας δημιουργεί μεθοδολογίες βασισμένες σε επιστημονικά και αποδεικτικά στοιχεία, οι οποίες στη συνέχεια αξιοποιούν την ισχυρή, κλιμακούμενη τεχνητή νοημοσύνη (π.χ. μηχανική μάθηση) για τη συλλογή, τον καθαρισμό, την ανάλυση και την επέκταση των υφιστάμενων συνόλων δεδομένων για την τροφοδοσία της τεχνολογικής πλατφόρμας βιωσιμότητας ή για την ενσωμάτωση απευθείας στις υφιστάμενες ροές εργασίας των χρηστών.
Διάσταση 1 - Κάλυψη
Clarity AIτου Αντιπροέδρου Προϊόντος, Ángel Agudo, της Επικεφαλής Έρευνας και Καινοτομίας Προϊόντων, Patricia Pina, του Επικεφαλής Στρατηγικής Δεδομένων, Juan Diego Martín, και του Επικεφαλής Επιστήμης Δεδομένων, Ron Potok, συζητούν - με τον Chris Ciompi, Διευθυντή Μάρκετινγκ του Clarity AI- την κρίσιμη διάσταση της κάλυψης και τη σχέση της με την ποιότητα των δεδομένων, καθώς και τη σημασία της ύπαρξης των κατάλληλων δυνατοτήτων στην ΤΝ για τη διαχείριση μεγάλων και πολύπλοκων συνόλων δεδομένων. Μια βασική διαπίστωση από τη συζήτηση ήταν η ανάγκη για μεθοδολογίες και εργαλεία που θα μεταβούν από τα δεδομένα στην πληροφορία, επιτρέποντας την εξαγωγή συμπερασμάτων από τεράστιες ποσότητες δεδομένων.
Ένα άλλο σημαντικό σημείο που τονίστηκε από τους συμμετέχοντες στο πάνελ ήταν ο αντίκτυπος της ΤΝ στην αύξηση της ποιότητας των δεδομένων σε σχέση με την κάλυψη των δεδομένων, υπογραμμίζοντας την ανάγκη για δυνατότητες ΤΝ για την αποτελεσματική πλοήγηση και διαχείριση μεγάλου όγκου πληροφοριών.
Chris Ciompi: Ciompi: Ας μιλήσουμε συγκεκριμένα για την κάλυψη. Ángel, μπορείς σε παρακαλώ να ορίσεις την κάλυψη σε σχέση με την ποιότητα των δεδομένων;
Ángel Agudo: Το απαραίτητο στοιχείο όσον αφορά την κάλυψη είναι να διασφαλίσουμε ότι προσφέρουμε τον σωστό συνδυασμό μετρήσεων που είναι σχετικές με τους πελάτες μας.
Chris Ciompi: Ciompi: Γιατί είναι σημαντική η κάλυψη για τους καταναλωτές δεδομένων βιωσιμότητας;
Patricia Pina: Η ευρεία κάλυψη είναι σημαντική για να διασφαλιστεί ότι διαφορετικοί χρήστες (με διαφορετικές ανάγκες) έχουν πρόσβαση στα δεδομένα των εταιρειών που τους αφορούν. Επιπλέον, το σύμπαν των σχετικών εταιρειών είναι δυναμικό και μπορεί να αλλάξει, οπότε η κάλυψη βοηθά στον εντοπισμό πιθανών κενών και διασφαλίζει ότι οι πελάτες δεν χάνουν κάτι σημαντικό.
Chris Ciompi: Χουάν Ντιέγκο, πόσο ευρεία είναι η κάλυψη που μπορεί να παρέχει το Clarity AI ;
Juan Diego Martín: Το Clarity AI παρέχει επί του παρόντος κάλυψη που κυμαίνεται μεταξύ διαφορετικών ενοτήτων. Έχουμε ενότητες που περιλαμβάνουν 40.000 έως 70.000 εταιρείες. Έχουμε επίσης τη δυνατότητα συγκέντρωσης χαρτοφυλακίων, όπου καλύπτουμε 80.000 πρωτογενή αμοιβαία κεφάλαια και πάνω από 360.000 κατηγορίες μεριδίων. Ο συνδυασμός αυτών είναι εξαιρετικά ισχυρός για τους πελάτες μας ώστε να αξιολογούν τα χαρτοφυλάκιά τους από διαφορετικές οπτικές γωνίες.
Chris Ciompi: Μπορείς να μιλήσεις λίγο περισσότερο για το γιατί αυτό είναι τόσο ισχυρό;
Χουάν Ντιέγκο Μαρτίν: Το Clarity AI είναι σε θέση να συνδυάζει και να συγκεντρώνει αυτές τις πληροφορίες, εξετάζοντας την τελική σύνθεση ενός χαρτοφυλακίου, και να παρέχει πληροφορίες σε επίπεδο εταιρείας, σε επίπεδο ταμείου, σε επίπεδο χαρτοφυλακίου ή ακόμη και σε επίπεδο οντότητας, μέσω της συγκέντρωσης όλων των χαρτοφυλακίων εντός ενός συγκεκριμένου διαχειριστή περιουσιακών στοιχείων.
Chris Ciompi: Ron, πώς επηρεάζεται ο όγκος της κάλυψης που έχει το Clarity AI από την τεχνητή νοημοσύνη;
Ron Potok: Potok: Όταν μιλάμε για κάλυψη, σκεφτόμαστε πρώτα τα αναφερόμενα δεδομένα. Οι εταιρείες δημοσιεύουν εκθέσεις βιωσιμότητας και οι εκθέσεις αυτές είναι συνήθως έγγραφα PDF με μη δομημένα δεδομένα, όπως κείμενο, εικόνες και πίνακες. Μπορούμε να αξιοποιήσουμε την τεχνητή νοημοσύνη για να εξάγουμε πληροφορίες με γρήγορο και κανονικοποιημένο τρόπο από αυτά τα έγγραφα. Ο δεύτερος τρόπος με τον οποίο μπορούμε να επηρεάσουμε την κάλυψη με τη μηχανική μάθηση και την ΤΝ είναι με τη μοντελοποίηση ορισμένων μετρήσεων που δεν αναφέρουν όλες οι εταιρείες. Μπορούμε να ενισχύσουμε σημαντικά την κάλυψη ορισμένων μετρήσεων με τη δημιουργία μοντέλων μηχανικής μάθησης που συσχετίζουν πράγματα που κάνει μια εταιρεία με τις εκπομπές της. Για παράδειγμα, μπορούμε να παρέχουμε εκτιμήσεις CO2 για ένα μεγάλο μέρος των εταιρειών που δεν αναφέρουν τις εκπομπές CO2.
Chris Ciompi: Μπορείτε να πείτε περισσότερα για το πώς ακριβώς συμβαίνει αυτό και αν βελτιώνεται με την πάροδο του χρόνου;
Ron Potok: Potok: Όταν ξεκινήσαμε το 2018, περίπου 5.000 εταιρείες ανέφεραν εκπομπές, αλλά τώρα έχουμε 8.000 εταιρείες που αναφέρουν. Καθώς περισσότερες εταιρείες αναφέρουν, μας επιτρέπει να μάθουμε περισσότερα για αυτές τις εταιρείες και να βελτιώσουμε την ακρίβεια του μοντέλου μας. Δεύτερον, βελτιώνουμε συνεχώς τα μοντέλα δίνοντάς τους πιο ενδιαφέροντα χαρακτηριστικά. Για παράδειγμα, εργαζόμαστε τώρα με τεχνικές δορυφορικών εικόνων για να βελτιώσουμε τα μοντέλα εκτίμησής μας, τα οποία επεκτείνουν την κάλυψή μας. Γνωρίζοντας ποια εργοστάσια ηλεκτροπαραγωγής και ποια εργοστάσια τσιμέντου παράγουν εκπομπές, μας βοηθά να εισάγουμε πιο λεπτομερή και έγκαιρα δεδομένα στα μοντέλα για να προβλέπουμε με μεγαλύτερη ακρίβεια.
Chris Ciompi: Ρον: Ευχαριστώ, Ρον. Patricia, πώς η κάλυψη συμβάλλει στην προώθηση της καινοτομίας των προϊόντων στο Clarity AI;
Patricia Pina: Παναγιώτα Πατίνα: Επιδιώκουμε την αποτελεσματικότητα, την επεκτασιμότητα και την αξιοποίηση της τεχνολογίας για την καινοτομία σε επίπεδο προϊόντος. Για τα αναφερόμενα δεδομένα, προσφέρουμε πλήρη ιχνηλασιμότητα των σημείων δεδομένων στην πηγή τους και συνδέσμους προς τις εκθέσεις. Αξιοποιούμε επίσης μοντέλα εκτίμησης και τεχνικές μηχανικής μάθησης για να συμπληρώσουμε τα κενά και παρέχουμε διαστήματα εμπιστοσύνης για κάθε μοντέλο, καθώς και κάθε πρόσθετη λεπτομέρεια σχετικά με τον τύπο του μοντέλου και της εκτίμησης που προσφέρουμε. Αυτό επιτρέπει στους πελάτες να κατανοήσουν κατά πόσο η εκτίμηση είναι κατάλληλη για την περίπτωσή τους. Επίσης, καινοτομούμε όσον αφορά τη συλλογή δεδομένων και τις σχετικές υπηρεσίες κάλυψης, ανάλογα με τις μεταβαλλόμενες ανάγκες της αγοράς.
Chris Ciompi: Ciompi: Μπορείτε να μου δώσετε ένα συγκεκριμένο παράδειγμα;
Patricia Pina: Για παράδειγμα, δημιουργήσαμε ένα ολοκληρωμένο προϊόν βιώσιμων επενδύσεων με ευρεία κάλυψη, επειδή είχαμε τα απαραίτητα δομικά στοιχεία στη θέση τους. Έχουμε το πρώτο δομικό στοιχείο στη λύση μας EU Taxonomy ή SDGs, η οποία μετρά και ποσοτικοποιεί τη συμβολή ενός πελάτη στους περιβαλλοντικούς και κοινωνικούς στόχους. Διαθέτουμε επίσης μια λύση που παρέχει τιμές για τους δείκτες κύριων αρνητικών επιπτώσεων που απαιτούνται για την υποβολή εκθέσεωνSFDR . Και διαθέτουμε μια ενότητα διαφωνιών ή μια ενότητα ανοιγμάτων που δίνει στους πελάτες μια καλή αίσθηση των πρακτικών διακυβέρνησης.
Chris Ciompi: Πατρίσια. Ángel, μπορείς να διευκρινίσεις πώς το μέγεθος της κάλυψης που έχει το Clarity AI επηρεάζει τις δυνατότητες της τεχνολογικής του πλατφόρμας;
Ángel Agudo: Κατά τη γνώμη μου, αυτό που είναι ζωτικής σημασίας εδώ είναι η μετάβαση από τα δεδομένα στις πληροφορίες που μπορούν να χρησιμοποιηθούν για δράση. Ειδικά, όταν διαχειρίζεστε μεγάλο όγκο δεδομένων σε διαφορετικούς οργανισμούς, μετρήσεις και κλάδους. Σε αυτό το σημείο έρχονται οι μεθοδολογίες και τα εργαλεία που βασίζονται στην τεχνολογία. Υπάρχουν δύο κομμάτια σε αυτό. Πρώτον, χρειαζόμαστε μεθοδολογίες που μπορούν να βοηθήσουν στην εξαγωγή πληροφοριών από τα δεδομένα και, δεύτερον, εργαλεία που μπορούν να βοηθήσουν στην πλοήγηση και το κοσκίνισμα αυτών των πληροφοριών. Τα εργαλεία πρέπει να είναι σε θέση να αναλύουν τις πληροφορίες σε επισημάνσεις και λεπτομέρειες ή το αντίστροφο, ανάλογα με τις ανάγκες του χρήστη.
