Spotlight: Διάσταση 7, Point in Time
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 φρεσκάδα/επικαιρότητα, η ακρίβεια, οι ενημερώσεις δεδομένων, η επεξηγηματικότητα, η συνέπεια, το χρονικό σημείο 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 7 - Σημείο στο χρόνο
Clarity AIο αντιπρόεδρος του τμήματος προϊόντων, Ángel Agudo, η επικεφαλής του τμήματος έρευνας και καινοτομίας προϊόντων, Patricia Pina, ο επικεφαλής του τμήματος στρατηγικής δεδομένων, Juan Diego Martin, και ο επικεφαλής του τμήματος επιστήμης δεδομένων, Ron Potok, συζητούν - με τον Chris Ciompi, διευθυντή μάρκετινγκ του Clarity AI- την κρίσιμη διάσταση του χρονικού σημείου και τη σχέση του με την ποιότητα των δεδομένων.
Chris Ciompi: Ciompi: Σας ευχαριστώ και πάλι όλους, που αφιερώσατε χρόνο για να συζητήσουμε μια άλλη διάσταση της ποιότητας των δεδομένων. Το επόμενο είναι το χρονικό σημείο. Ángel, θα μπορούσες να ορίσεις το χρονικό σημείο σε σχέση με την ποιότητα των δεδομένων.
Ángel Agudo: Point in time είναι η ικανότητα να βλέπουμε τις διαφορετικές αξίες που παρέχουμε διαχρονικά για μετρήσεις, οργανισμούς, κυβερνήσεις... και πώς αυτές εξελίσσονται. Η πλατφόρμα μας παρέχει ενημερώσεις που συμβαίνουν σε πραγματικό χρόνο. Για παράδειγμα, οι ειδήσεις που εντοπίζονται για τις εταιρείες μπορεί να έρχονται συχνά, γεγονός που επηρεάζει την αντίληψη και την ανάλυση της εταιρείας. Οι πληροφορίες σε χρονικό σημείο σας επιτρέπουν να δείτε ποιες είναι οι διακυμάνσεις σε ολόκληρη την εταιρεία που μπορεί να συμβαίνουν λόγω αυτών των γεγονότων σε πραγματικό χρόνο.
Chris Ciompi: Μπορείς να το εξηγήσεις αυτό ξανά;
Ángel Agudo: Βέβαια. Ορίζουμε το χρονικό σημείο ως τον συνδυασμό πληροφοριών που συμβαίνει κάθε στιγμή που ενημερώνουμε τις πληροφορίες. Παρέχουμε τα δεδομένα που διαθέτουμε σχετικά με τους οργανισμούς, τα οποία μπορεί να προέρχονται με πολύ χαμηλή συχνότητα, όπως ετήσιες ενημερώσεις των πληροφοριών που αναφέρει η εταιρεία, ή με υψηλή συχνότητα που μπορεί να προέρχονται από άλλες πηγές πληροφοριών που δεν παρέχονται απαραίτητα από την εταιρεία, όπως αναφορές ειδήσεων που προέρχονται από ΜΚΟ. Όλα αυτά θα παρακινήσουν αλλαγές στην εταιρεία σε μεμονωμένες μετρήσεις ή στη γενική αντίληψη της εταιρείας.
Chris Ciompi: Ciompi: Ευχαριστώ. Εντάξει, Πατρίσια. Γιατί το χρονικό σημείο είναι σημαντικό για τους καταναλωτές δεδομένων βιωσιμότητας;
Patricia Pina: Η κατανόηση του ταξιδιού βιωσιμότητας που κάνουν οι εταιρείες και του πού βρίσκονται σε διάφορες χρονικές στιγμές είναι ζωτικής σημασίας για τους πελάτες μας. Αν εστιάζουμε, για παράδειγμα, στην ανάγκη απεξάρτησης της οικονομίας μας από τον άνθρακα, δεν αρκεί να κατανοήσουμε ποιες εταιρείες έχουν σήμερα χαμηλές εκπομπές διοξειδίου του άνθρακα. Το πραγματικά ενδιαφέρον ερώτημα αφορά τις εταιρείες με υψηλές εκπομπές που ξεκινούν το ταξίδι τους για την απαλλαγή από τον άνθρακα και αποκτούν δυναμική. Η απαλλαγή της πραγματικής οικονομίας από τις ανθρακούχες εκπομπές απαιτεί τον εντοπισμό και την υποστήριξη αυτών των εταιρειών με υψηλές εκπομπές στη μετάβασή τους- μόνο μέσω της αξιολόγησης της εξέλιξης της πορείας των εκπομπών των εταιρειών σε διαφορετικές χρονικές στιγμές μπορούμε να το κάνουμε αυτό. Ομοίως, η χρονική στιγμή επιτρέπει στους πελάτες μας να εντοπίζουν τις εταιρείες που δεν έχουν ακόμη απαλλαγεί από τις ανθρακούχες εκπομπές, ώστε να μπορούν να δημιουργήσουν στρατηγικές δέσμευσης.
Chris Ciompi: Πατρίσια. Juan Diego, πώς διασφαλίζει το Clarity AI ότι τα δεδομένα του ενσωματώνουν τη χρονική στιγμή ως διάσταση της ποιότητας των δεδομένων;
Χουάν Ντιέγκο Μαρτίν: Για να κατανοήσουμε τι ήταν διαθέσιμο σε μια διαφορετική στιγμή στο παρελθόν, πρέπει να συνδυάσουμε δύο πράγματα: δεδομένα και διαδικασίες. Για τα δεδομένα, όλα πρέπει να συνδέονται με μια χρονοσφραγίδα, μια υπογραφή και τη χρονική στιγμή κατά την οποία τα δεδομένα αυτά δημοσιεύθηκαν, ερευνήθηκαν, επεξεργάστηκαν και εκτέθηκαν στον πελάτη. Αυτό συνδυάζει διαφορετικές συχνότητες δεδομένων, όπου οι ειδήσεις μπορεί να αλλάζουν άμεσα και η κεφαλαιοποίηση της αγοράς μπορεί να αλλάζει κάθε μέρα ή λεπτό, ενώ οι πληροφορίες σχετικά με τις πολιτικές και τους κανονισμούς μπορεί να χρειάζονται περισσότερο χρόνο για να ενημερωθούν. Το άλλο στοιχείο που λαμβάνουμε υπόψη είναι η ύπαρξη διαδικασιών που είναι ανθεκτικές σε πράγματα που μπορεί να επηρεάσουν την ικανότητα αναδημιουργίας αυτής της εικόνας στο παρελθόν. Για παράδειγμα, αν μια εταιρεία αλλάξει όνομα ή αν συμβούν συγχωνεύσεις, πρέπει να είμαστε προετοιμασμένοι να συνδυάσουμε τις πληροφορίες και να παρέχουμε μια ακριβή εικόνα του τι ήταν διαθέσιμο σε μια συγκεκριμένη χρονική στιγμή.
Chris Ciompi: Ciompi: Εντάξει, ας δούμε αυτό το παράδειγμα. Μόλις αναφέρατε ότι αναφέρεται ένα σημείο δεδομένων και ότι ένα χρόνο αργότερα αυτό το σημείο δεδομένων επαναδιατυπώνεται. Πώς λειτουργεί το σύστημά μας, πώς λειτουργεί η χρονική στιγμή σε αυτό το σενάριο;
Χουάν Ντιέγκο Μαρτίν: Έτσι, αν εξετάσουμε την ιστορική άποψη σε αντίθεση με τη χρονική στιγμή, θα πρέπει να χρησιμοποιήσουμε τις αναδιατυπωμένες πληροφορίες, διότι παρέχουν την πιο ακριβή εικόνα της βαθμολογίας της εταιρείας εκείνη ακριβώς τη στιγμή. Αλλά αν εξετάσουμε το χρονικό σημείο, αυτό που προσπαθούμε να κατανοήσουμε είναι ποιες πληροφορίες ήταν διαθέσιμες σε μια δεδομένη στιγμή, και τότε πρέπει να χρησιμοποιήσουμε τις μη αναδιατυπωμένες πληροφορίες προκειμένου να βγάλουν νόημα οι πληροφορίες που δημοσιεύθηκαν αρχικά.
Chris Ciompi: Ciompi: Ευχαριστώ. Εντάξει, Ρον, πώς επηρεάζεται το χρονικό σημείο στο Clarity AI από την τεχνητή νοημοσύνη;
Ron Potok: Ron Potok: Ας χρησιμοποιήσουμε ένα σαφές, συγκεκριμένο παράδειγμα, όπως οι εκπομπές Scope 3. Γιατί το πεδίο εφαρμογής 3 είναι ιδιαίτερο; Είναι ιδιαίτερο επειδή είναι πολύ δύσκολο να αναφερθούν. Η αναφορά του δεν έχει ακόμη τυποποιηθεί. Πολλές εταιρείες δεν αναφέρουν όλα τα πεδία του Scope 3 που είναι εξαιρετικά σημαντικά για τους κλάδους τους. Έτσι, η έλλειψη τυποποίησης και η έλλειψη ωριμότητας στο πεδίο εφαρμογής 3 μας αναγκάζει να κάνουμε έναν επιπλέον έλεγχο σε αυτό, και ποιος είναι ο επιπλέον έλεγχος; Χρησιμοποιούμε την εκτίμησή μας για το πεδίο εφαρμογής 3 και τη συγκρίνουμε με τα αναφερόμενα δεδομένα, και έχουμε τη δυνατότητα να παρακάμψουμε τα αναφερόμενα δεδομένα με την εκτίμησή μας λόγω της έλλειψης συνοχής και ωριμότητας των αναφερόμενων δεδομένων για το πεδίο εφαρμογής 3. Έτσι, νομίζω ότι αυτή είναι η μία και μοναδική περίπτωση όπου το χρονικό σημείο έχει μεγάλη επιρροή από τα μοντέλα εκτίμησής μας. Διαφορετικά, σε σχέση με το point in time, όπως συζητήσαμε σε προηγούμενο επεισόδιο αυτής της σειράς, το πρόγραμμα ειδήσεων ενσωματώνει το point in time για να αλλάξει τις βαθμολογίες ESG.
Chris Ciompi: Ciompi: Μπορείτε να πείτε περισσότερα;
Ron Potok: Potok: Επιτρέπουμε στις νέες αντιπαραθέσεις να επηρεάσουν τις αποφάσεις που λαμβάνετε το συντομότερο δυνατό. Μόλις βρούμε αυτά τα δεδομένα, τα επεξεργαζόμαστε μέσω της πλατφόρμας μας με πολύ αποτελεσματικό τρόπο. Έτσι, δεν έχετε την επιρροή μιας διαμάχης ένα μήνα αφότου συνέβη η διαμάχη. Θέλουμε να είστε σε θέση να γνωρίζετε ότι οι βαθμολογίες ESG μας αντικατοπτρίζουν τον πραγματικό κίνδυνο ESG ή τη βιωσιμότητα που σχετίζεται με την εταιρεία εκείνη τη στιγμή.
Chris Ciompi: Ciompi: Κατανοητό. Σας ευχαριστώ όλους!