Spotlight: Διάσταση 2, Φρεσκάδα
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 2 - Φρεσκάδα
Clarity AIο Αντιπρόεδρος Προϊόντος, Ángel Agudo, η Επικεφαλής Έρευνας και Καινοτομίας Προϊόντων, Patricia Pina, ο Επικεφαλής Στρατηγικής Δεδομένων, Juan Diego Martin, και ο Επικεφαλής Επιστήμης Δεδομένων, Ron Potok, συζητούν - με τον Chris Ciompi, Διευθυντή Μάρκετινγκ του Clarity AI- τη σημασία της φρεσκάδας των δεδομένων, ή την επικαιρότητα και τη συνάφεια των δεδομένων, για την ακριβή και αποτελεσματική λήψη αποφάσεων. Η ομάδα υπογράμμισε τον αντίκτυπο της φρεσκάδας των δεδομένων σε διάφορους κλάδους και περιπτώσεις χρήσης. Συζήτησαν επίσης τις προκλήσεις της διατήρησης της φρεσκάδας των δεδομένων, όπως τα σιλό δεδομένων, οι περιορισμοί των υποδομών δεδομένων και το τεχνικό χρέος.
Οι συμμετέχοντες στο πάνελ τόνισαν την ανάγκη για μια στρατηγική διαχείρισης δεδομένων που δίνει προτεραιότητα στη φρεσκάδα των δεδομένων, συμπεριλαμβανομένης της επένδυσης σε υποδομές δεδομένων, της θέσπισης σαφών πολιτικών διακυβέρνησης δεδομένων και της ενσωμάτωσης τεχνολογιών μηχανικής μάθησης και τεχνητής νοημοσύνης για την αυτοματοποίηση της επεξεργασίας δεδομένων και τη διασφάλιση της ακρίβειας των δεδομένων. Οι συμμετέχοντες μοιράστηκαν επίσης πληροφορίες σχετικά με τις διάφορες διαστάσεις της φρεσκάδας των δεδομένων, συμπεριλαμβανομένης της κάλυψης των δεδομένων, της συχνότητας και της καθυστέρησης, και συζήτησαν στρατηγικές για τη βελτιστοποίηση κάθε διάστασης. Συνολικά, το πάνελ τόνισε τον κρίσιμο ρόλο της φρεσκάδας των δεδομένων που επιτρέπει στους οργανισμούς να λαμβάνουν τεκμηριωμένες αποφάσεις και να προωθούν θετικό αντίκτυπο και υπογράμμισε την ανάγκη για συνεχείς επενδύσεις στη διαχείριση δεδομένων και την τεχνολογία για να διασφαλιστεί η διατήρηση της φρεσκάδας των δεδομένων με την πάροδο του χρόνου ως κρίσιμο στοιχείο της ποιότητας των δεδομένων.
Chris Ciompi: Ciompi: Γεια σας και πάλι, σε όλους. Αυτή τη φορά θα επικεντρωθούμε στη φρεσκάδα και πώς αυτή σχετίζεται με την ποιότητα των δεδομένων. Ángel, μπορείς να ξεκινήσεις με τον ορισμό της φρεσκάδας σε σχέση με την ποιότητα των δεδομένων;
Ángel Agudo: Βέβαια. Για μένα, φρεσκάδα σημαίνει να έχουμε τα πιο ενημερωμένα και σαφή δεδομένα που είναι διαθέσιμα στο Clarity AI. Η συγκεκριμένη συμφωνία επιπέδου υπηρεσιών (SLA) για τη φρεσκάδα θα πρέπει να καθορίζεται από την αγορά, αλλά θα πρέπει να είναι το συντομότερο δυνατό, ώστε να μπορούμε να προσφέρουμε σχετικές και έγκαιρες πληροφορίες στους χρήστες.
Patricia Pina: Συμφωνώ με τον Ángel. Κατά τη λήψη αποφάσεων, η πρόσβαση στις τελευταίες πληροφορίες είναι ζωτικής σημασίας, ειδικά σε έναν κόσμο όπου τα πράγματα αλλάζουν συνεχώς. Με τα δεδομένα βιωσιμότητας, για παράδειγμα, η κλιματική αλλαγή συμβαίνει με ταχείς ρυθμούς και ο χρόνος μας τελειώνει. Ως εκ τούτου, η φρεσκάδα είναι απαραίτητη. Επιπλέον, οι εταιρείες αναλαμβάνουν δεσμεύσεις για τη μείωση των εκπομπών και είναι ζωτικής σημασίας να παρακολουθείτε την πρόοδό τους και να τις καθιστάτε υπόλογες για τις υποσχέσεις τους. Έτσι, η λήψη γρήγορων και φρέσκων δεδομένων σχετικά με τις επιδόσεις τους είναι ζωτικής σημασίας για να διασφαλιστεί ότι τηρούν τις δεσμεύσεις τους.
Chris Ciompi: Juan Diego, μπορείς να μας πεις περισσότερα για το πώς το Clarity AI διασφαλίζει τη φρεσκάδα των δεδομένων που παρέχει;
Χουάν Ντιέγκο Μαρτίν: Μαρτίν Μαρτίν: Βεβαίως. Έχουμε εκσυγχρονίσει τις διαδικασίες για να διασφαλίσουμε τη φρεσκάδα των δεδομένων. Πρώτον, παρακολουθούμε συνεχώς πότε οι εταιρείες ενημερώνουν τις δημόσιες πληροφορίες τους και τις αναφέρουν. Δεύτερον, εξάγουμε και επεξεργαζόμαστε τις πληροφορίες χρησιμοποιώντας έναν συνδυασμό τεχνολογίας και εμπειρογνωμόνων. Εφαρμόζουμε επίσης ελέγχους ποιότητας στον ίδιο βρόχο για να αποτρέψουμε την επεξεργασία τυχόν ύποπτων δεδομένων. Τρίτον, διαθέτουμε έναν αγωγό αυτόματης εισαγωγής δεδομένων που μας επιτρέπει να διαθέτουμε τις πληροφορίες στους πελάτες μας μέσω των μέσων που προτιμούν, όπως είναι οι τροφοδοσίες δεδομένων API. Επιπλέον, προσφέρουμε στους πελάτες μας ένα τερματικό υπηρεσίας με πολύ συχνές ενημερώσεις, με τις πιο συχνές ενημερώσεις να είναι όταν εντοπίζεται μια νέα αμφισβήτηση. Επεξεργαζόμαστε δομημένες και μη δομημένες πληροφορίες για διαμάχες από περισσότερα από 1,4 εκατομμύρια ειδησεογραφικά άρθρα από περισσότερες από 33.000 αξιόπιστες ειδησεογραφικές πηγές καθημερινά.
Chris Ciompi: Ντιέγκο: Ευχαριστώ για την εξήγηση, Χουάν Ντιέγκο. Θα ήθελα να επικεντρωθώ στο δεύτερο σημείο που αναφέρατε νωρίτερα, σχετικά με τον σωστό συνδυασμό τεχνολογίας και εμπειρογνωμόνων. Θα μπορούσατε να δώσετε περισσότερες λεπτομέρειες σχετικά με αυτό;
Χουάν Ντιέγκο Μαρτίν: Βέβαια. Ενώ χρησιμοποιούμε τεχνητή νοημοσύνη για να αυτοματοποιήσουμε το μεγαλύτερο μέρος της εργασίας, όπως ο εντοπισμός των σωστών πληροφοριών και η εξαγωγή τους, υπάρχουν περιπτώσεις όπου οι πληροφορίες είναι διάσπαρτες σε όλη την έκθεση. Για παράδειγμα, τα δεδομένα των εργαζομένων μπορεί να περιλαμβάνονται σε διαφορετικές θυγατρικές και οι εκπομπές μπορεί να γνωστοποιούνται ανά επιχειρηματική γραμμή σε διάφορες ενότητες. Σε τέτοιες περιπτώσεις, χρειαζόμαστε ειδικούς για να δώσουμε νόημα στις πληροφορίες που εξάγονται αυτόματα και να διασφαλίσουμε ότι τα συγκεντρωτικά δεδομένα είναι ακριβή και αντικατοπτρίζουν αυτό που οι πελάτες μας αναμένουν να σημαίνουν.
Chris Ciompi: Ciompi: Ευχαριστώ. Ron, πώς η τεχνητή νοημοσύνη επηρεάζει τη φρεσκάδα των δεδομένων στο Clarity AI;
Ron Potok: Ντιέγκο, οι υπολογιστές μπορούν να διαβάσουν και να δουν αρκετά καλά στις μέρες μας. Μπορούμε να αξιοποιήσουμε αυτές τις τεχνολογίες για να μας βοηθήσουν να συλλέξουμε γρήγορα και αποτελεσματικά δεδομένα. Ωστόσο, παρέχουμε χρηματοοικονομικά δεδομένα για τη λήψη χρηματοοικονομικών αποφάσεων, πράγμα που σημαίνει ότι τα δεδομένα πρέπει να είναι εξαιρετικά ακριβή. Τα στατιστικά μοντέλα δεν μπορούν ποτέ να επιτύχουν ακρίβεια 100%, οπότε είναι απαραίτητος ο συνδυασμός υπολογιστών και ανθρώπων για να διασφαλιστεί τόσο η αποτελεσματικότητα όσο και η ακρίβεια. Χρειαζόμαστε και τα δύο για να διασφαλίσουμε ότι τα δεδομένα φτάνουν γρήγορα και υψηλής ποιότητας στους πελάτες μας.
Chris Ciompi: Ciompi: Αυτό είναι λογικό. Έχετε κάποια ενδιαφέρουσα περίπτωση να μοιραστείτε σχετικά με το πώς το Clarity AI χρησιμοποιεί τεχνικές μηχανικής μάθησης στην εξαγωγή δεδομένων;
Ron Potok: Ναι, έχουμε μια άλλη υπόθεση που σχετίζεται με τα μοντέλα εκτίμησής μας. Για τις εταιρείες που δεν αναφέρουν τις πληροφορίες βιωσιμότητάς τους, δεν μπορούμε να χρησιμοποιήσουμε τεχνητή νοημοσύνη για να εξάγουμε τα δεδομένα τους. Ωστόσο, μπορούμε να λάβουμε οικονομικές πληροφορίες αρκετά γρήγορα για κάθε οικονομικό έτος, επειδή οι εταιρείες γενικά δημοσιοποιούν γρήγορα αυτές τις πληροφορίες. Θα μπορούσαμε να εκτιμήσουμε τις εκπομπές για αυτές τις εταιρείες γρήγορα, αλλά επιλέγουμε να μην το κάνουμε αυτό. Περιμένουμε πρώτα να αρχίσουν οι εταιρείες να δημοσιοποιούν τα δεδομένα βιωσιμότητάς τους, ώστε να μπορούμε να διασφαλίσουμε ότι τα μοντέλα μας είναι σωστά βαθμονομημένα σε κάθε νέο έτος δεδομένων που έρχεται. Περιμένουμε να αναφερθούν τα νέα δεδομένα που ανακοινώθηκαν πριν κυκλοφορήσουμε τις νέες εκτιμήσεις μας για να διασφαλίσουμε ότι ο κόσμος δεν έχει αλλάξει και ότι το μοντέλο εκτίμησης πρέπει να αναθεωρηθεί. Έχουμε έναν πρόσθετο ποιοτικό έλεγχο κάθε χρόνο.
Chris Ciompi: Ciompi: Αυτό είναι ενδιαφέρον. Δηλαδή, ο λόγος της αναμονής είναι ότι τα μοντέλα μαθαίνουν από την ιστορία, και αν το παρελθόν δεν είναι πλέον αντιπροσωπευτικό του σήμερα, πρέπει να το λάβουμε υπόψη;
Ron Potok: Potok: Ακριβώς. Τα μοντέλα μαθαίνουν από την ιστορία, και αν το παρελθόν δεν είναι πλέον ένας τέλειος προγνωστικός δείκτης για το μέλλον, πρέπει να τροποποιούμε συνεχώς τα μοντέλα μας για να προβλέπουν με ακρίβεια το σήμερα. Αναμένουμε καινοτομίες γύρω από περιβαλλοντικά στοιχεία, οπότε αναμένουμε ότι ο κόσμος θα αλλάξει με την πάροδο του χρόνου, και το παρελθόν δεν θα είναι πάντα τέλειος προγνωστικός δείκτης για το μέλλον. Πρέπει να τροποποιούμε συνεχώς τα μοντέλα μας καθώς προχωράμε προς τα εμπρός για να διασφαλίσουμε ότι προβλέπουν με ακρίβεια το σήμερα.
Chris Ciompi: Ciompi: Αυτό είναι υπέροχο. Μπορούν τα μοντέλα να μάθουν και να προσαρμοστούν με την πάροδο του χρόνου;
Ron Potok: Ναι, τα μοντέλα μπορούν να μάθουν ποια χαρακτηριστικά οδηγούν τις αλλαγές. Μπορούμε να βάλουμε το μοντέλο να είναι αρκετά έξυπνο ώστε να κατανοεί τις αλλαγές που γνωρίζουμε ότι έρχονται. Μπορούμε να αφήσουμε χώρο για νέες τεχνολογίες και να εφαρμόσουμε την τεχνητή νοημοσύνη για να κάνουμε τα πράγματα πιο αποτελεσματικά. Μπορούμε να προβλέψουμε χαρακτηριστικά που έχουν μελλοντικό χαρακτήρα. Για παράδειγμα, αν μια χώρα λέει ότι πρόκειται να καταργήσει σταδιακά τα εργοστάσια άνθρακα σε τρία χρόνια, μπορούμε να προσθέσουμε αυτή την πληροφορία στα μοντέλα μας για να γνωρίζουμε τι πρόκειται να συμβεί σε τρία χρόνια.
Chris Ciompi: Ciompi: Είναι λογικό. Ευχαριστώ, Ρον. Patricia, πώς η φρεσκάδα των δεδομένων συμβάλλει στην προώθηση της καινοτομίας των προϊόντων στο Clarity AI;
Patricia Pina: Clarity AI , προσπαθούμε να βρούμε εναλλακτικές πηγές σχετικών δεδομένων που είναι διαθέσιμα νωρίτερα από τα στοιχεία που δημοσιεύουν οι εταιρείες μία φορά το χρόνο, συνήθως λίγους μήνες μετά το τέλος της αντίστοιχης περιόδου αναφοράς. Για παράδειγμα, χρησιμοποιούμε δορυφορικά δεδομένα σε πραγματικό χρόνο για να συμπεράνουμε πόσο εκπέμπουν οι εταιρείες, αντί να περιμένουμε ενάμιση χρόνο για να μάθουμε τι συνέβη σήμερα. Αυτό μας επιτρέπει να παρέχουμε πιο φρέσκα δεδομένα στους χρήστες μας.
Chris Ciompi: Clarity AI επηρεάζει τις δυνατότητες της τεχνολογικής πλατφόρμας;
Ángel Agudo: Αδούγλου: Η φρεσκάδα των δεδομένων είναι ζωτικής σημασίας για τους χρήστες μας ώστε να λαμβάνουν τεκμηριωμένες αποφάσεις. Μας επιτρέπει να δείχνουμε ότι έχουν συμπεριληφθεί οι πιο ενημερωμένες πληροφορίες, πράγμα σημαντικό για την επεξηγηματικότητα. Στόχος μας είναι να είμαστε όσο το δυνατόν πιο αποτελεσματικοί στη δημοσίευση των δεδομένων και στη διάθεσή τους στους χρήστες. Καθώς καταγράφουμε δεδομένα και τα ενημερώνουμε ταχύτερα, μπορούμε να δείξουμε στους χρήστες πόσο γρήγορα είναι διαθέσιμες οι νέες πληροφορίες και να τους βοηθήσουμε να είναι πιο προληπτικοί στη διαδικασία λήψης αποφάσεων.
Χουάν Ντιέγκο Μαρτίν: Martín Martín: Η ικανότητά μας να εντοπίζουμε πότε δημοσιεύονται νέες πληροφορίες κάθε χρόνο μας επιτρέπει να προβλέπουμε πότε θα είναι διαθέσιμες οι πληροφορίες και να εξορθολογίζουμε τις διαδικασίες μας για την ενημέρωσή τους. Αυτό είναι πολύτιμο για τους πελάτες μας, επειδή μπορούν να προγραμματίζουν πότε οι πληροφορίες που χρειάζονται θα είναι διαθέσιμες στο προϊόν μας.
Ángel Agudo: Όλες οι διαστάσεις που αναφέραμε, όπως η ακρίβεια, η πληρότητα και η επικαιρότητα των δεδομένων, είναι απαραίτητες για να μπορούν οι χρήστες μας να λαμβάνουν τεκμηριωμένες αποφάσεις. Αν και μπορεί να είναι πολύπλοκο να επιτευχθούν, καινοτομούμε και παρέχουμε αξία επειδή αυτές οι διαστάσεις είναι σημαντικές για τη λήψη αποφάσεων. Χωρίς τα σωστά δεδομένα ή με σφάλματα στα δεδομένα, οι χρήστες ενδέχεται να μην λάβουν τις σωστές αποφάσεις.
Chris Ciompi: Ciompi: Αυτό είναι λογικό φυσικά, αλλά ας επιστρέψουμε στη διάσταση της φρεσκάδας σε σχέση με την ποιότητα των δεδομένων προς το παρόν. Τίποτα άλλο για να κλείσουμε;
Patricia Pina: για να καθαρίσουν τα δεδομένα και να εξασφαλίσουν τη φρεσκάδα τους, για να βεβαιωθούν ότι αγόραζαν τα σωστά δεδομένα που ταιριάζουν στις ανάγκες τους. Ενώ εμείς, διασφαλίζουμε προληπτικά ότι οι πελάτες μας δεν χρειάζεται να περάσουν από δαπανηρές και περιττές διαδικασίες.
Chris Ciompi: Ciompi: Σας ευχαριστώ όλους!