28.11.2024  Экспертиза, Искусственный интеллект, Менеджмент

Подходы к обеспечению качества данных в разных компаниях различны. Одни организации прилагают много усилий для подготовки своих наборов данных, обеспечивая наличие правил проверки и надлежащего описания каждого атрибута. Другие концентрируются на быстром развитии слоя данных, уделяя очень мало внимания качеству, происхождению и управлению данными, пишет на портале BigDATAwire Томаш Ендроска, руководитель отдела инженерии данных STX Next, европейского поставщика консалтинговых услуг в области Python и ИИ/MО. Неоспоримым фактом является то, что компании, отказывающиеся уделять необходимое время и ресурсы управлению данными, столкнутся с финансовыми издержками. Это подтверждается результатами недавнего исследования Fivetran и Vanson Bourne «AI in 2024», согласно которому компании с годовым доходом более 5,6 млрд. долл. теряют в среднем 406 млн. долл. в год в результате использования некачественных данных. Плохие данные в первую очередь влияют на финансовые показатели компаний, поскольку служат основой для неэффективных отчетов бизнес-аналитики и моделей ИИ — созданных или обученных на неточных и неполных данных — которые дают ненадежные ответы, используемые компаниями для принятия важных решений. В результате для того, чтобы организации были по-настоящему уверены в имеющихся в их распоряжении данных, необходимо проделать значительную работу за кулисами. Технологии развиваются, но данные продолжают жить Стоит помнить, что данные, как правило, живут дольше всех остальных уровней ... читать далее.