Качество данных

Цифровые двойники помогают принимать оптимальные решения на каждом этапе жизненного цикла физического объекта, компонентов конкретной системы и рыночных сегментов. Однако чтобы можно было доверять двойнику, необходимо обеспечить качество и достоверность данных, от которых напрямую зависит информационная безопасность.

Ущерб от стихийных явлений часто связан с неинформированностью руководителей, приводящей к слишком позднему осознанию возможных воздействий. Евгений Вязилов, номинант на премию Data Award 2022 рассказывает как исключить потери от природных катастроф, минимизировав или исключив возможный ущерб?

Традиционно на конференции выступают представители предприятий и организаций — флагманов индустрии данных в самых разных отраслях экономики: в финансах и телекоммуникациях, на транспорте и в розничной торговле, в промышленности и онлайн-дейтинге.

Эффективность любой корпоративной информационной системы определяется качеством и достоверностью содержащихся в ней данных – именно вера пользователя в истинность сведений делает систему пригодной для использования. Но на практике возможно появление в системе ложных данных. Для современных корпоративных информационных систем необходимы инструменты проверки истинности вводимых данных.

Это единственная в России ежегодная конференция для профессионалов, целиком посвященная стратегиям и практикам обеспечения качества данных.

На тематической сессии юбилейного форума BIG DATA 2021 обсудили проблемы медицинских данных.

«Качество данных — 2021. Стратегия, инструменты, практика» — единственная в России конференция, целиком сфокусированная на одной из важнейших тем цифровой эпохи — на обеспечении требуемого качества данных.

Анна Серебряникова, президент Ассоциации больших данных и управляющий партнер компании nlogic, рассказывает о возможностях искусственного интеллекта в работе с документами и актуальных задачах российской индустрии больших данных.

25 февраля 2021 года издательство «Открытые системы» открывает новый сезон мероприятий практической конференцией «Качество данных — 2021. Стратегия, инструменты, практика».

Создание зависимого от данных ПО отличается от разработки традиционных программ: соответствующие методы должны учитывать ошибки и в коде, и в данных. Необходимо помнить, что отладка производительности так же важна для исследователей данных, как и отладка корректности.

Результаты нового опроса Anaconda показывают, что на очистку и подготовку данных они расходуют почти половину своего рабочего времени.

Сейчас правки в устаревшие фактические сведения — цифры, даты, имена, географические названия и т. п. — волонтеры вносят вручную.

Данные — топливо для систем искусственного интеллекта, сырье для аналитических алгоритмов и основа для систем автоматизации бизнес-процессов. Однако наивно ожидать, что данные изначально будут чистыми и пригодными для обработки, а если исходные данные некорректны, то и результаты будут соответствующими. Что можно сделать для устранения дефектов в данных? Как определить, что следует исправить, а что нет? Как узнать, когда надо устранить проблему, а когда лучше ничего не трогать? Иначе говоря: как управлять качеством данных?

Обсуждение «цифровизации» сегодня обычно вращается вокруг технологий больших данных, машинного обучения, прогнозной аналитики, но цифровизация — это не про технологии, а про управление данными, бизнес-модели и культуру работы с данными. Деньги бизнесу всегда приносили люди, а не технологии.

Применение методов исследования данных в процессах разработки ПО позволяет выиграть в конкурентной борьбе. Например, в программной инженерии получила распространение методика измерения характеристик программного обеспечения, однако без средств автоматизации невозможно разобраться в огромных массивах получаемых с помощью этой методики данных и учесть все их взаимозависимости.

Внедрение смарт-контрактов увеличивает прозрачность, скорость и детализацию принятия решений, а благодаря постоянной проверке данных повышается и качество решений.

В Москве прошла конференция «Качество данных 2020».

В торговой сети реализуется проект автоматизированной верификации информации, среди целей которого : повышение безопасности перевозок, сокращение хищений, обеспечение надежности поставок товара, выявление неблагонадежных водителей.

Без выполнения работ по нормативно-справочной информации невозможно обеспечить эффективную трансформацию материально-технического обеспечения компании, снизить запасы, сократить неликвиды и увеличить оборачиваемость ресурсов. Всего этого можно достигнуть с помощью тиражируемой системы для нормализации основных данных. Все подробности на конференции «Качество данных — 2020».