În era datelor AI-ready, Qlik Trust Score redefinește modul în care ne construim încrederea în date.
Qlik dezvoltă Trust Score (scorul de încredere) pentru a sprijini tranziția de la date de încredere la date AI-ready, răspunzând astfel nevoilor companiilor conduse de inteligența artificială.
Inteligența artificială este la fel de bună ca datele care o alimentează. Cu toate acestea, cazurile de utilizare a AI introduc noi provocări care depășesc calitatea tradițională a datelor. Nu mai este suficient ca datele să fie complete și documentate, ci trebuie să fie și precise, actuale și suficient de diverse pentru a genera rezultate semnificative și imparțiale. Fie că antrenați modele de machine learning sau alimentați sisteme de decizie în timp real, datele AI-ready necesită o perspectivă diferită pentru a inspira încredere.
La începutul acestui an, Qlik a introdus Qlik Trust Score în Qlik Talend Cloud — un indicator de calitate care consolidează metricile critice ale calității datelor, precum completitudinea, descoperibilitatea și utilizarea, într-un singur scor intuitiv. De asemenea, au fost introduse cele șase principii ale datelor AI-ready, oferind organizațiilor un cadru practic și servicii asociate pentru a evalua nu doar fiabilitatea datelor lor, ci și gradul de pregătire al acestora pentru a genera rezultate bazate pe AI.
Apoi, în mai 2025, la Qlik Connect, Qlik a făcut următorul pas înainte în cadrul produsului, introducând Qlik Trust Score pentru AI ca o funcționalitate integrată în Qlik Talend Cloud. Pe măsură ce organizațiile dublează adoptarea AI, definiția datelor de încredere trebuie să se extindă pentru a răspunde cerințelor specifice ale învățării automate și automatizării inteligente. Qlik Trust Score pentru AI se bazează pe cadrul nostru original, introducând dimensiuni noi, special concepute, care permit echipelor să evalueze dacă datele lor sunt nu numai fiabile, ci și cu adevărat potrivite pentru AI.
În videoclipul de mai jos, puteți urmări un interviu realizat în cadrul evenimentului Qlik Connect 2025, cu Dan Potter, VP Product Marketing la Qlik, și Dr. Michael Bronstein, profesor de inteligență artificială la Universitatea Oxford și membru al Consiliului Qlik AI.
Construirea încrederii în AI prin diversitate, acuratețe și promptitudine
Pentru a ajuta organizațiile să utilizeze datele pentru AI, Qlik a introdus trei noi dimensiuni în Qlik Trust Score, bazate pe cele șase principii ale noastre pentru date AI-ready.
Dimensiuni specifice AI ale Qlik Trust Score
Diversitate
Evaluează cât de reprezentativ și bine distribuit este setul de date în raport cu așteptările. În domeniul AI, datele părtinitoare sau limitate conduc la rezultate distorsionate și generalizări deficitare. Un scor ridicat de diversitate indică faptul că setul de date acoperă o gamă largă de scenarii, populații sau tipuri relevante, asigurând că modelele de AI sunt antrenate pe baza unor informații ample, echilibrate și incluzive. Acesta este calculat ca o funcție a uniformității conținutului și a volumului preconizat, măsurând cât de bine sunt echilibrate valorile între rânduri și coloane și dacă sunt disponibile suficiente date.
Configurarea dimensiunii diversității Qlik Trust Score pentru AI
De exemplu, un model de pierdere a clienților antrenat numai pe date din regiuni urbane poate avea performanțe slabe în cazul clienților din mediul rural. Un scor ridicat de diversitate asigură că setul de date include zone geografice, grupe de vârstă și tipuri de clienți variate, reducând punctele nevralgice în predicție.
Precizie
Măsoară cât de bine se aliniază datele cu adevărurile cunoscute sau așteptate, utilizând reguli de validare personalizabile. Introducerea de date inexacte poate duce la erori compuse în sistemele de AI, unde chiar și cele mai mici greșeli pot duce la erori de judecată semnificative. Prin definirea regulilor personalizate de calitate a datelor în categoria „Accuracy” (precizie), aceste reguli pot afecta dimensiunea preciziei, permițând echipelor să identifice și să rezolve rapid cele mai critice probleme care afectează performanța modelului.
Clasificarea regulii de calitate pentru Qlik Trust Score
De exemplu, într-un sistem de întreținere predictivă, citirile incorecte ale temperaturii de la senzori (de exemplu, din cauza calibrării incorecte) pot provoca alarme false sau defecte neobservate. Verificările de precizie pot semnaliza astfel de valori aberante sau neconcordanțe față de intervalele preconizate, prevenind comportamentul defectuos al modelului.
Punctualitate
Asigură că datele sunt actuale și reflectă cea mai recentă stare a businessului sau a mediului. Pentru aplicațiile bazate pe AI — în special cele care implică predicții în timp real sau automatizări — datele învechite pot duce la rezultate irelevante sau depășite. Acest scor este calculat folosind o funcție crescătoare bazată pe actualizările din fluxul de date. Se pot defini praguri care specifică cât de recent trebuie să fie un set de date — odată ce datele ies din această fereastră de actualitate, scorul scade.
Configurarea ferestrei pragului de actualitate
De exemplu, într-un model de detectare a fraudelor, datele tranzacțiilor care sunt vechi chiar și de câteva ore pot omite semnalarea unei fraude în momentul în care aceasta are loc. Un scor ridicat de actualitate garantează că modelul dvs. utilizează cele mai recente date disponibile pentru a detecta problemele legate de date în timp real.
Încredere în timp: Monitorizarea tendințelor calității datelor pentru creșterea încrederii în AI
AI nu necesită doar date de înaltă calitate pe o bază punctuală, ci necesită date consistente și de înaltă calitate. De aceea, a fost introdus Trust Score Historization în Qlik Talend Cloud, transformând încrederea dintr-o evaluare punctuală într-o practică continuă care poate fi monitorizată în timp.
Cu ajutorul acestei funcționalități, puteți să:
- Monitorizați tendințele calității datelor pe parcursul săptămânilor sau lunilor pentru a identifica din timp problemele emergente
- Corelați scăderile de performanță cu modificările în dimensiuni esențiale ale calității, precum actualitatea sau acuratețea
- Auditați modul în care modificările aduse configurațiilor sau regulilor de calitate influențează încrederea în timp
Vizualizarea evenimentelor și a actualizărilor dimensiunilor în Qlik Trust Score de-a lungul timpului
Concluzie
Qlik Trust Score pentru AI depășește o simplă verificare a calității — este un mod de a evalua dacă datele sunt cu adevărat potrivite pentru scenarii de utilizare în inteligența artificială. Cu dimensiuni specifice AI, precum acuratețea, diversitatea și actualitatea, și cu posibilitatea de a monitoriza încrederea în timp, acesta ajută organizațiile să furnizeze date care generează rezultate fiabile și responsabile în domeniul AI.
Pentru mai multe detalii despre Qlik Trust Score, clic aici: https://qqinfo.ro/qlik-trust-score-cresterea-fiabilitatii-datelor-in-qlik-talend-cloud/.
Pentru informații despre Qlik™, clic aici: qlik.com.
Pentru soluții specifice și specializate de la QQinfo, clic aici: QQsolutions.
Pentru a fi în contact cu ultimele noutăți în domeniu, soluții inedite explicate, dar și cu perspectivele noastre personale în ceea ce privește lumea managementului, a datelor și a analiticelor, clic aici: QQblog !