Качество данных

В рамках конференции «Качество данных — 2023» выступающие использовали такие метафоры, как «путь самурая» и «покорение космоса». Все больше компаний ассоциируют управление качеством данных с бесконечным процессом, но при этом признают его растущую важность.

Программа мероприятия отразила особенности работы над качеством данных в условиях экономической неопределенности и внезапных изменений.

Павел Тойменцев, независимый эксперт по цифровой трансформации холдинговых компаний, — о развитии систем по управлению мастер-данными и их роли в деятельности современных компаний.

На базе стека Open Source в «Газпромбанке» развернута система, позволившая решить ключевые задачи управления качеством данных. Наличие конструктора проверок, системы визуализации и рассылки уведомлений, а также инструментов интеграции с любыми системами, работающими в контуре организации, позволяет оперативно выстраивать процессы контроля основных показателей качества данных и интегрировать их в бизнес-процессы.

Это единственная в России конференция, посвященная решениям для обеспечения гарантированного качества данных.

Мероприятия издательства «Открытые системы» неизменно остаются вашим навигатором в мире, движущей силой которого выступают данные!

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?