Качество данных: от стратегии к практике

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?

Excel vs бизнес-аналитика

В споре «Excel против системы бизнес-аналитики» сегодня нет победителей: речь идет об инструментах, предназначенных для разных задач, однако имеющих пересечение по функциональности. Когда следует применять каждый из инструментов и как обеспечить их бесшовную интеграцию?

Как Data Science помогает повышать качество ПО

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.

«РЕСО-Гарантия»: как подружить страховых агентов с машинным обучением

Сергей Алешкин, руководитель по Data Science страховой компании «РЕСО-Гарантия» и номинант премии CDO Award, — об опыте повышения эффективности кросс-продаж страховых полисов.

«Качество данных 2020» — горячая тема

В Москве прошла конференция «Качество данных 2020».

«Открытые системы» проведут деловой форум «BIG DATA 2020: данные в основе цифровой экономики»

Докладчики форума познакомят слушателей с новейшими разработками в сфере интеллектуальной аналитики и машинного обучения, с отраслевыми подходами к цифровой трансформации на основе данных, к построению data-driven-бизнеса и моделей монетизации данных.

«Леруа Мерлен»: качество данных как залог безопасности перевозок

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

Alfa Data School: как сформировать собственный кадровый резерв data-driven

Максат Нуриденулы, номинант премии CDO Award 2020, рассказывает о созданной в «Альфа-Банке Казахстан» школе подготовки специалистов в области данных.

ФРИИ увидел проблему в длительном принятии закона о больших данных

Пока нет доступа к данным и четких правил регулирования их оборота, нет и полноценного развития технологий ИИ, сделали вывод в фонде.

Банк «Уралсиб»: от больших данных к большой ценности

Юрий Сирота, руководитель департамента искусственного интеллекта и анализа данных банка «Уралсиб», рассказывает, как с помощью созданного им подразделения в банке формируется культура data-driven, и каким образом проекты департамента обеспечивают реальную монетизацию данных.

«Неофлекс» и СГУ имени Н.Г. Чернышевского открывают Data Science Laboratory

Сотрудничество c компанией «Неофлекс» позволит Саратовскому национальному исследовательскому государственному университету им. Н.Г. Чернышевского отслеживать меняющиеся требования ИТ-компаний к специалистам и корректировать образовательные программы под быстро меняющийся рынок информационных технологий.

Подписан кодекс этики использования данных

Ожидается, что положения кодекса станут базой для законодательных инициатив в области регулирования обращения с данными.

В России вступит в силу закон о штрафах за хранение персональных данных россиян за рубежом

Документ также предусматривает увеличенные штрафы для поисковых сервисов, повторно нарушивших действующие ограничения.

Антимонопольные органы ЕС расследуют методы работы с данными Facebook

Крупнейшие технологические компании распоряжаются огромными объемами данных; в обществе растут опасения в том, что они могут использоваться для борьбы с конкурентами и во вред пользователям..