Качество данных

Управление данными: понять, принять, применить

Цена ошибки из-за некорректных данных или их неактуальности часто оказывается весьма высокой и может стать критичной для бизнеса – необходимая производительность и эффективность выполнения проектов по управлению данными достигаются при комплексном подходе и применении интеграционной шины данных.

От «Дата-ада» к знаку качества

Любая деятельность розничной компании предусматривает одновременно и потребление, и генерирование данных, от качества которых зависит успех всего бизнеса. В 2021 году в компании «М.Видео-Эльдорадо» была принята стратегия управления данными, реализация которой позволила существенно сократить время выполнения проверок, создавать которые теперь может даже представитель операционной функции.

Перед прыжком в ИИ

DIS Group провела свой ежегодный «Дата саммит», посвятив его обсуждению роли ИИ в формуле эффективности бизнеса.

«М.Видео-Эльдорадо»: от «дата-ада» к знаку качества

Данила Наумов, CDO «М.Видео-Эльдорадо», – о подходах компании к управлению качеством данных и о влиянии качества данных на бизнес.

Управление инженерными данными «Сибур Диджитал»: качественные данные для мегапроектов

Деятельность любой вертикально-интегрированной компании в производственной индустрии невозможна сегодня без информационной системы, объединяющей и контролирующей инженерные данные по объектам на протяжении всего их жизненного цикла. От качества таких данных и возможности их повторного использования зависит успех бизнеса компании.

Компонентный подход к качеству данных

Приобретение всех необходимых инструментов для управления качеством данных, определение KPI для продуктов, отладка отдельных процессов проверки качества могут не принести ожидаемых бизнес-результатов при отсутствии сквозного обеспечения качества данных. Компонентный подход позволяет объединить различные процессы, отследить родословную данных и исключить ошибки в их качестве.

«Магнит»: качественные данные с виртуальным помощником

Павел Шорохов, директор департамента по работе с данными, и Олег Молчанов, руководитель направления по метаданным и качеству данных сети «Магнит», – о повышении прозрачности информационных активов и роли доверия пользователей к данным для развития компании.

Функциональность и безопасность систем искусственного интеллекта: качество данных

По мере расширения областей применения систем искусственного интеллекта все более актуальным становится проблема обеспечения гарантий их функциональной корректности и безопасности. Особенно важно это в таких критически важных прикладных отраслях, как медицина, транспорт, промышленность, системы безопасности и др. Характеристики функциональности и безопасности систем искусственного интеллекта во многом определяются качеством используемых в них данных.

Развитие управления данными в России: факторы и векторы

Методологии и технологии управления данными в России сегодня на подъеме – этому способствуют, с одной стороны, требования экономики данных, а с другой, появление на рынке свободных ниш, занимаемых ранее зарубежными ИТ-игроками. Какие тенденции сегодня наблюдаются в отечественной индустрии управления данными и что можно сказать про прогнозы ее развития? Ведущие представители отрасли делятся своими взглядами на судьбы индустрии.

«Северсталь»: прозрачность технологических данных

Евгений Курильщиков, владелец продукта «Управление данными» «Северстали», – об обеспечении качества технологических данных и его роли в скорости реализации дата-проектов.

Качество данных – в приоритете

«Качество данных 2024»: CDO считают обеспечение качества данных ключевым направлением своей работы.

«Качество данных — 2024»: как сделать информационное «сырье» максимально полезным для принятия решений

Очередная конференция «Открытых систем» собрала всех, кто заинтересован в повышении доверия бизнеса к данным в организациях.

Управление данными в России: факторы и векторы развития

Ведущие эксперты российской индустрии управления данными — о ключевых тенденциях, движущих силах и перспективах развития отрасли.

«Сибур»: инженерные данные под контролем

Вероника Панайотова, руководитель группы по управлению инженерными данными «Сибур Диджитал», – об организации бизнес-процессов обеспечения качества инженерных данных и создании собственной системы управления ими.

14 февраля «Открытые системы» проведут пятую ежегодную конференцию «Качество данных»

В центре внимания конференции — практические аспекты, определяющие качество данных, успешные примеры реализации проектов по обеспечению максимальной достоверности и актуальности данных в организациях.

DQFirewall: контроль качества данных как сервис

Екатерина Мельникова, начальник Центра технологий управления данными Газпромбанка, – об альтернативном подходе к контролю качества данных в системах-источниках, реализованном в ходе проекта DQFirewall.

Что надо знать о «галлюцинациях» искусственного интеллекта

Наиболее эффективным методом борьбы с синтезом ответов, не имеющих отношения к действительности, специалисты называют подкрепление актуальными данными.

Как повысить доверие к клиническим данным?

Проблема автоматической передачи без искажений любой информации о состоянии здоровья пациента становится сегодня все более актуальной. Однако гиперавтоматизация бизнес-процессов и рост применения искусственного интеллекта в российском здравоохранении выявили проблему контроля рисков искажения медицинских записей. Технологической основой системы управления подобными рисками может быть модель контроля качества медицинских записей, подразумевающая наличие встроенного в медицинские информационные системы модуля контроля. Но на пути ее внедрения имеется ряд проблем.

Как повысить доверие к клиническим данным?

Проблема автоматической передачи без искажений любой информации о состоянии здоровья пациента становится сегодня все более актуальной. Однако гиперавтоматизация бизнес-процессов и рост применения искусственного интеллекта в российском здравоохранении выявили проблему контроля рисков искажения медицинских записей. Технологической основой системы управления подобными рисками может быть модель контроля качества медицинских записей, подразумевающая наличие встроенного в медицинские информационные системы модуля контроля. Но на пути ее внедрения имеется ряд проблем.

Как обосновать инвестиции в качество данных

Данные для любого предприятия цифровой экономики — это ценный актив, но как его измерить, а специалистам по управлению данными обосновать перед руководством экономический эффект от проектов, направленных на повышение качества данных? Можно ли оценить целесообразность затрат на повышение качества конкретных данных: клиентских, данных кредитного портфеля банка и общих справочников?

Роботизировать правильно: на что следует делать особый упор

Бизнесу нужны роботы. Поэтому в марте в реестр российского ПО были добавлены системы разработки программных роботов, в числе которых и инструменты RPA. Почему?