En model retter ikke dårlige data
Det er fristende at tro, at en kraftig model vil redde svage data. Det vil den ikke. Hvis inputdataene er unøjagtige, forældede eller inkonsistente, lærer modellen og forstærker disse fejl. Det gamle AI-ordsprog gælder stadig: skrald ind, skrald ud.
Hvad datakvalitet betyder
Data af høj kvalitet er nøjagtige, komplette, konsistente, aktuelle og sporbare. Nøjagtighed betyder, at værdier matcher virkeligheden. Fuldstændighed betyder, at kritiske felter ikke mangler. Konsistens betyder, at samme ting udtrykkes ens overalt. Disse opstår ikke af sig selv, men kræver aktiv styring.
Start med en revision
Før du bygger AI, kortlæg dine data: hvor de kommer fra, hvor ofte de opdateres, hvem der ejer dem, og hvilken tilstand de er i. Denne revision afslører næsten altid problemer, der ville have sænket projektet senere.
Kvalitet er løbende arbejde
Datakvalitet er ikke et engangsprojekt. Kilder ændres, systemer tilføjes, og fejl opstår. Derfor inkluderer et kvalitetsdatagrundlag automatiserede test, valideringer og advarsler, der fanger problemer med det samme. En velbygget datapipeline overvåger sig selv.
Når datagrundlaget er solidt, går AI-projekter hurtigere og mere pålideligt. Tid brugt på at få data i orden betaler sig mange gange i senere faser.
Kvalitetens dimensioner
Datakvalitet er ikke én ting, men flere. Fuldstændighed fortæller, om værdier mangler. Nøjagtighed fortæller, om værdier svarer til virkeligheden. Konsistens fortæller, om de samme data er uden modsigelser på tværs af kilder. Aktualitet fortæller, hvor friske data er. Unikhed fortæller, om der er dubletter. Når du måler disse separat, ser du præcis, hvor rettelser er værd at fokusere.
Kvalitet som del af processen
En engangsoprydning er ikke nok, fordi data forfalder løbende. En holdbar løsning bygger kvalitet ind i pipelinen: automatiske kontroller afviser eller markerer ugyldige poster ved indtag, og afvigelser udløser advarsler, før de når rapporter eller modeller. Sådan opretholdes kvaliteten uden konstant manuelt arbejde, og tilliden til data vokser over tid.