Datová společnost Ataccama uvádí nástroj Data Quality Gates, nové rozšíření své platformy pro kvalitu dat. Nové řešení aplikuje pravidla pro kvalitu a bezpečnost dat v reálném čase.
Datová společnost Ataccama uvádí nástroj Data Quality Gates, nové rozšíření své platformy pro kvalitu dat. Nové řešení aplikuje pravidla pro kvalitu a bezpečnost dat v reálném čase.
Díky tomu včas zachytí nevhodná data a firmy tak mají jistotu, že jejich AI modely, analytika i regulatorní výkazy pracují pouze s ověřenými a spolehlivými daty.
Podle Gartneru stojí špatná kvalita dat firmy v průměru 12,9 milionu dolarů ročně v neefektivitě, chybách v reportech, selháních AI i promarněných příležitostech. Problémy obvykle vznikají „u zdroje“, když se chyby neodhalí včas a projeví se až později – v neúspěšném auditu, nepřesném regulatorním reportu nebo ve výstupech AI, kterým nelze věřit. Ve finančních službách může například chybějící datum narození vyvolat nadbytečná AML hlášení a prodražit šetření. Podobné chyby se snadno promítnou i do marketingových kampaní, což vede k plýtvání rozpočtem a ztrátě důvěry zákazníků.
„Největší problémy v AI a oblasti compliance vznikají proto, že chybná data nepozorovaně proniknou do klíčových systémů,“ vysvětluje Jessica Smith, viceprezidentka pro kvalitu dat ve společnosti Ataccama. „S Data Quality Gates už firmy nepustí zastaralá nebo nevhodná data do rozhodovacích procesů. Díky tomu mohou chránit důvěru tam, kde je nejzranitelnější, a mít jistotu, že informace, na kterých stojí jejich nejdůležitější rozhodnutí, jsou přesné, spolehlivé a důvěryhodné.“
Díky nové funkci Data Quality Gates se problémy zachytávají okamžitě při zpracování dat, tedy dříve, než se špatná data dostanou do dalších systémů. Tento přístup předchází vzniku škod a zároveň snižuje náklady na pozdější opravy, opakované zpracování nebo znovuspuštění celého procesu. Výsledkem jsou přesné regulatorní výkazy, marketingové kampaně postavené na ověřených datech a AI modely trénované na spolehlivých vstupech.
—
Ataccama ONE umožňuje firmám nastavit pravidla kvality dat jednou a využít je napříč celou organizací. Data jsou spolehlivě chráněna jak při zpracování, tak i při ukládání. Mezi hlavní přednosti patří:
● Kontroly přímo při zpracování dat. Pravidla se aplikují přímo ve Snowflake, dbt a Python prostředích a identifikují chybné záznamy, aniž by bylo nutné data přesouvat. Například transakce s chybějícími měnovými kódy jsou zachyceny dříve, než dorazí do obchodních systémů, a ušetří tak náklady na nápravu.
● Řízená obchodní pravidla v průběhu zpracování dat. Finanční, regulatorní a obchodní standardy jsou automaticky vynucovány v datových tocích. Například soubor se mzdami s neplatnými DIČ může být zastaven dříve, než se dostane do reportovacích nebo auditních systémů.
● Centrální správa pravidel. Všechna pravidla jsou uložena na jednom místě a lze je snadno znovu použít. Když se změní nějaká regulace, například limity pro kapitálový reporting, systém ji automaticky aplikuje napříč všemi datovými toky, aniž by docházelo k chybám či duplikacím.
● Sjednocení obchodních a technických týmů. Obchodní týmy pravidla definují jednou a vývojáři je přímo začleňují do ETL, streamovacích nebo jiných datových toků, bez nutnosti přepisovat SQL či Python. Zkrátí se tak doba potřebná k uvedení nových datových produktů a snižuje se závislost na jednotlivcích.
● Jednotné standardy napříč platformami bez závislosti na jednom systému. Standardy lze uplatnit na různých platformách, takže například kontroly způsobilosti zákazníků fungují stejně, ať jsou data kdekoli.
KOMENTÁŘE